Cohort Studies on Chronic Non-communicable Diseases Treated With Traditional Chinese Medicine: A Bibliometric Analysis
Notice bibliographique
Résumé
Cohort studies investigating the treatment of chronic non-communicable diseases (NCDs) with traditional Chinese medicine (TCM) have considerably accumulated in recent years. To systematically and for the first time present the achievements and dilemmas of cohort studies, strict inclusion and exclusion criteria were used to search publications from the Web of Science, PubMed, Embase, Cochrane Library, and China National Knowledge Infrastructure databases for cohort studies on NCDs with TCM since the establishment of these databases. Information on the year of publication, exposure factors, diseases, and outcome indicators was obtained, and a literature quality assessment and bibliometric descriptive analysis were conducted. A total of 182 published articles involving 1,615,106 cases were included. There were 110 non-prospective cohort studies and 72 prospective cohort studies. The diseases involved in the cohort studies were, in the order of the number of published articles, malignant tumors (82 articles, 45.05%), cardiovascular diseases (35 articles, 19.23%), neurological diseases (29 articles, 15.93%), chronic kidney diseases (16 articles, 8.79%), liver cirrhosis (8 articles, 4.40%), diabetes mellitus (8 articles, 4.40%), and chronic respiratory diseases (4 articles, 2.20%). The study participants were mainly from China (177 articles, 97.25%). The number of cohort studies increased significantly in the last 5 years (65 articles, 35.71%), and following the Newcastle-Ottawa Scale (NOS) literature quality evaluation, the number of articles that received a score of four to five was high (116 articles, 63.73%), and the overall quality needs to be improved. The application of cohort studies in the field of TCM for the prevention and treatment of NCDs has developed rapidly in the past 5 years, focusing on the prevention and treatment of tumors as well as cardiovascular and cerebrovascular diseases. However, the design and implementation of cohort studies still have considerable limitations. To provide more clinical evidence, researcher should actively cooperate with evidence-based methodologists and standardize the implementation of cohort studies.
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 | 0,025 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,175 | 0,193 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».