Trends in the Use of Sphingosine 1 Phosphate in Age-Related Diseases: A Scientometric Research Study (1992-2020)
Notice bibliographique
Résumé
Objectives. This study was designed to explore the intellectual landscape of research into the application of sphingosine 1 phosphate (S1P) in age-related diseases and to identify thematic development trends and research frontiers in this area. Methods. Scientometric research was conducted by analyzing bibliographic records retrieved from the Web of Science (WOS) Sci-Expanded Database dated between 1900 and 2020. Countries, institutions, authors, keyword occurrence analysis, and cooperation network analysis were performed using the CiteSpace and VOSviewer software. Results. A total of 348 valid records were included in the final dataset, and the number of publications and the frequency of citations have grown rapidly over the last ten years. The USA ( n = 175 ), China ( n = 42 ), and Germany ( n = 37 ) were the three largest contributors to the global publications on S1P and aging, while the Medical University of South Carolina ( n = 15 ), University of California, San Francisco ( n = 13 ), and University of Toronto ( n = 13 ) were the leading institutions in this field. Analysis showed that early studies primarily focused on the mechanism of S1P intervention in AD. While S1P and its relevant metabolites have remained a long-term active area of research, recent studies have focused more on interventions aimed at improving retinal degeneration, cardiomyopathy, multiple sclerosis, and diabetes, among others. Conclusions. It is worth mentioning that this manuscript is the first to describe any bibliometric analysis of S1P and its application in age-related interventions. This study includes a discussion of the (1) historical overview of the topic; (2) main contributors: journals, countries, institutes, funding agencies, and authors; (3) collaboration between institutes and authors; (4) research hot spots and zones; and 5) research trends and frontiers. This will enable scholars to understand the current status of S1P research in age-related diseases.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,041 | 0,082 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».