Bibliometric Analysis on GABA-A Receptors Research Based on CiteSpace and VOSviewer
Notice bibliographique
Résumé
Background: GABA-A receptors are the primary mediators of brain inhibitory neurotransmission. In the past years, many studies focused on this channel to decipher the pathogenesis of related diseases but lacked bibliometric analysis research. This study aims to explore the research status and identify the research trends of GABA-A receptor channels. Methods: Publications related to GABA-A receptor channels were retrieved from the Web of Science Core Collection from 2012 to 2022. After screening, the VOSviewer 1.6.18 and Citespace 5.8 R3 were used for bibliometric analysis from journals, countries, institutions, authors, co-cited references and keywords. Results: We included 12,124 publications in the field of GABA-A receptor channels for analysis. The data shows that although there was a slight decrease in annual publications from 2012 to 2021, it remained at a relatively high level. Most publications were in the domain of neuroscience. Additionally, the United States was the most prolific country, followed by China. Univ Toronto was the most productive institution, and James M Cook led essential findings in this field. Furthermore, brain activation, GABAAR subunits expression, modulation mechanism in pain and anxiety behaviors and GABA and dopamine were paid attention to by researchers. And top research frontiers were molecular docking, autoimmune encephalitic series, obesity, sex difference, diagnosis and management, EEG and KCC2. Conclusion: Taken together, academic attention on GABA-A receptor channels was never neglected since 2012. Our analysis identified key information, such as core countries, institutions and authors in this field. Molecular docking, autoimmune encephalitic series, obesity, sex difference, diagnosis and management, EEG and KCC2 will be the future research direction.
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 | 0,014 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,247 | 0,289 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».