Evolving landscape of research on cancer-related cognitive impairment: A bibliometric analysis
Notice bibliographique
Résumé
Objective: This study describes the state of the art in the field of cancer-related cognitive impairment (CRCI) to facilitate research opportunities in future CRCI research. Methods: Five databases were searched: PubMed, Web of Science, Cochrane Library, Cumulative Index to Nursing and Allied Health (CINAHL), and PsycINFO, from inception to August 20, 2022. Python, VOSviewer, and CiteSpace software were used for data preprocessing and analysis. Results: The published articles were predominantly from the United States, followed by China and Canada. Breast cancer and brain tumors were the dominant cancer types. The study population consisted mainly of adult cancer survivors. Prospective and multicenter studies were the most frequently used study designs. Keyword co-occurrence and mutation analysis indicated major themes: drug therapy was the most common treatment cluster, and adverse effects were another major cluster. The etiology of CRCI was a research hotspot and included the exploration of chemotherapy-associated and psychosocial factors by using measurement tools, such as neuropsychological tests and treatment outcomes. Conclusions: This study's findings highlight CRCI as a major research area, on the basis of the significantly increasing number of annual publications. Keyword co-occurrence analysis provided a quantitative visualization of the current research status for CRCI, but this method cannot provide in-depth qualitative insights explaining the potential emerging trends in this field.
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 | 0,034 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,176 | 0,224 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».