A systematic review of studies on stress during the COVID-19 pandemic by visualizing their structure through COOC, VOS viewer, and Cite Space software
Notice bibliographique
Résumé
Background: The COVID-19 epidemic generated different forms of stress. From this period, there has been a remarkable increase in the quantity of studies on stress conducted by scholars. However, few used bibliometric analyses to focus on overall trends in the field. Purpose: This study sought to understand the current status and trends in stress development during COVID-19, as well as the main research drives and themes in this field. Methods: 2719 publications from the Web of Science(WOS) core repository on stress during COVID-19 were analyzed by utilizing Co-Occurrence (COOC), VOS viewer, and Cite Space bibliometric software. The overall features of research on stress during COVID-19 were concluded by analyzing the quantity of publications, keywords, countries, and institutions. Results: The results indicated that the United States had the largest number of publications and collaborated closely with other countries with each other. University of Toronto was the most prolific institution worldwide. Visualization and analysis demonstrated that the influence of stress during COVID-19 on the work, life, mental and spiritual dimensions is a hot research topic. Among other things, the frequency of each keyword in research on stress during COVID-19 increased from 2021 to 2022, and the researchers expanded their scope and study population; the range of subjects included children, nurses, and college students, as well as studies focusing on different types of stress, and emphasizing the handling of stress. Conclusion: Our findings reveal that the heat of stress research during COVID-19 has declined, and the main research forces come from the United States and China. Additionally, subsequent research should concern more on coping methods with stress, while using more quantitative and qualitative studies in the future.
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 | 0,010 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,068 | 0,069 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».