Analysis of research trends and hotspots in emergency department overcrowding: A bibliometric study based on VOSview and Scimago Graphica
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
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,086 | 0,091 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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