MétaCan
Menu
Retour à la cohorte
Enregistrement W4389480334 · doi:10.3855/jidc.18780

Worldwide scientific efforts on nursing in the field of SARS-CoV-2: a cross-sectional survey analysis

2023· article· en· W4389480334 sur OpenAlexaboutno aff
Yanping Xiao, Lele Xiao, Ruizhi Zhu, X. Liu

Notice bibliographique

RevueThe Journal of Infection in Developing Countries · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineChinaCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthScopusCross-sectional study2019-20 coronavirus outbreakFamily medicineMEDLINENursingPolitical scienceOutbreakVirologyInternal medicineLawPathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection has been a global public health issue. This study aimed to characterize global nursing research on SARS-CoV-2. METHODOLOGY: Nursing-related publications through December 31, 2022, were identified using Scopus. The number of studies, study types, countries, institutions, journals, authors, h-index, total confirmed cases, total deaths, and the highest-cited studies were investigated. RESULTS: In total, 12,427 studies were identified. The number of studies increased rapidly, particularly between 2020 and 2021, with a 2.36-fold increase. The United States published the most studies (3,289, 26.47%), followed by the United Kingdom (1,059, 8.52%) and China (877, 7.06%). Scientific productivity significantly correlated with the total confirmed cases (r = 0.701, p = 0.024) and total deaths (r = 0.804, p = 0.005). The United States had the highest h-index (80), followed by China (59), and the United Kingdom (57). The University of Toronto published the most studies (181), followed by Harvard Medical School (165), and the University of São Paulo (107). Gravenstein S (23) was the most prolific author, followed by Mor V (22), and Rosa WE (19). The International Journal of Environmental Research and Public Health published the most papers (436), followed by PLOS ONE (219), and BMJ Open (185). CONCLUSIONS: Several countries, institutions, journals, and authors contributed greatly to SARS-CoV-2-related nursing studies. Countries with larger numbers of confirmed cases and deaths tended to publish more nursing studies. The United States, United Kingdom, and China had the highest quantity and quality of studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0200,024
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,473
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infection in Developing CountriesMême sujetAcademic Publishing and Open AccessTravaux en français237 207