Estudio bibliométrico sobre las investigaciones psicométricas del PHQ-9 en la base de datos scopus
Bibliographic record
Abstract
Se realizó un análisis bibliométrico respecto a las investigaciones psicométricas con el Patient Health Questionnaire, versión 9 (PHQ-9). Se tuvo como objetivos identificar la distribución de publicaciones según: año, autor, institución, país-región, fuentes de publicación, cocitaciones y análisis de palabras clave. La muestra fue 290 artículos publicados en la base de datos Scopus del 2001 al 2023 para el análisis, la ecuación de búsqueda fue: Tema = (PHQ-9) and (validity), (PHQ-9) and (reliability), (PHQ-9) and (psychometric); idioma (inglés y español) y tipo de literatura (artículo o artículo de revisión). Se halló que la revista de mayor impacto fue Journal of Affective Disorders y Kurt Kroenke y Scott Patten los autores más productivos. Así mismo, la Universidad Autónoma de Madrid tuvo la mayor publicación psicométrica del PHQ-9; en la coautoría, tres instituciones produjeron tres documentos con 413 citas: Departamento de Medicina y Departamento de Psiquiatría de la Universidad de McGill, así como el Instituto de Investigación Médica Lady Davis del Hospital General Jewish de Montreal; en cuanto al mayor aporte a la investigación científica, Estados Unidos con 97 artículos (33.44%). Conclusión: La concentración de publicaciones sobre el PHQ-9 indica que esta herramienta es de gran interés en el campo de la psicometría, posiblemente debido a su relevancia clínica, su uso extendido en la evaluación de la depresión y la necesidad de validaciones y adaptaciones en diferentes contextos culturales y poblacionales
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.120 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.003 |
| Bibliometrics | 0.250 | 0.329 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".