Half a Century of Research on Posttraumatic Stress Disorder: AScientometric Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We conducted a scientometric analysis to outline clinical research on posttraumatic stress disorder (PTSD). Our primary objective was to perform a broad-ranging scientometric analysis to evaluate key themes and trends over the past decades. Our secondary objective was to measure research network performance. We conducted a systematic search in the Web of Science Core Collection up to 15 August 2022 for publications on PTSD. We identified 42,170 publications published between 1945 and 2022. We used CiteSpace to retrieve the co-cited reference network (1978-2022) that presented significant modularity and mean silhouette scores, indicating highly credible clusters (Q = 0.915, S = 0.795). Four major trends of research were identified: 'war veterans and refugees', 'treatment of PTSD/neuroimaging', 'evidence syntheses', and 'somatic symptoms of PTSD'. The largest cluster of research concerned evidence synthesis for genetic predisposition and environmental exposures leading to PTSD occurrence. Research on war-related trauma has shifted from battlefield-related in-person exposure trauma to drone operator trauma and is being out published by civilian-related trauma research, such as the 'COVID-19' pandemic impact, 'postpartum', and 'grief disorder'. The focus on the most recent trends in the research revealed a burst in the 'treatment of PTSD' with the development of Mhealth, virtual reality, and psychedelic drugs. The collaboration networks reveal a central place for the USA research network, and although relatively isolated, a recent surge of publications from China was found. Compared to other psychiatric disorders, we found a lack of high-quality randomized controlled trials for pharmacological and nonpharmacological treatments. These results can inform funding agencies and future research.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,011 | 0,028 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 découle