Global Status and Trends of Tumor Hypoxia: A Scientometric Analysis
Notice bibliographique
Résumé
Objective This study aimed to explore the status quo, hot topics, and future prospects in the field of tumor hypoxia by scientometric analysis. Methods The literatures about tumor hypoxia were downloaded from the Web of Science Core Collection from inceptions to Dec.31st. 2018. We used CiteSpace 5.4.R1, VOSviewer 1.6.10 and Excel 2016 to analyze literature information, such as country, institution, author, keywords and references. Results A total of 4399 papers about tumor hypoxia were identified, involving 20157 authors from 3604 institutions in 84 countries. Vaupel P, Harris AL and Dewhirst MW published the most literatures. United States, China and United Kingdom contributed the most publications. The three most contributed institutions are the University of Toronto, Stanford University and Oxford University. International Journal of Radiation Oncology Biology Physics (n=175, IF2017=5.554), Cancer Research (n=144, IF2017=9.13) and Radiotherapy Oncology (n=114, IF2017=4.942) are the most productive journals. The main hot topics in tumor hypoxia field are tumor hypoxic cells and cytokines, tumor hypoxia therapy, tumor hypoxia diagnosis, tumor hypoxia prognosis. Conclusion Developed countries in Europe and America are dominant in the field of tumor hypoxia research. The diagnosis and treatment of tumor hypoxic is still a difficult problem, especially how to overcome the drug resistance caused by tumor hypoxic.
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 | 0,007 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,089 | 0,118 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| 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 ».