Impact of COVID-19 on Stroke: A Scientometric Assessment of Global Publications during 2020-21
Notice bibliographique
Résumé
Background and Aim: The COVID-19, as a global epidemic, has led to public health problems including its impact on stroke. There has been a significant increase in the research on the impact of COVID-19 on stroke. Little attention, however, has been focused on the overall trend in this field based on bibliometric analysis. This study aimed to assess the characteristics and trends of research on “Impact of COVID-19 on Stroke”. Methods: Using Scopus database, a search query was formulated involving keywords related to “COVID-19” and “Stroke” for identifying relevant literature on this topic, resulting in 956 publications during 2020- 21. Results: The 956 global publications on this topic registered an average 11.75 citations impact per paper. About one-fifth (19.56%) share of global publications was supported by extramural funding support. USA (n=341; 35.67%) contributed the largest number of papers, followed by the Italy (n=106; 11.09%) and U.K. (n=77; 8.05%). China (24.42 and 2.52) had registered the highest citation impact per paper and relative citation index, followed by France (22.02 and 1.87) and the USA (18.96 and 1.61). Harvard Medical School, USA (n=27) ranked first in publication productivity, followed by the University of Toronto, Canada (n=23) and The University of Thessaly, Greece (n=23). NTU Langone Health, USA (54.27 and 4.62) University of Pennsylvania, USA (35.55 and 3.03) and Hospital Universitario La Paz, Spain (28.0 and 2.38) ranked top in citation impact. S. Yagi (USA) (n=16) ranked first in publication productivity, followed by G. Tsivgoulis (Greece) (n=15) and H.S. Markus (U.K.) (n=11) and J.T. Fifi (USA)(171.88 and 14.63), J. Mocco (USA)(128.45 and 10.93) and P. Jabbour (USA)(45.86 and 3.90) ranked on top in citation impact. Stroke (n=95) ranked first in productivity, followed by Journal of Stroke and Cerebrovascular Disease (n=81) and Frontiers in Neurology (n=34). Conclusion: This study suggests that a large amount of literature has accumulated on “Impact of Covid-19 on Stroke”, both from developed and developing countries.
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 | 0,013 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,099 | 0,138 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».