Research on Neonatal Conditions in Africa: Volume, Impact, Thematic Spectrum, and Collaboration from a Bibliometric Perspective
Notice bibliographique
Résumé
The literature has addressed the negative impact of poor neonatal conditions (NC) across regions. This has drawn attention to the need to improve NC, particularly in Africa. NC research can make an important contribution. However, there is no study dedicated to this topic in Africa. Through a bibliometric analysis, we arrive at outputs that can inform scientists in planning ongoing or new NC research and those involved in developing and implementing strategies to combat poor NC. Using bibliometrics, the study identified the scientific knowledge on NC between 2000 and 2019, its visibility in the community, the main topics researched, and collaboration patterns.The results show that knowledge on NC has increased between 2000 and 2019, it is concentrated in a few African countries (Egypt, South Africa, Nigeria, Tanzania and Kenya), its visibility is below the world average, in general, maternal mortality is the most researched topic and collaborative activities are frequently, mainly international research collaboration (IRC), being the United States of America (USA) and the United Kingdom (UK) the main partners (they participated in 57% and 28% of all articles with IRC). The collaboration networks are fragile as 43%-67% of all links represent one article in 20 years.Ongoing or new research on NC in Africa should consider the main African players and their partners. There is a need to implement strategies to increase NC knowledge in other African countries, expand and strengthen the collaboration networks and diversify the sources of knowledge.
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 | 0,013 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,131 | 0,232 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».