Trends in patient safety education research for healthcare professional students over the past two decades: a bibliometric and content 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
Research and practice in patient safety education have garnered widespread attention; however, a comprehensive bibliometric analysis is lacking. This study aimed to provide a comprehensive understanding of the research focus and research trends in the globalization of the field of patient safety education and to describe the general characteristics of publications. Data on articles and reviews about student safety education were extracted from Web of Science. Microsoft Excel 2019, CiteSpace 6.1.R3, VOSviewer 1.6.18, SATI 3.2, Scimago Graphica, and Pajek were used for quantitative analysis. Collaboration networks of countries, institutions, journals, authors, and keywords were visualized based on publications from January 2000 to September 2022. A total of 573 papers were published between 2000 to 2022, showing an overall increasing trend. The USA, England, and Australia are the top three most prolific countries; Johns Hopkins University, the University of Technology Sydney, and the University of Toronto are the top three most productive institutions; Nurse Education Today, Journal of Nursing Education, and BMC Medical Education are the most productive journals; Based on content analysis five research hotspots focused on: (1) Quality Improvement of Patient safety Teaching and Learning; (2) Patient safety Teaching Content; (3)Specialized Teaching in Patient Safety; (4) Integrating Patient Safety and Clinical Teaching; (5)Patient Safety Teaching Assessment Content. Through keyword clustering analysis, five research hotspots and relevant contents were identified. According to this study, simulation, communication, collaboration, and medication may attract more attention from researchers and educators, and could be the major trend for future study.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,013 | 0,035 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle