The Progress and Research Trends in Coronavirus (COVID-19) Research Publications: Epidemiological and Bibliometrical Approaches
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The main objective of the present study is to summarize the research output about COVID-19. The search was conducted in Scopus, the largest abstract and citation database of peer-reviewed literature, and later it was analyzed on VOSviewer. Total 34716 research documents have been published about COVID-19 till September 2020. We focused on three parameters, i.e., co-authorship pattern, citations, and co-words analysis. Based on the total number of publications, h-index, total citations, and citations per document, we provided the list of the top ten authors, institutes, and countries. Based on the total number of publications, the top-ranked author is Wiwanitkit, V., and the top institute is Harvard Medical School, USA. It is worthy to note that more than 150 countries have contributed to research output. Based on the total publications, citations, and h-index, we provided details for each continent. Later, we provided the list of the top ten countries. The highest documents are published by the USA (25.35%). We analyzed the 343682 keywords from all publications to provide a general overview or the common trends in publications. We also analyzed the top 2000 most cited documents and provided the details of the top ten authors, institutes, and countries. Based on the VOSviewer' analysis, the information on the co-occurrence of words in titles, abstracts, and keywords is provided. This may help to depict the common trends in research publications. Based on the bibliometrics results, significant work has been published on pathogenesis, diagnosis, treatment, and prevention of this pandemic.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,472 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle