Update on the COVID-19 Vaccine Research Trends: A Bibliometric Analysis
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease 2019 (COVID-19) pandemic is ravaging the world. To date, there are no standard therapies available to cure the disease. Consequently, research on COVID-19 vaccines is booming. This report aimed to assess the research trends of the global COVID-19 vaccines. METHODS: (http://www.histcite.com/) software was used to calculate the total local citation score (TLCS) and total global citation score (TGCS) of each variable and generate the citation historiography graph of COVID-19 vaccine development using the citation time series analysis method. RESULTS: A total of 5070 studies authored by 21,151 researchers and published by 1364 different journals were eventually included in this study. The bulk of the retrieved studies were original articles (n = 2401, 47.36%). Among these studies, 1204 (23.75%) were published in 2020. A total of 3863 (76.19%) were published in 2021 and 4295 (84.71%) were open access. The highest number of studies was conducted in the USA, followed by England, China, and Germany. The main partners of the USA were China, England, and Canada. The University of Maryland (TLCS: 1618, TGCS: 2991) and Prof. Ugur Sahin from the University Medical Center of the Johannes Gutenberg University (TLCS: 1397, TGCS: 2407) were the most cited institution and author, respectively. The vaccines featured the highest number of papers, with 294 publications (TLCS: 0, TGCS: 1226). The most cited journal was the New England Journal of Medicine (TLCS: 3310, TGCS: 5914), with an impact factor (IF) of 91.245. The related topics included the following six aspects: attitudes towards vaccination, immunoinformatics analysis, clinical research, effectiveness and side effects, and the public management of vaccines. The timing diagram revealed that the research hotspots focused on the side effects of vaccines and public attitude towards vaccination. CONCLUSION: This novel comprehensive bibliometric analysis can help researchers and non-researchers to rapidly identify the potential partners, landmark studies, and research topics within their domains of interest. Through this study, we hope to provide more data to combat the COVID-19 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.
Comment cette classification a été obtenuedéplier
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,017 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,234 | 0,234 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».