Network Analysis of Sport-related Concussion Research During the Past Decade (2010–2019)
Notice bibliographique
Résumé
CONTEXT: There has been substantial growth over the past decade in sport-related concussion (SRC) research, yet no research to date has synthesized developments over this critical time period. OBJECTIVE: to apply a network analysis approach to evaluate trends in the sport-related concussion (SRC) literature using a comprehensive search of original, peer-reviewed research articles involving human participants published between January 1, 2010 and December 31, 2019. DESIGN: Narrative review. MAIN OUTCOME MEASURES: Bibliometric maps were derived from a comprehensive search of all published, peer-reviewed SRC articles on the Web of Science database. A clustering algorithm was used to evaluate associations among journals, organizations/institutions, authors, and keywords. The online search yielded 6,130 articles, 528 journals, 7,598 authors, 1,966 organizations, and 3,293 keywords. RESULTS: The analysis supported five thematic clusters of journals: 1. Biomechanics/Sports medicine (n=15), 2. Pediatrics/Rehabilitation (n=15), 3. Neurotrauma/Neurology/Neurosurgery (n=11), 4. General Sports Medicine (n=11), 5. Neuropsychology (n=7). The analysis identified four organizational clusters with hub institutions: 1. University of North Carolina (n=19), 2. University of Toronto (n=19), 3. University of Michigan (n=11), 4. University of Pittsburgh (n=10). Network analysis revealed 8 clusters for SRC keywords, each with a central topic area: 1. Epidemiology (n=14), 2. Rehabilitation (n=12), 3. Biomechanics (n=11), 4. Imaging (n=10), 5. Assessment (n=9), 6. Mental health/Chronic Traumatic Encephalopathy (n=9), 7. Neurocognition (n=8), 8. Symptoms/impairments (n=5). CONCLUSIONS: The findings suggest that during the past decade SRC research has: 1) been published primarily in sports medicine, pediatric, and neuro-focused journals, 2) involved a select group of researchers from several key institutions, and 3) focused on new topic areas including treatment/rehabilitation and mental health.
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 | 0,007 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,049 | 0,067 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 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) | 0,002 | 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 ».