Understanding the Opioid Overdose Crisis: A Comprehensive Bibliometric Analysis
Notice bibliographique
Résumé
Background and Objective: Opioid overdose represents a critical public health issue that has attracted considerable research interest. Therefore, objective of this study aimed to conduct a comprehensive analysis of the opioid overdose research (OOR) landscape, performance, evolution, citation impact and changing research themes. Materials and Methods: A bibliometric analysis was performed on the OOR data published between, 1971 and 2024. Data were gathered from the Scopus database and analyzed using Bibliometrix and VOSviewer. Citation counts, prolific authors, top sources, and seminal publications were also identified. Thematic mapping was performed to aid the visualization of the major clusters in the OOR data. Results: The analysis included 13,971 authors who contributed to the OOR. Prolific authors, such as Walley, A.Y., and Green, T.C., made notable contributions. "Drug and alcohol dependence" emerged as the top source in the publications. The United States exhibited the highest research output, followed by Canada, the United Kingdom, and Australia. The average citation count per article was 22.44, indicating the impact and visibility of the research. Seminal publications have addressed critical topics including opioid prescription patterns, economic burden, medication-assisted therapies, and overdose prevention programs. Thematic mapping revealed clusters related to drug overdose, opioids, overdose prevention, toxicology, buprenorphine, and opioid use disorders. Conclusion: The findings showed an ongoing need for further studies on gap filling, such as long-term consequences, socioeconomic factors and inequalities, in addition to technology application and interdisciplinary collaboration. By focusing on new themes, as well as longitudinal studies, stakeholders can gain improved knowledge on opioid overdose problem-solving solutions that have been applied to victims and their communities, thereby improving outcomes.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
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 | 0,035 | 0,024 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».