Systemic Lupus Erythematosus Research: A Bibliometric Analysis over a 50-Year Period
Notice bibliographique
Résumé
Bibliometric analysis is a well-established approach to quantitatively assess scholarly productivity. However, there have been few assessments of research productivity on systemic lupus erythematosus (SLE) to date. The aim of this study was to analyze global research productivity through original articles published in journals indexed by the Web of Science from 1971 to 2020. Bibliometric data was obtained from the Science Citation Index Expanded in the Web of Science Core Collection database. Only original articles published between 1971 and 2020 on SLE were included in the analysis. Over the 50-year period, publication production in SLE research has steadily increased with a mean annual growth rate of 8.0%. A total of 44,967 articles published in 3435 different journals were identified. The journal Lupus published the largest number of articles (n = 3371; 8.0%). A total of 148 countries and regions contributed to the articles. The global productivity ranking was led by the United States (n = 11,244, 25.0%), followed by China (n = 4893, 10.9%). A three-field plot showed that the Oklahoma Medical Research Foundation and the Johns Hopkins University together contributed 18.5% of all articles from the United States. A co-occurrence network analysis revealed five highly connected clusters of SLE research. In conclusion, this bibliometric analysis provided a comprehensive overview of the status of SLE research, which could enable a better understanding of the development in this field in the past 50 years.
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 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 | 0,022 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,144 | 0,053 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».