Neuroimaging in Psychiatric Disorders: A Bibliometric Analysis of the 100 Most Highly Cited Articles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Extensive research has been conducted to find neuroimaging biomarkers for psychiatric disorders. This study aimed at identifying trends of the 100 most highly cited articles on neuroimaging in primary psychiatric disorders. METHODS: The most highly cited original research articles were identified and analyzed, following searches of MEDLINE and Web of Science All Databases. RESULTS: The top 100 articles ranked by yearly citation (from 137.5 to 31.1) were published between 1989 and 2017. Depressive disorders (30 articles), schizophrenia spectrum and other psychotic disorders (27), autism spectrum disorder (17), substance-related and addictive disorders (7), and post-traumatic stress disorder (7) were among the most studied conditions. Functional magnetic resonance imaging (42), structural magnetic resonance imaging (30), and positron emission tomography (22) were the most utilized neuroimaging modalities. While 85 articles investigated the pathophysiology of psychiatric disorders (including 7 focusing on developmental changes and 1 on genetic susceptibility), 15 articles studied the impact of treatment, including antidepressants (6), deep brain stimulation (4), antipsychotics (3), behavior therapy (3), and exercise (1). The analysis also identified the most contributing authors, countries (the United States: 71 articles, the United Kingdom: 8, Canada: 5, and China: 5), and journals (JAMA Psychiatry: 20 articles and Biological Psychiatry: 17). Ninety-eight studies were prospective, and two were retrospective. The sample size ranged from 3 to 1,188 (median: 21). CONCLUSIONS: Our study identified intellectual milestones in the utility of neuroimaging in investigating primary psychiatric disorders. The historic trends could help guide future research in this field.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,138 | 0,266 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle