نوع مقاله : مقاله پژوهشی

نویسندگان

• سید حسین حسینی‌نسب ¹
• فاطمه مکی‌زاده ²
• ابراهیم زال‌‌زاده ²
• افسانه حاضری ²

¹ کارشناسی ارشد، علم‌سنجی، گروه علم اطلاعات و دانش‌شناسی، دانشکده علوم اجتماعی، دانشگاه یزد، یزد، ایران

² استادیار، علم اطلاعات و دانش‌شناسی، گروه علم اطلاعات و دانش‌شناسی، دانشکده علوم اجتماعی، دانشگاه یزد، یزد، ایران

چکیده

مقدمه: با توجه به شیوع بالای افسردگی و بار قابل توجهی که این بیماری به فرد، نظام سلامت و جامعه تحمیل می‌کند، انجام مطالعات گسترده برای اتخاذ روش‌های مناسب پیشگیری و درمان و مدیریت این بیماری، ضروری به نظر می‌رسد. به منظور کمک به انجام پژوهش‌های مفید و مورد نیاز در این حوزه، مطالعه حاضر با هدف تعیین ساختار موضوعی مقالات مرتبط با درمان افسردگی انجام شد.روش بررسی: این پژوهش از نوع مطالعات کاربردی با رویکرد علم‌سنجی بود که با استفاده از روش تحلیل هم‌رخدادی واژگان و خوشه‌بندی انجام گردید. توصیفگرهای مقالات مرتبط، با جستجوی عبارت «Depression» در سرعنوان موضوعی MeSH و با تقسیم فرعی «Therapy» از پایگاه PubMed در تاریخ 30/1/1394، در بازه زمانی سال‌های 2005 تا 2014 استخراج شد. داده‌ها در نرم‌افزارهای Excel و SPSS مورد تجزیه و تحلیل قرار گرفت.یافته‌ها: رشد تولیدات علمی در حوزه درمان افسردگی طی سال‌های مختلف، به صورت متوازن اتفاق افتاده بود. با تفکیک بازه زمانی پژوهش به دو دوره پنج ساله، 12خوشه با 34 توصیفگر مشترک یکسان به دست آمد و مشخص گردید که موضوعات «روان‌شناسی، دارو درمانی و پایبندی به درمان»، زمینه اصلی (رانت) موضوعات می‌باشند.نتیجه‌گیری: نتایج بر اساس شاخص دربردارندگی نشان داد که تنها 20 درصد از زمینه‌های موضوعی دوره دوم جدید هستند. از این امر می‌توان نتیجه گرفت که زمینه‌هایی که در سال‌های قبل با هم در نظر گرفته می‌شدند، ممکن است در ادامه پژوهش‌ها در سال‌های بعدی در کنار دیگر حوزه‌های متفاوت قرار بگیرند و یا حذف شوند.

کلیدواژه‌ها

• تحلیل‌هم‌رخدادی ‌واژگان
• خوشه‌بندی
• PubMed
• تحلیل موضوعی
• افسردگی

عنوان مقاله [English]

The Thematic Structure of Papers on Depression Treatment in PubMed from 2005 to 2014

نویسندگان [English]

• Seyed Hossein Hosseininasab ¹
• Fatemeh Makkizadeh ²
• Ebrahim Zalzadeh ²
• Afsaneh Hazeri ²

¹ MSc, Scientometrics, Department of Knowledge and Information Science, School of Social Sciences, University of Yazd, Yazd, Iran

² Assistant Professor, Knowledge and Information Science, Department of Knowledge and Information Science, School of Social Sciences, University of Yazd, Yazd, Iran

چکیده [English]

Introduction: Due to the high prevalence of depression and the considerable pressure it puts on individuals, society and healthcare system, it is essential to conduct sufficient research to help with decision making in prevention, treatment and control of this condition. To assist with research planning and setting priorities, this paper aimed to identify the thematic structure of papers related to depression treatment.Methods: This was an applied research study which used Scientometrics approach. To obtain data, the keyword “Depression” was searched as a mesh descriptor with the subdivision “Therapy” in PubMed database for the period of 2005 to 2014. The data were analyzed using co-word and clustering methods with the help of Excel and SPSS software packages.Results: The growth of scientific production in this field appeared to have been balanced throughout the ten-year period examined in the study. The most active research areas for the two five year periods (2005-2009 and 2010-2014) were drug therapy, psychology, and medication adherence. Two hierarchical graphs of descriptors for each five-year period were prepared both of which were composed of 12 clusters with 34 common descriptors.Conclusion: The findings based on the inclusion index showed that only 20 percent of topics in the second five-year period of the study were novel. Therefore, it could be concluded that research areas that were related with each other in previous years will probably co-occur with other topics in the future might disappear. In every discipline, some topics are considered to be fundamental and research works are being carried out on them almost every year.

کلیدواژه‌ها [English]

• Co-words
• Clustering
• PubMed
• Thematic Structure
• Depression