Systematic reviews and meta-analyses on major depressive disorder: a bibliometric perspective
Notice bibliographique
Résumé
Background: There is a vast amount of evidence-based medicine research on the major depressive disorder (MDD) available in the literature, however, no studies on the overall performance, productivity and impact of such research have been published to date. This study explored and mapped the research outputs of MDD-related systematic reviews and meta-analyses (SR/MA) from a bibliometric perspective. Methods: Relevant data were retrieved with search terms on MDD, systematic review and meta-analysis. Results: A total of 4,870 papers with 365,402 citations published from 1983 to 2022 were included in the analysis. The publication output has grown steadily over time with the most publications originating from the USA (1,020; 20.94%), the UK (516; 10.60%) and China (448; 9.20%). The research collaborations between countries were most frequent between the USA and UK (266; 5.46%). Journal of Affective Disorders (379; 7.78%) was the most productive journal, while Cuijpers P was the most productive author (121; 2.48%), and University of Toronto (569; 11.78%) was the most productive institution. The top 10 most cited articles on MDD-related SR/MA had citations ranging from 1,806 to 3,448. The high-frequency keywords were mainly clustered into four themes, including psychiatric comorbidities, clinical trials, treatment, and brain stimulation in MDD. Conclusion: The rapid increase in the number of SR/MA of MDD in recent years highlights the importance of this research field. Psychiatric comorbidities, clinical interventions, and treatment of MDD have been identified as hot topics, while biological mechanisms in MDD are likely to be an emerging research priority.
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 | 0,084 | 0,366 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,012 |
| Bibliométrie | 0,245 | 0,306 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».