GLOBAL RESEARCH TRENDS AND GAPS ONMATERNALLEAD EXPOSURE AND CORTISOL: 25-YEARBIBLIOMETRICINSIGHT TOWARDS SUSTAINABLE DEVELOPMENTGOALS
Notice bibliographique
Résumé
Lead (Pb) exposure during pregnancy poses significant risks to maternal and fetal health, notably throughitsassociation with elevated cortisol levels, a key stress biomarker. This bibliometric study analyzed global publicationtrends, research collaborations, and thematic focuses on Pb exposure and stress hormones in pregnant womenfrom1999 to 2024. The data were collected from the Scopus database through specific keywords and examined usingVOSviewer software to visualize co-authorship networks and track keyword development. Results reveal aconsistent growth in publications, with the United States contributing the largest share, followed by Canada, Brazil, and the United Kingdom. Research themes have evolved from general toxicity and oxidative stress toward specificoutcomes such as preeclampsia. DNA methylation and neurodevelopment. The results emphasize the global scientific consensus that Pb exposure represents a key environmental health concern, while also revealing notableresearch gaps in low- and middle-income nations. The implications of this study correspond to several SustainableDevelopment Goals (SDGs), most notably SDG 3 (Good Health and Well-being), SDG 5 (Gender Equality), SDG6(Clean Water and Sanitation), and SDG 11 (Sustainable Cities and Communities). Addressing these gaps will require interdisciplinary research, targeted policy interventions, and stronger international collaboration to protect vulnerable populations, especially pregnant women.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,050 | 0,116 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».