A bibliometric analysis of hotpots and trends for the relationship between skin inflammation and regeneration
Notice bibliographique
Résumé
Background Skin regeneration is a challenging issue worldwide. Increasing research has highlighted the role of immune cells in healing and the underlying regulatory mechanism. The purpose of this study was to identify the hotspots and trends in skin regeneration and inflammation research through bibliometrics and to provide insights into the future development of fundamental research and disease treatment. Methods Publications were collected from the Web of Science Core Collection on March 1, 2022. Articles and reviews published in English from January 1, 1999, to December 31, 2022, were selected, and statistical analyses of countries, institutions, authors, references, and keywords were performed using VOSviewer 1.6.18 and CiteSpace 5.8. Results A total of 3,894 articles and reviews were selected. The number of publications on skin inflammation and regeneration showed an increasing trend over time. Additionally, authors and institutions in the United States, United Kingdom, Canada, and China appeared to be at the forefront of research in the field of skin inflammation and regeneration. Werner Sabine published some of the most cited papers. Wound Repair and Regeneration was the most productive journal, while Journal of Investigative Dermatology was the most cited journal. Angiogenesis, diamonds, collagen, cytokine, and keratinocytes were the five most commonly used keywords. Conclusion The number of publications on skin inflammation and regeneration show an increasing trend. Moreover, a series of advanced technologies and treatments for skin regeneration, such as exosomes, hydrogels, and wound dressings, are emerging, which will provide precise information for the treatment of skin wounds. This study can enhance our understanding of current hotspots and future trends in skin inflammation and regeneration research, as well as provide guidelines for fundamental research and clinical treatment.
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 | 0,011 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,177 | 0,253 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».