A global bibliometric analysis of research productivity on vaccine hesitancy from 1974 to 2019
Notice bibliographique
Résumé
Vaccine hesitancy is a phenomenon where individuals delay or refuse to take some or all vaccines. The objective of this study was to conduct a global bibliometric analysis of research productivity and identify country level indicators that could be associated with publications on vaccine hesitancy. We searched PubMed and Web of Science for publications from 1974 to 2019, and selected articles focused on behavioral and social aspects of vaccination. Data on country-level indicators were obtained from the World Bank. We used Spearman's correlation and zero-inflated negative-binomial regression models to ascertain the association between country level indicators and the number of publications. We identified 4314 articles, with 1099 eligible for inclusion. The United States of America (461 publications, 41.9%), Canada (84 publications, 7.6%) and the United Kingdom (68 publications, 6.2%) had the highest number of publications. Although various country indicators had significant correlations with vaccine hesitancy publications, only gross domestic product (GDP) and gross national income (GNI) per capita were independent positive predictors of the number of publications. When the number of publications were standardized by GDP, the Gambia, Somalia and Malawi ranked highest in decreasing order. The United States, Canada and United Kingdom ranked highest (in that order) when standardized by current health expenditure. Overall, high-income countries were more productive in vaccine hesitancy research than low-and-middle-income countries. There is a need for more investment in research on vaccine hesitancy in low-and-middle-income countries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,205 | 0,238 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».