Características de la producción científica mundial por covid-19 sobre la práctica de la lactancia materna exclusiva: análisis bibliométrico en Scopus (2019-2020)
Bibliographic record
Abstract
Antecedentes: El objetivo de este estudio fue determinar las características de la producción científica con relación a la lactancia materna exclusiva durante la pandemia causada por la COVID-19, con la finalidad de promover la producción científica. Métodos: Se utilizó la base de datos Scopus para extraer los metadatos más relevantes. Los datos fueron exportados a Microsoft Excel para ser presentados en tablas. Se extrajeron datos sobre el número de documentos y citas de los países, instituciones públicas y privadas, métricas de las revistas, autores más productivos y patrones de colaboración. Se realizo una actualización de base de datos hasta el año 2023 para abarcar el periodo completo de la pandemia. Resultados: Se obtuvo un total de 1894 documentos de la base de datos Scopus y se excluyó 349 documentos. El pico de publicaciones se encontró en el año 2022. Asimismo, la mayor cantidad de publicaciones se encontraron en el Q1 en los años 2020 hasta el 2023. De igual forma se contó con mayor colaboración nacional (44.3%) y número de citas (n=10970). Entre las universidades que realizaron publicaciones científicas sobre el tema, la Universidad de Harvard (E.E.U.U.) quien lideró en número de publicaciones científicas según el top 10 de instituciones (n=39), pero la Universidad de Toronto (Canadá) tuvo mayor impacto (n=11.60). En la revisión según producción de artículos Breastfeeding Medicine, se posicionó en el primer lugar con un total de 36 publicaciones. Sin embargo, International Journal of Environmental Research and Public Health, pese a su posición en el cuarto lugar del Top 10, tuvo un mayor impacto de citas (n=500). Según el índice de productividad en la categoría del top 10 de autores más productivos, Zöllkau, Janine fue quien más resaltó; por otra parte, el autor Mosca es quien presenta un mayor h-index (n=59)…
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".