Exploring the evolution of evidence synthesis: a bibliometric analysis of umbrella reviews in medicine
Notice bibliographique
Résumé
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 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 | 0,338 | 0,430 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,033 | 0,006 |
| Bibliométrie | 0,155 | 0,330 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».