A Bibliometric Analysis of High-Intensity Interval Training in Cardiac Rehabilitation
Notice bibliographique
Résumé
As global quality of life has improved, the risk factors for cardiovascular diseases have gradually increased in prevalence. People have consequently sought to improve their health through physical exercise. High-intensity interval training (HIIT) is a cardiac rehabilitation (CR) tool that has been of great interest for several years. However, its feasibility and safety remain controversial. This study aimed to explore hot research topics and new directions regarding the role of HIIT in CR and to describe the dynamic development of the field. We used the Web of Science Core Collection database to develop visualizations using CiteSpace software (v.6.1.R2). The number of articles published, institutional collaboration networks, author partnerships, and keyword co-occurrence and clustering were used to analyze the impact of HIIT on CR. Our results showed that Norway, Canada, and the United States were the most prominent contributors to this field. Articles by Nigam, A and Juneau, M had the highest number of citations. The Norwegian University of Science and Technology had performed the most in-depth research in this area. The European Journal of Preventive Cardiology had published the most articles. The United States had the highest number of publishing journals. Relevant issues focused on coronary artery disease, exercise capacity, heart failure, cardiorespiratory fitness, and physical activity. HIIT in heart transplantation may be at the forefront of research in this field and future studies should focus on this topic. HIIT-based CR can therefore improve the exercise capacity and quality of life of cardiovascular patients and improve patient compliance in a safe manner.
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 | 0,006 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,121 | 0,193 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».