Research on depression in Parkinson disease: A bibliometric and visual analysis of studies published during 2012–2021
Notice bibliographique
Résumé
BACKGROUND: The diagnosis and treatment rate of Parkinson disease (PD) with depression has a low diagnostic rate, and there is no consensus on the choice of treatment mode. This study evaluates the global research trends of scientific outputs related to depression in PD from multiple perspectives, using a bibliometric analysis and visualization tool to scientifically analyze the knowledge from the literature. METHODS: Literature related to depression in PD published from 2012 to 2021 was included and selected from the Web of Science Core Collection database in October 2021. CiteSpace software was used to visualize and analyze co-occurrence analyses for countries, institutions, authors, and keywords. RESULTS: A total of 4533 articles from the Web of Science database were included. The United States made the largest contribution with the majority of publications (1215; 29.40%). Toronto University was the most productive institution. PD, depression, quality of life, dementia, nonmotor symptom, prevalence, anxiety, Alzheimer disease, symptom, and disorder would be significantly correlated with depression in PD. The current hot spots in this field focus on the following: risk factors for depression in PD, assessment scale of depression in PD, and rehabilitation of depression in PD. CONCLUSIONS: This analysis not only reveals the current research trends and hotspots but also provides some instructive suggestions on the development of depression in PD.
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 | 0,009 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,219 | 0,211 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».