Bibliometric Analysis of Chronic Traumatic Encephalopathy Research from 1999 to 2019
Notice bibliographique
Résumé
Research on chronic traumatic encephalopathy (CTE) has increased over the past two decades. However, few studies have statistically analyzed these publications. In this work, we conducted a bibliometric analysis of studies on CTE to track research trends and highlight current research hotspots. Relevant original articles were obtained from the Web of Science Core Collection database between 1999 and 2019. CiteSpace and VOSviewer software were used to perform analysis and visualization of scientific productivity and emerging trends. Our results show that the publications related to CTE dramatically increased from four publications in 1999 to 160 publications in 2019. The United States dominated this field with 732 publications (75.934%), followed by Canada with 88 publications (9.129%). Most of related publications were published in the journals with a focus on molecular biology, immunology, neurology, sports and ophthalmology, as represented by the dual-map overlay. A total of 11 major clusters were explored based on the reference co-citation analysis. In addition, three predominant research topics were summarized by clustering high-frequency keywords: epidemiological, clinical and pathological studies. The research frontiers were the diagnosis of diseases using new neuroimaging techniques, and the investigation of the molecular mechanism of tau aggregation. This study provides researchers with valuable guidance in the selection of research topics.
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 | 0,006 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,167 | 0,236 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».