The publication trends and hot spots of scoliosis research from 2009 to 2018: a 10-year bibliometric analysis
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: This study aims to quantitatively and qualitatively investigate the trends in scoliosis research and evaluate research hotspots using bibliometric analysis. METHODS: All relevant publications on scoliosis from the period from 2009 to 2018 were extracted from the Web of Science and PubMed databases. Publication trends were analyzed using an Online analysis platform of literature metrology, Bibliographic Item Co-occurrence Matrix Builder (BICOMB), and CiteSpace software. Hotspots were analyzed and visualized using the gCLUTO software package. RESULTS: A total of 7,445 scoliosis research publications dated between 2009 and 2018 were found. The spine was the most popular journal in this field during this period. The United States maintained a top position in global scoliosis research throughout the 10 years and has had a pivotal influence, followed by China and Canada. Among all institutions, the University of California, San Francisco, was a leader in research collaboration. At the same time, Professors Yong Qiu and Lawrence G. Lenke made great achievements in scoliosis research. We analyzed the major Medical Subject Headings (MeSH) terms/MeSH subheadings and identified eight hotspots in scoliosis research. CONCLUSIONS: We summarized the publication information of scoliosis-related literature in the 10 years from 2009 to 2018, including country and institution of origin, authors, and publication journal. We analyzed former research hotspots in the field of scoliosis and predicted future areas of interest. The development of various new orthopedic plants, artificial intelligence diagnosis, and genetic research will be future hotspots in scoliosis research.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,019 | 0,083 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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