When COVID-19 meets diabetes: A bibliometric analysis
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) survivors are concerned about the likelihood of developing further diseases. This study examines the global trends in scientific research on diabetes associated with COVID-19 from several perspectives. Bibliometric analyses are used to undertake a scientific review of the literature. The Web of Science Core Collection (WoSCC) database was used to acquire bibliographic information on diabetes related to COVID-19 from Jan 2020 to Dec. 2023. The visual map was built via advanced CiteSpace 6.2.R6. 7,348 papers were found. Khunti Kamlesh and Rizzo-Manfredi are the most well-known high-yield authors in this area, and the top ten authors collaborate extensively. Most of these papers came from universities. Harvard Medical School has the most publications, followed by Wuhan University and Huazhong University of Science and Technology. China and the United States are the countries with the most publications. Angiotensin-converting enzymes, chronic disease, intensive care unit, viral infection, and gestational diabetes mellitus were scored 0-11, 2, 3, and 4, respectively. Zhou et al.'s work on this topic, which appeared in the prominent medical journal The Lancet, was cited 1,366 times, highlighting its importance. "clinical characteristics," "diabetes mellitus," "metabolic syndrome," and "angiotensin-converting enzyme" were used as keywords for reference co-citation and clustering data identify. Over the last four years, related investigations have focused primarily on observing clinical aspects. This report is important for developing treatment strategies, directing future research, and guiding clinical practice.
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 | 0,060 | 0,244 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,011 |
| Bibliométrie | 0,112 | 0,158 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».