fbpx Pubblicazioni covid | Scienza in rete

Database ragionato della ricerca su Covid

Primary tabs

 --
Tempo di lettura: 3 mins

È presto per misurare l'impatto scientifico di queste pubblicazioni sulla comprensione della genesi, evoluzione e cura della nuova infezione. Aiutati dalle metriche alternative (altmetrics) è possibile però capire quali sono state le ricerche più influenti. Nella tabella di seguito è possibile cercare nei titoli degli articoli ordinati per punteggio Altmetric: sono considerati gli articoli con un punteggio maggiore di 100. Il numero di citazioni è ottenuto dal database Dimensions. Usato da tutte le principali riviste scientifiche, questo parametro non misura l'impatto strettamente scientifico, bensì l'impatto sociale delle ricerche, misurandone la condivisione sui media online e sui social.

Co-occorrenze dei termini mesh all'interno degli articoli (solo al 10% degli articoli è associato un termine mesh). Vai al grafico interattivo.

Grafici descrittivi

I grafici rappresentano i dati relativi al numero pubblicazioni soggette a revisione.

In Italia IRCCS, università, ospedali e servizi territoriali hanno pubblicato su Covid-19. Di seguito le pubblicazioni per ciascun ente italiano. Quasta tabella richiede una continua revisione dei dati a causa della difformità con cui vengono riportate le affiliazioni negli articoli pubblicati: i dati sono in costante aggiornamento.

 

Collaborazioni tra paesi

Nel grafico si riporta il numero di pubblicazioni a cui hanno collaborato enti di un paese. Vengono mostrati i paesi che hanno collaborato almeno a 4 pubblicazioni. Più enti di uno stesso paese che hanno partecipato a una pubblicazione sono stati considerati come unica partipazione del paese alla pubblicazione. Vai al grafico interattivo

Note
Dati ottenuti da Europe PMC tramite le query (TITLE:"SARS-cov-2"), (TITLE:"covid-19"), (TITLE:"2019-nCov-2") AND (PUB_TYPE:"Research-article"), (TITLE:"2019-Ncov"). Sono presi in considerazione solo i seguenti tipi di pubblicazione: Clinical Trial; Clinical Trial, Phase II; Clinical Trial; Clinical Trial, Phase II; Journal Article; Meta-Analysis; Multicenter Study; Observational Study; Randomized Controlled Trial; Research Support, N.I.H., Extramural; Research Support, N.I.H., Intramural;; Research Support, Non-U.S. Gov’t; Research Support, U.S. Gov't, Non-P.H.S.; Research Support, U.S. Gov't, P.H.S.; Revie; Systematic Review; rapid-communication; research-article; review-article.

 

Articoli correlati

Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.