Nanomedicine: Insights from a Bibliometrics-Based Analysis of Emerging Publishing and Research Trends
Notice bibliographique
Résumé
Background and Objectives: Nanomedicine, a term coined by the American engineer Eric Drexler (1955) and Robert Freitas Jr. (1952) in the nineties, can be defined as a complex, multi-disciplinary branch of medicine, in which nano-technologies, molecular biotechnologies, and other nano-sciences are applied at every step of disease management, from diagnosis (nano-diagnostics) to treatment (nano-therapeutics), prognosis, and monitoring of biological parameters and biomarkers. Nanomedicine is a relatively young discipline, which is increasingly and exponentially growing, characterized by emerging ethical issues and implications. Nanomedicine has branched out in hundreds of different sub-fields. Materials and Methods: A bibliometrics-based analysis was applied mining the entire content of PubMed/MEDLINE, using “nanomedicine” as a Medical Subject Heading (MeSH) search term. Results: A sample of 6696 articles were extracted from PubMed/MEDLINE and analyzed. Articles had been published in the period from 2003 to 2019, showing an increasing trend throughout the time. Six thematic clusters emerged (first cluster: molecular methods; second cluster: molecular biology and nano-characterization; third cluster: nano-diagnostics and nano-theranostics; fourth cluster: clinical applications, in the sub-fields of nano-oncology, nano-immunology and nano-vaccinology; fifth cluster: clinical applications, in the sub-fields of nano-oncology and nano-infectiology; and sixth cluster: nanodrugs). The countries with the highest percentages of articles in the field of nanomedicine were the North America (38.3%) and Europe (35.1%). Conclusions: The present study showed that there is an increasing trend in publishing and performing research in the super-specialty of nanomedicine. Most productive countries were the USA and European countries, with China as an emerging region. Hot topics in the last years were nano-diagnostics and nano-theranostics and clinical applications in the sub-fields of nano-oncology and nano-infectiology.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,167 | 0,257 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».