MétaCan
Menu
Retour à la cohorte
Enregistrement W4391292468 · doi:10.5152/addicta.2023.23148

Bibliometric Analysis of Studies on Smoking Cessation in the Field of Nursing

2023· article· en· W4391292468 sur OpenAlexaboutno aff
Erdal Akdeniz, Selma Öncel

Notice bibliographique

RevueAddicta The Turkish Journal on Addictions · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmoking cessationField (mathematics)MedicineNursingPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

The bibliometric analysis method was used to evaluate the articles both qualitatively and quantitatively and to visualize the data. “Web of Science Core Collection” database and the VOSviewer program were used to obtain and analyze the data. Distribution of studies by year, author country institution analysis, journal and author citation analysis, journal and author co-citation analysis, and keyword analysis was carried out. Two hundred authors representing 45 countries and 200 institutions contributed to a total of 285 studies on smoking cessation published in 84 journals between 2003 and 2023. While Journal of Addictions Nursing was determined as the journal in which the largest number of articles were published, Research in Nursing and Health was determined as the most cited journal. The top three countries that provide the most support for published articles are the United States, Australia, and Canada. The five most frequently used keywords in the published studies were “smoking cessation,” “smoking,” “pregnancy,” “nurses/nursing,” and “tobacco.” The results of this bibliometric analysis showed that the researchers have had an increasing interest in smoking cessation in the nursing field over the past 20 years. It is recommended to focus on less-studied topics in studies to be planned on smoking in the field of nursing.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,020
score de la tête « metaresearch » (Gemma)0,086
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,086
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,2700,273
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,097
Tête enseignante GPT0,419
Écart entre enseignants0,322 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Bibliométrie

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
Domainenon disponible
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 revueAddicta The Turkish Journal on AddictionsMême sujetSmoking Behavior and CessationCatégorieBibliométrieTravaux en français237 207