Parkinson’s Disease Related Depression and Anxiety: A 22-Year Bibliometric Analysis (2000-2022)
Notice bibliographique
Résumé
Background: Parkinson's disease (PD) is one of the common neurodegenerative diseases. Depression and anxiety are the most common psychiatric symptoms of PD. It is important to study the potential relationship between PD and depression or anxiety. Aim: This study aimed to use bibliometrics to analyze the papers about parkinson's disease related depression and anxiety over the last 22 years, and to characterize the current status of research and predict future hotspots. Methods: In the Web of Science Core Collection (WoSCC) from 2000 to 2022, documents are searched according to specific subject words. The selected literature was retrospectively analyzed and mapped using CiteSpace and Vosviewer software. We analyzed countries, institutions, journals, authors, references and keywords. Results: A total of 7368 papers were included from 2000 to 2022, and the number of publications has shown an upward trend year by year. Movement Disorder is the journal with the highest number of publications (391 publications, 5.31%) and citations (30,549 times), with the United States (2055 publications, 27.9%) and the University of Toronto (158 publications) being the countries and institutions with the highest number of publications. The high-frequency keywords focused on "quality of life", "deep brain stimulation" and "non-motor symptoms". "Functional connectivity", "gut microbiota" and "inflammation" may be at the forefront of future research. Conclusion: Parkinson's disease related depression and anxiety have been increasingly studied over the past 22 years. Functional connectivity, gut microbiota, and inflammation will be the subject of active research hotspots in the future, and these findings may provide new research ideas for researchers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,035 | 0,066 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».