AI in Healthcare Marketing: A Review, Synthesis and Research Agenda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study investigates the relationship between sustainable marketing practices and Artificial Intelligence (AI) approaches in the healthcare industry using a bibliometric analysis. The study uses VOSviewer to extract significant themes and trends from a dataset of 99 articles that were published between 2014 and 2023. The global health crisis and the increasing demand for data-driven decision-making in sustainable healthcare practices are the reasons for the highlighted spike in scholarly interest after 2020. Important contributions from eminent scholars, organisations, and nations are analysed, exposing important developments and trends in the field. The various ways that Artificial Intelligence (AI) is being applied to improve operational effectiveness and advance sustainability in the healthcare industry are highlighted by theme clusters like digital healthcare, personalised healthcare services, and Sustainable Development Goals (SDGs). Notable journals are also noted, offering scholars and professionals a useful resource. The study's conclusion outlines the directions for future research and emphasises how AI has the potential to spur sustainability and innovation in the field of healthcare marketing. AI has the potential to influence effective healthcare policymaking frameworks and contribute to the advancement of sustainability within the healthcare sector.
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.
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 | 0,029 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle