Bibliometric and visualized analysis of scientific publications on rehabilitation of rotator cuff injury based on web of science
Notice bibliographique
Résumé
Background Since the discovery of rehabilitation as an intervention for rotator cuff injury, its impact on the recovery of rotator cuff injury has attracted crucial attention, and the number of related studies is increasing worldwide. There were no bibliometric and visualized analysis studies in this field. This study aimed to investigate the research hotpots and trends in the rehabilitation of rotator cuff injury via bibliometric and visualized analysis and to identify the future development of clinical practice. Method The publications regarding rehabilitation of rotator cuff injury from inception to December 2021 were obtained from the Web of Science Core Collection database. The trends of publications, co-authorship and co-occurrence analysis and visualized analysis were carried out using Citespace, VOSviewer, Scimago Graphica software, and R Project. Results A total of 795 publications were included in this study. The number of publications significantly increased yearly. The United States published the highest number of related papers and the papers published by the United States had the highest citations. The University of Laval, the University of Montreal and Keele University were the top 3 most contributive institutions. Additionally, the Journal of Shoulder and Elbow Surgery was the journal with the highest number of publications. The most common keywords were “rotator cuff”, “rehabilitation”, “physical therapy”, “management”, and “telerehabilitation”. Conclusion The total number of publications has shown a steady upward trend. The cooperation between countries globally was still relatively lacking, and therefore it is necessary to strengthen cooperation between different countries and regions to provide conditions for multi-center, large sample, and high-quality research. In addition to the relatively mature rehabilitation of rotator cuff injury such as passive motion or exercise therapy, telerehabilitation has also attracted much attention with the progress of science.
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 | 0,007 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,174 | 0,181 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».