Role of Resilience in Mitigating Parental Stress of Parents Raising Children with Autism – A Bibliometric Analysis
Notice bibliographique
Résumé
Although resilience is essential for reducing parental stress to the parents of children with Autism Spectrum Disorder (ASD), there are limited information on worldwide research trends and collaborations in this area. This study presents a bibliometric analysis of literature published from 2020 to 2024 on the aspect of resilience in mitigating parental stress of the parents raising autistic children. Data were retrieved from the Dimensions AI database (2020–2024) using the keywords “Resilience” AND “Parental Stress” AND “Autistic Children,” yielding 2,223 open-access articles. The dataset was analyzed using RStudio for performance metrics and VOS viewer for network visualization. The analysis identified key contributors (with Emily Simonoff and Sven Bölte emerging as the most influential authors), highly cited papers (e.g., Singh, 2020; Lord et al., 2020; Chiarotti & Venerosi, 2020; Asbury et al., 2020; Carter et al., 2020), and major publishing countries (USA, UK, China, Canada, Australia) and institutions (e.g., University College London, King’s College London, Harvard University, University of Toronto). Collaboration networks reveal extensive international partnerships, notably with India serving as a frequent collaborator with top countries. Results indicate a growing global research interest in resilience as a buffer against parental stress in ASD contexts. Resilient families tend to report lower stress levels, and international collaborations are strengthening the knowledge base on this topic. These findings help map the current scholarly landscape and suggest a particular way for future research and practice to better support to the parents of children with ASD, predicting treatment outcomes, and developing new antibiotic therapies. In conclusion, the potential of AI/ML to improve MDR management and treatment outcomes is significant.
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,180 | 0,175 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».