A bibliometric analysis of scientific literature on adverse childhood experiences (2004–2024)
Notice bibliographique
Résumé
Abstract Adverse childhood experiences (ACE) significantly impact physical, mental and social well-being, making them a critical area of research. This study analyzed the emerging trends and intellectual structure of ACE research and identified key contributors, including the most productive nations, journals and authors. Using bibliometric tools and VOSviewer software (version 1.6.20), 1,957 articles from the Scopus database (2004 to March 2024) were systematically analyzed. A notable finding was the surge in ACE-related publications during the COVID-19 pandemic, potentially reflecting increased global attention on childhood adversity amid heightened social and economic challenges. The analysis also revealed a striking dearth of studies from the Global South, with the field predominantly shaped by Western nations, like the United States, the United Kingdom, Australia and Canada. Leading journals, such as the Journal of Interpersonal Violence , and prolific authors, like Kevin T. Wolff, played a central role in advancing the field. Co-citation analysis uncovered four thematic clusters: (1) conceptualization and assessment of ACE, (2) health implications, (3) mental health impacts and (4) juvenile delinquency. These clusters, though distinct, showed significant thematic overlaps, reflecting the interconnected nature of ACE research and its intellectual structure. These findings underscore the need for more regionally diverse and interdisciplinary approaches to understanding global childhood adversity.
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 | 0,012 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,350 | 0,388 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».