Effect of the COVID-19 pandemic on maternal health research: emerging trends and bibliometric analysis
Notice bibliographique
Résumé
Maternal health research (MHR) includes studies of pregnancy care, maternal and infant mortality, and family planning. This study examined maternal health research before, after, and during the COVID-19 pandemic. A bibliometric analysis of 11,422 papers in the field of MHR literature from the Scopus database that were published between 2016 and 2023. The MHR has increased annually by 10.45%. The number of publications has grown significantly during the previous eight years. In 2016, there were 1036 articles published, followed by 1868 in 2022 and 1086 in 2023. Following COVID-19, there was an increase in publications between 2020 and 2023, and productivity peaked in 2022 with 1868 articles of all publications throughout the data period. The United States, the United Kingdom, Australia, Canada, and Ethiopia are the top productive countries in MHR. The COVID-19 pandemic has significantly contributed to the thematic expansion of the MHR and the network analysis revealed distinct variations in the number of researchers. In the aftermath of the COVID-19 pandemic, Ethiopia has experienced significant growth in the field of MHR. Research on MHR currently focuses on antenatal care, maternal health, pregnancy, public health, and preterm birth.
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 | 0,018 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,068 | 0,158 |
| 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 | 0,001 |
| 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 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 ».