Global Trends in Nursing-Related Research on COVID-19: A Bibliometric Analysis
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) has significantly impacted healthcare, especially the nursing field. This study aims to explore the current status and hot topics of nursing-related research on COVID-19 using bibliometric analysis. Methods: Between 2019 and 2022, publications regarding nursing and COVID-19 were retrieved from the Web of Science core collection. We conducted an advanced search using the following search query string: TS = ("Novel coronavirus 2019" or "Coronavirus disease 2019" or "COVID 19" or "2019-nCOV" or "SARS-CoV-2" or "coronavirus-2") and TS = ("nursing" or "nurse" or "nursing-care" or "midwife"). Bibliometric parameters were extracted, and Microsoft Excel 2010 and VOSviewer were utilized to identify the largest contributors, including prolific authors, institutions, countries, and journals. VOSviewer and CiteSpace were used to analyze the knowledge network, collaborative maps, hotspots, and trends in this field. Results: A total of 5,267 papers were published between 2020 and 2022. The findings are as follows: the USA, China, and the UK are the top three prolific countries; the University of Toronto, the Harvard Medical School, the Johns Hopkins University, and the Huazhong University of Science & Technology are the top four most productive institutions; Gravenstein, Stefan, and White, Elizabeth M. from Brown University (USA) are the most prolific authors; The International Journal of Environmental Research and Public Health is the most productive journal; "COVID-19," "SARS-CoV-2," "nurse," "mental health," "nursing home," "nursing education," "telemedicine," "vaccine-related issues" are the central topics in the past 2 years. Conclusion: Nursing-related research on COVID-19 has gained considerable attention worldwide. In 2020, the major hot topics included "SARS-CoV-2," "knowledge," "information teaching," "mental health," "psychological problems," and "nursing home." In 2021 and 2022, researchers were also interested in topics such as "nursing students," "telemedicine," and "vaccine-related issues," which require further investigation.
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 | 0,014 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,232 | 0,285 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».