The Evolution of Worldwide Nurse-Led Cancer Research in the Last 2 Decades (2004–2022)
Notice bibliographique
Résumé
BACKGROUND: Research led by nurses has evolved rapidly over the last 2 decades globally. Assessing the work that has been conducted so far can help the specialty to strategically shape future directions of nurse-led cancer research. OBJECTIVE: The aim of this study was to provide a comprehensive, up-to-date synthesis of all nurse-led cancer research published articles over 20 years. METHODS: A bibliometric analysis was used. Three databases were used to retrieve nurse-led cancer research publications for the period from January 1, 2004, to March 11, 2022. RESULTS: A total of 7043 original articles were retrieved. A significant increase in nurse-led cancer research over the past 2 decades was evident. The United States and United Kingdom were the most productive countries in terms of the number of published articles. Minimal international collaboration was observed among low- or middle-income countries versus high-income countries. Breast cancer, palliative care, and quality of life received the most attention in nurse-led cancer research, followed by education, pain, and communication. Very few publications addressed cancer prevention, breaking bad news, and cancer rehabilitation. CONCLUSION: Areas to consider in the future include more international collaborations on commonly agreed research agendas, capacity building to allow more research beyond the few countries that dominate the publications, and more focus on low- or middle-income countries. IMPLICATIONS FOR PRACTICE: The findings of this study provide direction for future research led by cancer nurses and the areas that warrant 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».