Research Trends on Pulmonary Rehabilitation: A Bibliometric Analysis From 2011 to 2020
Notice bibliographique
Résumé
Background and Objective: A mounting body of evidence suggests that lung function may deteriorate over time with the development of chronic lung diseases (CRDs). Pulmonary rehabilitation has been proved to improve exercise capacity and quality of life in individuals with CRDs. However, PR remains grossly underutilized all around the world. This study aimed to analyze the research trends on PR over the past 10 years. Methods: The publications related to pulmonary rehabilitation in the Web of Science Core Collection (WoSCC) from 2011 to 2020 were searched. VOSviewer (1.6.15) and CiteSpace Software (5.5.R2) were used to analyze authors and co-cited authors, countries and institutions, journals and co-cited journals, co-cited references, and keywords. Results: A total of 4,521 publications were retrieved between 2011 and 2020, and the number of annual publications on pulmonary rehabilitation has shown an overall upward trend in the past decade. The USA was the most productive country, the University of Toronto from Canada was both the first in publications and citations. Spruit MA was both the most productive author and the one with the highest number of co-citations. The first productive journal was the International Journal of Chronic Obstructive Pulmonary Disease, while the first co-cited journal was the American Journal of Respiratory and Critical Care Medicine. The hot keywords were grouped into three clusters, while "Asthma" and "Respiratory society statement" were determined as the frontier topics. Conclusions: The present study successfully revealed the research status and development trends of pulmonary rehabilitation from 2011 to 2020 by using bibliometric analysis, which may help researchers explore and discover new research directions in the future.
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 | 0,023 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,358 | 0,573 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».