Global research characteristics and trends of infection after spinal implant surgery: a bibliometric analysis
Notice bibliographique
Résumé
Background: With the growing awareness of postoperative infection, increasing focus has been placed on infection after spinal implant surgery (IASIS). This study aimed to explore the development and trends of research regarding IASIS using bibliometric analysis. Methods: Scientific articles on IASIS research published between February 1, 2000, and December 31, 2020 were retrieved from the Web of Science database. Results: A total of 820 publications were included in the bibliometric analysis, with studies originating from 46 countries and 6 languages. Researchers from the United States published the highest number of articles and collaborated closely with researchers in Canada, Germany, and Japan. The author with the most publications was Alexander R. Vaccaro. The journal with the most articles and citations was Spine. Most of the research was performed on risk factors and the incidence of IASIS. Co-occurrence analysis revealed that the most recent research trend was likely related to the management of IASIS and the international consensus meeting. Three clusters of research were identified through a thematic map: diagnosis and treatment of IASIS, scoliosis-related infection, and risk factors and prevention of IASIS. Conclusions: Research on IASIS increasingly grew between 2000 and 2020. Spinal surgeons and institutes from the United States had the highest number of publications and academic impact in this field. Diagnosis-related problems and multidisciplinary work on IASIS require further attention in the future. Current trends in IASIS are likely associated with IASIS management and the international consensus meeting.
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 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,113 | 0,147 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».