MétaCan
Menu
Retour à la cohorte
Enregistrement W4407949291 · doi:10.1097/ms9.0000000000003034

Exploring the evolution of evidence synthesis: a bibliometric analysis of umbrella reviews in medicine

2025· review· en· W4407949291 sur OpenAlexaboutno aff
Sandeep Samethadka Nayak, Ehsan Amini‐Salehi, Michael T. Ulrich, Yasmin Sahli, Micah Fleischman, Masum Patel, Mahdi Naeiji, Hasan Maghsoodifar, Seyed Amir Hossein Sadeghi Douki, Abdullah E. Al-Otaibi, Niloofar Faraji, Soheil Hassanipour, Mohammad Hashemi, Mohammad‐Hossein Keivanlou

Notice bibliographique

RevueAnnals of Medicine and Surgery · 2025
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBibliometricsCitationSystematic reviewWeb of scienceData scienceField (mathematics)Thematic analysisScopusMedicineMEDLINELibrary sciencePolitical scienceComputer scienceSocial scienceSociologyMeta-analysisQualitative researchPathology

Résumé

récupéré en direct d'OpenAlex

Background: Umbrella review studies have become increasingly vital in evidence synthesis, offering a comprehensive overview by analyzing multiple systematic reviews and meta-analyses. This bibliometric study aimed to delineate the growth and thematic evolution of umbrella reviews within evidence-based medicine, illuminating their integral role in synthesizing high-level evidence. Methods: Utilizing the Web of Science Core Collection, we performed a search for publications on umbrella reviews, identifying relevant articles through a refined strategy. Analytical tools including VOS Viewer and CiteSpace were employed to visualize connections and trends among the gathered data, converting intricate bibliometric information into comprehensible visual maps. Results: Our search yielded 2965 pertinent publications, highlighting a marked growth in research output, particularly from 2010 to 2023. The United States, United Kingdom, and China were predominant in this field, with leading institutions like King’s College London and the University of Toronto at the forefront. The analysis identified major journals such as BMJ Open and PLOS One as key publishers. Co-citation and keyword analysis revealed current research focuses, with recent trends emphasizing COVID-19 and mental health. The study also uncovered a robust international collaboration network, underscoring the global impact of umbrella reviews. Conclusion: This bibliometric analysis confirms the expanding influence and utility of umbrella reviews in medical research and decision-making. By charting the evolution and current trends in this field, our study not only showcases the geographical and institutional distribution of research but also guides future scholarly efforts to advance evidence synthesis methodologies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,172
score de la tête « metaresearch » (Gemma)0,609
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,909

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1720,609
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,2810,286
Études des sciences et des technologies0,0040,004
Communication savante0,0220,014
Science ouverte0,0030,012
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,966
Tête enseignante GPT0,623
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Medicine and SurgeryMême sujetMeta-analysis and systematic reviewsTravaux en français237 207