Long-Term Care Research in the Context of COVID-19 Pandemic: A Bibliometric Analysis
Notice bibliographique
Résumé
Despite the increasing awareness of long-term care (LTC) research after the outbreak of COVID-19 pandemic, little attention was given to quantitatively describe the evolution of the research field during this period. A total of 1024 articles retrieved from the Web of Science Core Collection database were systematically analyzed using CiteSpace visualization software. The overall characteristics analysis showed that, in the context of the pandemic, attention to LTC research increased significantly-over 800 articles were published in the past two years. The USA, Canada, Italy, and England formed the leading LTC research group, which was consistent with the conclusions of existing bibliometric studies on LTC research before the outbreak. A rigorous analysis based on a dual perspective of references and keywords was applied to reveal that, compared with previous studies, in the context of the pandemic, the focus shifted from the mental and physical health status of older adults in need of LTC to the impact of the pandemic on those of older adults in LTC facilities, from the prevention of general epidemics to the prevention and response of significant public health emergencies, from providing and paying for LTC to strategies for LTC facilities to improve the quality of LTC and well-being of their residents during the pandemic. These findings can provide help and reference for academics, civil folks, and LTC practitioners, as well as help with the sustainable development of LTC research in the context of COVID-19 pandemic.
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 | 0,018 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,250 | 0,314 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 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) | 0,004 | 0,000 |
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.
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 ».