Research Trends around Exercise Rehabilitation among Cancer Patients: A Bibliometrics and Visualized Knowledge Graph Analysis
Notice bibliographique
Résumé
This study analyzed the research hotspots and frontiers of exercise rehabilitation among cancer patients via CiteSpace. Relevant literature published in the core collection of the Web of Science (WoS) database from January 1, 2000, to February 6, 2022, was searched. Further, we used CiteSpace5.8R1 to generate a network map and identified top authors, institutions, countries, keywords, and research trends. A total of 2706 related literature were retrieved. The most prolific writer was found to be Kathryn H Schmitz (21 articles). The University of Toronto (64 articles) was found to be the leading institution, with the United States being the leading country. Further, "rehabilitation," "exercise," "quality of life," "cancer," and "physical activity" were the top 5 keywords based on frequency; next, "disability," "survival," "fatigue," "cancer," and "rehabilitation" were the top 5 keywords based on centrality. The keyword "fatigue" was ranked at the top of the most cited list. Finally, "rehabilitation medicine," "activities of daily living," "lung neoplasm," "implementation," "hospice," "exercise oncology," "mental health," "telemedicine," and "multidisciplinary" are potential topics for future research. Our results show that the research hotspots have changed from "quality of life," "survival," "rehabilitation," "exercise," "cancer," "physical therapy," "fatigue," and "breast cancer" to "exercise oncology," "COVID-19," "rehabilitation medicine," "inpatient rehabilitation," "implementation," "telemedicine," "lung neoplasm," "telehealth," "multidisciplinary," "psycho-oncology," "hospice," "adapted physical activity," "cancer-related symptom," "cognitive function," and "behavior maintenance." Future research should explore the recommended dosage and intensity of exercise in cancer patients. Further, following promotion of the concept of multidisciplinary cooperation and the rapid development of Internet medical care, a large amount of patient data has been accumulated; thus, how to effectively use this data to generate results of high clinical value is a question for future researchers.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,057 | 0,071 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».