A Bibliometric Analysis of Refugee Health Publications in the Nursing Field by Visual Mapping Method
Notice bibliographique
Résumé
Introduction Millions of people worldwide are forced to migrate to another country and nurses are the key professional for providing necessary health care to this population. Providing nursing care to refugees or immigrants requires diverse transcultural professional competencies based on standardized guidelines. Objectives This study was aimed to examine the bibliographic characteristics of quantitative studies conducted on refugees in the nursing field. Methods The data were obtained from articles scanned in the Web of Science Core Collection database. The 1672 articles that were published between 1980-and 2023 and met the inclusion criteria were analyzed using VOSviewer and Microsoft 365 Excel software. The PRISMA 2020 Checklist was used for reporting. Results Most publications were made in 2020. The United Kingdom, the United States, Canada, and Australia have the highest number of publications, citations, and international cooperation. Additionally, “mental health” is one of the most used keywords in the studies. Conclusions The findings show the importance of empowering nurses working in this field, especially in determining the needs related to mental health services for refugees. The increased migration rates and the growing need for refugee health care highlighted the importance of investment in nursing research within this field. Nurses and researchers should aim to establish partnerships and share best practices with the leading countries. Furthermore, nurses require specialized training to competently evaluate and provide nursing care and mental health services to this vulnerable population. Policymakers must prioritize international collaboration, equitable healthcare, and the integration of mental health services within healthcare systems to improve refugee health and reduce barriers between them and health services. Disclosure of Interest None Declared
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 | 0,027 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,299 | 0,270 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».