A Protocol for a Scoping Review Comparative Bibliometric Analysis of Infectious Disease Research in Africa
Notice bibliographique
Résumé
Introduction: Evidence on authorship trends of health research conducted about or in Africa shows that there is a lack of local researchers in the first and last authorship positions, with high income country collaborations taking up these positions. The differences in authorship calls into question power imbalances in global health research and who benefits from the production of new discoveries and innovations. Health studies may further go on to inform policy and clinical practice within the region having an impact on public health. This paper aims to compare the differences in authorship between COVID-19 and relevant infectious diseases in Africa. Materials and Methods: We will conduct a bibliometric analysis comparing authorship for COVID-19 research during a public health emergency with authorship for four other infectious diseases of relevance to Africa namely: Ebola, Zika Virus (ZIKV), Tuberculosis (TB) and Influenza. Our scoping review will follow the framework developed by Arksey and O'Malley and reviewed by Levac et al. We will search MEDLINE (Ovid), African Index Medicus (AIM), Eastern Mediterranean Region (IMEMR) Index Medicus, Embase (Ovid), and Web of Science (Clarivate). We will compare the different trends of disease research between the selected diseases. This study is registered with OSF registries and is licensed with the Academic Free License version 3.0. The open science registration number is 10.17605/OSF.IO/5ZPGN .
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 | 0,133 | 0,212 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,012 | 0,012 |
| Bibliométrie | 0,027 | 0,026 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,159 | 0,027 |
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 ».