Global Emergency Medicine: A Scoping Review of the Literature From 2024
Notice bibliographique
Résumé
OBJECTIVE: The Global Emergency Medicine Literature Review (GEMLR) identifies impactful research in global emergency care. This 20th annual edition reviews GEM literature published in 2024 and highlights the growth of GEMLR over the years. METHODS: We conducted a scoping review of 2024 GEM articles through structured PubMed and gray literature searches. Reviewers and editors from 10 countries screened abstracts using predefined criteria for three domains: disaster and humanitarian response (DHR), emergency care in limited-resource settings (ECLRS), and emergency medicine development (EMD). Duplicates and articles lacking authorship equity or ethical oversight were excluded. Remaining publications were scored using tailored rubrics for original research (OR), review articles (RE), and gray literature (GRAY). The top 5% in each category were selected for critical appraisal. A retrospective summary of 20 years of GEMLR reviews was also completed. RESULTS: The search identified 46,714 PubMed and 12,575 gray literature articles. A total of 473 met inclusion criteria and were scored; 33 were selected as the top 5%, a decrease from 55 in 2023. Although the search string was unchanged, 2024 yielded ~10,000 fewer articles. Common themes included trauma, pediatrics, and clinical/triage protocols, with a new focus on mental health among clinicians and disaster victims. Over 20 years, 230 individuals have contributed 810 service-years to GEMLR. Nearly 75% of members were from the USA, while 32 (13.9%) were from LMICs and 27 (11.7%) from non-USA high-income countries. In total, 398,904 articles have been screened, 8476 scored, and 517 top articles narratively reviewed since 2005. CONCLUSIONS: Over two decades, GEMLR has evolved into a large-scale, multinational, methodologically rigorous initiative, highlighting more than 500 high-impact GEM publications. In 2024, despite fewer articles screened, 33 top studies were identified across key domains. GEMLR emphasizes equitable LMIC representation, rigorous quality standards, and authorship equity, aiming to help shape the future of emergency care research.
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 | 0,024 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,049 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».