Global bibliometric insights on prenatal exposures and pregnancy outcomes
Notice bibliographique
Résumé
OBJECTIVE: Prenatal exposure to medications or environmental agents may contribute to adverse pregnancy outcomes and birth defects. This study provides a comprehensive bibliometric overview of the global research landscape on prenatal exposures and associated outcomes. METHODS: A systematic literature search was conducted in the Web of Science database on November 11, 2024. Articles and reviews addressing prenatal exposures and pregnancy outcomes, indexed in the Science Citation Index, Science Citation Index-Expanded, or Emerging Sources Citation Index, were screened. Data were analyzed and visualized using VOSviewer, the R-package Bibliometrix, and Microsoft Excel 2021. RESULTS: A total of 3,361 articles were analyzed. Publications on this topic have steadily increased over the past two decades, peaking in 2022. The United States emerged as the most productive country, followed by China and Canada. Gideon Koren was identified as the most prolific author, while Reproductive Toxicology published the highest number of articles. Among the keywords, "pregnancy" remained the most frequent overall; however, "placenta," "adverse pregnancy outcomes," and "systematic review" peaked in 2022, while "meta-analysis," "outcomes," and "stillbirth" peaked in 2021. CONCLUSION: This bibliometric study highlights the global evolution of scientific research on prenatal exposures and pregnancy outcomes. The findings offer valuable insights for clinicians, researchers, and policymakers, enabling a better understanding of the dynamic trends and emerging areas in this field.
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 | 0,010 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,173 | 0,226 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».