Trends in Graves’ orbitopathy research in the past two decades: a bibliometric analysis
Notice bibliographique
Résumé
PURPOSE: This study was conducted to identify trends in Graves' orbitopathy research in the past two decades and to elaborate on hot topics in the field. METHODS: The Web of Science database was used to extract articles on Graves' orbitopathy or its synonyms. Full data and references were exported to VOSviewer software to be analyzed. Visualization maps and charts were constructed accordingly. RESULTS: We retrieved 1067 articles on Graves' orbitopathy from the Web of Science database. The United States ranked first in terms of the article count (25), followed by Italy (141) and the People's Republic of China (120). Wiersinga's and the University of Amsterdam's articles received the highest citation count (1509 and 3052, respectively). The University of Pisa and Thyroid published the highest number of articles (65 and 93, respectively). Co-authorship analysis showed four clusters of country collaborations: red cluster, European countries; green cluster, the United States, Brazil, Canada, South Korea, and Taiwan; a yellow cluster, People's Republic of China; and blue cluster, Japan, Australia, and Poland. Keyword analysis revealed five clusters of topics: pathogenesis, management, association, quality of life, and surgery. Analysis of co-cited references also revealed five clusters: pathogenesis, management, risk factors, clinical assessment, and surgical management. CONCLUSION: Research on Graves' orbitopathy has grown during the past two decades. Hot research topics are pathogenesis, management, risk factors, quality of life, and complications. Research trends have changed in the past two decades. Increasing interest in exploring Graves' orbitopathy mechanisms and associations is evident. European countries are cooperating in this field of research. The United States has established more extensive international cooperation than other countries. We believe that more international collaboration involving developing countries is required.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,094 | 0,113 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».