Visual Analysis of Research Trends and Hotspots in Traditional Chinese Medicine-Based Treatment of Chronic Heart Failure
Notice bibliographique
Résumé
BACKGROUND:Chronic heart failure (CHF) has gradually become the most important chronic cardiovascular disease of the 21st century. Although traditional Chinese medicine (TCM)-based treatments can effectively improve the quality of life of CHF patients, there is no bibliometric systematic analysis to prove it. Therefore, this study aimed to review the literature, identify the research hotspots and frontiers of TCM in the treatment of CHF, and provide a reference for further research. MATERIAL AND METHODS:Studies on the treatment of CHF by TCM were downloaded from 3 databases. We used VOSviewer1.6.18.0, Microsoft Excel 2019, and CiteSpace 6.1.R2 for visualization and bibliometric research. RESULTS:From 1990 to 2022, a total of 1959 articles published by 11 013 researchers from 3242 institutions in 82 countries/territories were included, with an overall increase in the number of articles published, especially in 2021. The United States and China were the main countries. The University of Groningen, University of Glasgow, and University of Toronto were the leading research institutions, and half of the top 10 institutions were based in the United States. The most published academic was Gree C Fonarow, and the most cited author was McMurray JJV. The European Journal of Heart Failure and Circulation were the most published and cited journals, respectively. The research in this field is divided into 4 main categories. CONCLUSIONS:The current research focus in this field is mainly on the pathogenesis, clinical treatment, and multi-organ interaction of CHF.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,008 | 0,043 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».