Analysis of research trends and hotspots in emergency department overcrowding: A bibliometric study based on VOSview and Scimago Graphica
Notice bibliographique
Résumé
ObjectiveAnalyze the research trends and hotspots in emergency department overcrowding derived from the Web of Science Core Collection database.MethodsThe Web of Science Core Collection database was utilized as the search data source for the bibliometric analysis, and the associated articles published from January 1, 1990, to October 1, 2023.The search was executed using the following formula: TS = (crowded OR overcrowd OR crowding OR overcrowding) AND TS = (Emergency department). VOSviewer, Scimago Graphicaand and additional tools were utilized for bibliometric analysis, and visual knowledge graphs were created.ResultsA total of 1869 articles were included in this study. The country with the largest number of publications is the United States. The primary research institution is the University of Toronto. Jesse M. Pines and his group at George Washington University have the greatest influence in the field of emergency department overcrowding research. Carlos A. Camargo is the author with the highest h-index in this field. High-frequency keywords include "length-of-stay", "impact", "mortality", "triage", "association", "outcomes", "time", "management", "access block", and "quality". The clustering graph reveals that all keywords fall into seven categories.ConclusionWe recommend intensifying research on emergency department overcrowding in more developing countries. In the future, the application of emerging technologies in emergency medicine as well as the mental health of emergency patients and medical staff may become research hotspots in this field.
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 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,234 | 0,258 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».