Health and Human Rights Nexus: A Bibliometric Analysis
Notice bibliographique
Résumé
This research aims to discover how human rights have been blended into health literature over time. The time frame of the reviewed literature was 1963 to February 2022. We retrieved the bibliometric dataset from Scopus. After compiling and processing the dataset, we finally got 5,458 documents on health and human rights issues. We used the open-source visualization software package Vos viewer 1.6.18 to process and analyze the data. The visualization focused on the top authors, most influential publications by citations, and most productive countries. The lexical network analysis shows that ‘public health’, ‘HIV/AIDS’, ‘mental health’, and ‘ethics’ are frequently associated words with ‘human rights’. The USA, UK, Canada, and Australia are the top four countries dominating the field. Collaboration among the developed nations is much higher than among world's developing countries. The University of Toronto, the University of British Columbia, and the University of Western Ontario are the top three organizations in Canada leading the research on health and human rights issues based on citations. However, if we consider publication's growth, the USA ranked first. Human rights have been perfectly blended in health literature, but a large gap exists in their spatial distribution and in making collaboration. A strong north-north and very weak south-south pattern in research collaboration are evident in visual effects that demand strong attention for future research.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,021 | 0,049 |
| Études des sciences et des technologies | 0,002 | 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 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 ».