Time series-based bibliometric analysis of a systematic review of multidisciplinary care for opioid dose reduction: exploring the origins of the North American opioid crisis
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
Bibliometric analyses of systematic reviews offer unique opportunities to explore the character of specific scientific fields. In this time series-based analysis, dynamics of multidisciplinary care for chronic pain and opioid prescribing are analyzed over a forty-four year time span. Three distinct periods are identified, each defined by distinct research areas, as well as priorities regarding the use of opioids and the appropriate management of chronic pain. These scientometrically defined periods align with timelines identified previously by narrative historical accounts. Through cross-correlation with a mortality time series, a significant two-year lag between opioid overdose mortality and citation dynamics is identified between 2004 and 2019. This analysis demonstrates a bidirectional relationship between the scientific literature and the North American opioid overdose crisis, suggesting that the scientific literature is both reflective and generative of an important health and social phenomenon. A scientometric phenomenon of memory lapse, namely an overt and prolonged failure to cite older relevant literature, is identified using a metric of mean time to citation. It is proposed that this metric can be used to analyze changes in emerging literature and thus predict the nature of clinical and policy responses to the opioid crisis, and thus potentially to other health and social phenomena.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,101 | 0,676 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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