Hot spots and trends in inadvertent perioperative hypothermia: a bibliometric and visualized study
Notice bibliographique
Résumé
Abstract Purpose: Inadvertent perioperative hypothermia (IPH) is a common complication of anesthesia and surgical exposure. Although considerably increased attention has been paid to the role of IPH over the past decades, a systematical bibliometric analysis on this topic has not yet been performed. This study aimed to investigate current research hotspot and predict future trends in IPH research using bibliometric analysis. Methods: The relevant literatures published from 2000 to 2022 were identified and selected from the Science Citation Index Expanded of Web of Science Core Collection (WoSCC). The VOSviewer and CiteSpace software were used to perform collaboration network analysis, co-citation analysis, co-occurrence analysis, and citation burst detection. Results: 1685 publications (1450 articles and 235 reviews) from WoSCC were used for analysis and visualization. The United States has made the largest contribution in this field, with most publications (535, 31.8%), and closely collaborations with China and Canada. The most productive institution and scholar in this field were University of Sao Paulo (30, 1.8%) and Professor Braeuer (19, 1.13%), respectively. Anesthesia and Analgesia was the most productive journal. The top ten keywords based on the co-occurrence analysis are “hypothermia”, “cardiopulmonary bypass”, “body temperature, “anesthesia”, “surgery”, “cardiac surgery”, “damage control surgery”, “perioperative hypothermia”, “trauma”, “bleeding”. The emerging research hotspot might be “active warming “, “prewarming”, and “forced-air warming”. Conclusion: This study analyzed the IPH using bibliometric and visual analysis. These results provide an instructive perspective on the current research and future directions and give a potential foundation for further research and clinical applications.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,063 | 0,034 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».