A bibliometric analysis of personal protective equipment and COVID-19 researches
Notice bibliographique
Résumé
Background: COVID-19, which occurred at the end of December 2019, has evolved into a global public health threat. COVID-19’s high infectivity and mortality prompt governments and scientific community to respond quickly to the outbreak of the pandemic. The application of personal protective equipment (PPE) is of great significance in overcoming the epidemic situation. Although there were many studies about PPE and COVID-19, there is no study about bibliometric analysis of these studies. This study aims to provide a general overview of studies on PPE and COVID-19. Methods: On October 07, 2021, the Web of Science (WOS) Core Collection database was used to identify documents on PPE and COVID-19. HistCite and VOSviewer softwares were used for citation analysis and visualization mapping. Results: A total of 1462 documents authored by 6993 authors and published in 750 journals were included in the final analysis. The most prolific author was Macintyre CR. The USA was the most productive country with 463 published documents. The leading journal was Plos One. Network visualization map showed that USA was the largest international collaboration network. The keyword “COVID-19” had the strongest total link strengths (TLS) and largest number of occurrences. The New England Journal of Medicine was the leading source with highest TLS. The University of Toronto had the highest number of links and the highest TLS. Conclusions: The bibliometric analysis of PPE and COVID-19 provides an overall perspective, and the appreciation and study of these influential publications are very useful for 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.
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 | 0,009 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,211 | 0,271 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».