MétaCan
Menu
Retour à la cohorte
Enregistrement W4223542744 · doi:10.33263/lianbs121.027

A Bibliometric Analysis of Moderna mRNA-1273 Vaccine for COVID-19

2022· article· en· W4223542744 sur OpenAlexfundno aff

Notice bibliographique

RevueLetters in Applied NanoBioScience · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institutes of HealthModernaSchool of Medicine, Emory UniversityInstitut National de la Santé et de la Recherche MédicaleImperial College LondonVanderbilt University Medical CenterVanderbilt UniversityMcMaster UniversityIrving Medical Center, Columbia UniversityEmory UniversityBrigham and Women's Hospital
Mots-clésScopusLibrary scienceIndex (typography)Coronavirus disease 2019 (COVID-19)BibliometricsMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Family medicineMEDLINEGeographyPolitical scienceComputer scienceLawWorld Wide WebInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

We performed the 1st bibliometric analysis of the Moderna mRNA-1273 vaccine (for COVID-19). On May 28, 2021, the data was retrieved from the Scopus database. In total, two hundred and three (n=203) documents are published about Moderna, majorly comprising of reviews (n=84) and articles (n=66). In all documents (reviews and articles only), 1110 authors have significantly contributed. The documents per author were 0.135, while authors per document were 7.4. The collaborative Index (CI) was 8.34. By Lotka's Law, we provided information about the frequency of authors. For example, 1021 authors were involved in one (n=1) publication. The total number of publications, h-index, m-index, g-index, and total citations for all authors are provided. The highest documents are published by the National Institutes of Health NIH (n-8) & Moderna Therapeutics (n=8 and the National Institute of Allergy and Infectious Diseases NIAID (n=7). Fifty-five (n=55) countries have significantly contributed to all publications. The highest documents are published by the United States (n=74), India (n=30), and the United Kingdom (n=16). By Biblioshiny, the co-authorship network is also presented. All documents are published in 118 different sources, majorly in Vaccines (n=6), Frontiers in Immunology (n=5), and New England Journal Of Medicine (n=4). We also provided the H-index, g-index, and m-index of all sources. The top ten (n-10) most cited documents are briefly discussed, while we provided a general overview of the publications by co-words analysis. On December 18, 2020, the Food and Drug Administration (FDA) issued an Emergency Use Authorization (EUA) for the Moderna COVID-19 (mRNA-1273) vaccine.

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.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,505
Score d'incertitude au seuil0,929

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0820,238
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,359
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLetters in Applied NanoBioScienceMême sujetSARS-CoV-2 and COVID-19 ResearchCatégorieBibliométrieTravaux en français237 207