Cybersecurity Trends in Digital Marketing for Public Health: A PRISMA based Bibliometric Analysis
Notice bibliographique
Résumé
This study conducts a bibliometric analysis of digital marketing in public health through the lens of cybersecurity, aiming to evaluate research trends from 2015 to 2025. It identifies key developments, major contributors, and provides guidance for future studies. A total of 1,191 documents were analyzed, revealing a significant annual growth rate of 32.01% and an average of 19.01 citations per document. The analysis explores how digital marketing for public health intersects with cybersecurity, a domain that remains underexplored. Data collection and visualization were conducted using Scopus, Biblioshiny, and VOSviewer, with article selection guided by the PRISMA methodology. Results indicate consistent growth in publications over the decade, though a noticeable decline occurred post-COVID-19 in 2020. The study offers a comprehensive mapping of existing literature and highlights the strategic importance of integrating cybersecurity into digital health marketing to protect patient data, maintain public trust, and enhance health outcomes. It provides valuable insights for researchers, policymakers, and practitioners aiming to improve the security and effectiveness of digital health communication in an increasingly connected world.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,081 | 0,061 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,015 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».