MétaCan
Menu
Retour à la cohorte
Enregistrement W4308881984 · doi:10.1136/bmjgh-2022-009849

Cancer research across Africa: a comparative bibliometric analysis

2022· article· en· W4308881984 sur OpenAlexaff
Miriam Mutebi, Grant Lewison, Ajay Aggarwal, Olusegun Isaac Alatise, Christopher M. Booth, Miska Cira, Surbhi Grover, Ophira Ginsburg, Julie R. Gralow, Serine Gueye, Benda Kithaka, T. Peter Kingham, Lofti Kochbati, Jennifer Moodley, Sulma I. Mohammed, Alex Mutombo, Ntokozo Ndlovu, Christian Ntizimira, Groesbeck P. Parham, Fiona M Walter, Jeannette Parkes, Delva Shamely, Nazik Hammad, Janet Seeley, Julie Torode, Richard Sullivan, Verna Vanderpuye

Notice bibliographique

RevueBMJ Global Health · 2022
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensQueen's University
Organismes subventionnairesNational Cancer InstituteScience and Technology Facilities CouncilWellcome TrustWorld Health Organization
Mots-clésContext (archaeology)BibliometricsStakeholderPolitical scienceGeographyRegional scienceMedicineLibrary scienceComputer sciencePublic relations

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Research is a critical pillar in national cancer control planning. However, there is a dearth of evidence for countries to implement affordable strategies. The WHO and various Commissions have recommended developing stakeholder-based needs assessments based on objective data to generate evidence to inform national and regional prioritisation of cancer research needs and goals. METHODOLOGY: Bibliometric algorithms (macros) were developed and validated to assess cancer research outputs of all 54 African countries over a 12-year period (2009-2020). Subanalysis included collaboration patterns, site and domain-specific focus of research and understanding authorship dynamics by both position and sex. Detailed subanalysis was performed to understand multiple impact metrics and context relative outputs in comparison with the disease burden as well as the application of a funding thesaurus to determine funding resources. RESULTS: African countries in total published 23 679 cancer research papers over the 12-year period (2009-2020) with the fractional African contribution totalling 16 201 papers and the remaining 7478 from authors from out with the continent. The total number of papers increased rapidly with time, with an annual growth rate of 15%. The 49 sub-Saharan African (SSA) countries together published just 5281 papers, of which South Africa's contribution was 2206 (42% of the SSA total, 14% of all Africa) and Nigeria's contribution was 997 (19% of the SSA total, 4% of all Africa). Cancer research accounted for 7.9% of all African biomedical research outputs (African research in infectious diseases was 5.1 times than that of cancer research). Research outputs that are proportionally low relative to their burden across Africa are paediatric, cervical, oesophageal and prostate cancer. African research mirrored that of Western countries in terms of its focus on discovery science and pharmaceutical research. The percentages of female researchers in Africa were comparable with those elsewhere, but only in North African and some Anglophone countries. CONCLUSIONS: There is an imbalance in relevant local research generation on the continent and cancer control efforts. The recommendations articulated in our five-point plan arising from these data are broadly focused on structural changes, for example, overt inclusion of research into national cancer control planning and financial, for example, for countries to spend 10% of a notional 1% gross domestic expenditure on research and development on cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,098
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,1890,251
Études des sciences et des technologies0,0020,001
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,867
Tête enseignante GPT0,762
Écart entre enseignants0,105 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations32
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetscientometrics and bibliometrics researchTravaux en français237 207