Global cancer research in the era of COVID-19: a bibliometric analysis
Notice bibliographique
Résumé
BACKGROUND: Patients with cancer across the world have been impacted by the COVID-19 pandemic due to increased risk of infection and disruption to cancer diagnosis and treatment. Widening of healthcare disparities is expected as the gap between health systems with and without adequate resources to mitigate the pandemic become more apparent. We undertook a bibliometric analysis of research related to cancer and COVID-19 to understand (1) the type of research that has been conducted (e.g. patients, services and systems) and (2) whether the pandemic has impacted the state of global cancer research as measured by research outputs to date. METHODS: An existing filter for cancer research consisting of title words and the names of specialist cancer journals was used to identify cancer and COVID-19 related articles and reviews in the Web of Science (©Clarivate Analytics) between January 2019 and February 2021. RESULTS: = 2.4; 0.2%). No evidence of a reduction in global cancer research output was observed in 2020. CONCLUSIONS: We observed a shift in research focus rather than a decline in absolute output. However, there is variation based on national income and collaborations are minimal. There has been a focus on pan-cancer studies rather than cancer site-specific studies. Strengthening global multidisciplinary research partnerships with teams from diverse backgrounds with regard to gender, clinical expertise and resource setting is essential to prevent the widening of cancer inequalities.
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 | 0,034 | 0,200 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,257 | 0,389 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| 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 ».