Mapping Maternal Health in the New Media Environment: A scientometric Analysis in CiteSpace (Preprint)
Notice bibliographique
Résumé
BACKGROUND The new media provides a convenient digital platform to access, use and exchange health information. As a special group of health care, maternal is still of international concern due to their high mortality rate. Improving maternal health as a Millennium Development Goal of the United Nations is an important quest for the health care system. Scientific research provides advice on how to improve maternal health through stringent reasoning and accurate data. However, the dramatic increase of publications, the diversity of themes, and the dispersion of researchers may reduce efficiency. OBJECTIVE This study aims to analyze the research progress on maternal health under the global new media environment, exploring the current research hotspots and research frontiers. METHODS A scientometric analysis was carried out by CiteSpace5.7.R1, searching in the core database of Web of Science for articles published in English from 1998 to 2021, and combined topic words such as new media, maternal, and health. In total, 3312 articles have been retrieved, of which 2270 studies have been included for further analysis. Top countries and institutions, potentially high-impact literature, research frontiers, and hotspots were analyzed in this study. RESULTS The number of publications grew rapidly after 2008, from 29 publications sharply increasing to 472 publications by 2020. Research centers concentrated in Latin America, such as the University of Toronto, the University of California. The work of Larsson M, Lagan BM, Tiedje L, and Helle C had a high potential impact. Most of the research subjects were maternal and newborn babies, and the research frontiers focused on health education and maternal psychological problems. Maternal mental health, maternal and infant nutrition, weight, production technology, and equipment were hotspots. CONCLUSIONS The development of new media has brought a new era for maternal health, characterized by psychological qualities, healthy and reasonable physical conditions, and advanced technology.
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 | 0,017 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,122 | 0,211 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».