Knowledge Atlas of Insular Epilepsy: A Bibliometric Analysis
Notice bibliographique
Résumé
Objective: In order to determine research hotspots and prospective directions, this work used VOSviewer and CiteSpace to assess the current state of insular epilepsy research. Methods: We looked for pertinent research about insular epilepsy published between the first of January 2000 and the thirtieth of April 2022 in the Web of Science Core Collection (WoSCC) database. CiteSpace and VOSviewer were used to build a knowledge atlas by analyzing authors, institutions, countries, keywords with citation bursts, keyword clustering, keyword co-occurrence, publishing journals, reference co-citation patterns, and other factors. Results: A total of 305 publications on insular epilepsy were found. Nguyen DK had the most articles published (37), whereas Mauguière F and Isnard J had the highest average number of citations/publications (39.37 and 38.09, respectively). The leading countries and institutions in this field were the United States (82 papers) and Université de Montréal (40 papers). Authors, countries, and institutions appear to be actively collaborating. Hot topics and research frontiers included surgical treatment, functional network connectivity, and the application of neuroimaging methods to study insular epilepsy. Conclusion: In summary, the most influential articles, authors, journals, organizations, and countries on the subject of insular epilepsy were determined by this analysis. This study investigated the area of insular epilepsy research and forecasted upcoming trends using co-occurrence and evolution methods.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,185 | 0,176 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».