Global research on patient involvement in health technology assessment: a bibliometric analysis
Notice bibliographique
Résumé
BACKGROUND: Patient involvement in health technology assessment (HTA) has been extensively explored and implemented in high-income countries, but little is known about it in low- and middle-income countries (LMICs). This study aimed to provide a comprehensive picture of the current state and trends of patient involvement in HTA research, which can inform future research in the LMICs. METHODS: Publications on patient involvement in HTA from January 1, 1900, to December 31, 2023, were retrieved from the core databases of the Web of Science. We applied a bibliometric analysis to reveal the collaboration patterns, hot topics, and evolution of the research field. Co-occurrence, clustering, citation, and burst analyses were performed using VOSviewer and CiteSpace, with results visualized for interpretation. RESULTS: A total of 175 articles were eligible for inclusion. The first valid article was published in 2000. The number of publications has increased since 2011. The most productive countries and institutions were Canada and McMaster University. The studies focused on five hot topics: patient preferences, priority setting, qualitative research, drug development, and hospital-based HTA. The burst analysis revealed that priority setting and cost effectiveness were the research frontiers. CONCLUSIONS: While patient involvement in HTA research has gained increasing attention, the research conducted in the LMICs remain limited. It is recommended that LMICs participate in international research collaborations, and focus on the five hot topics and emerging frontiers to advance both their research capacity and practical implementations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,104 | 0,389 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».