Pericapsular Nerve Group Block (PENG Block); Rising Value in Anesthesia
Notice bibliographique
Résumé
ÖzObjective: Pericapsular nerve group block (PENG block) emerges in the search of effective methods in hip joint block.It was aimed to analyze the bibliometric analysis of publications related to this method and to examine the world literature.Methods: Articles, case reports, conference presentations, papers, and letters to the editor published in peer-reviewed journals published in the PubMed database about PENG block were examined.Results: This new block was first implemented in Canada, followed by Japan and India.It was seen that case series and original research started to be done worldwide, while only case reports were made from Turkey.It was seen that 65% of the publications on this subject were published in Science Citation Index (SCI) and SCI-Expanded (SCI-E) journals.While the average number of citations per publication related to the PENG block was 5.75 in SCI and SCI-E journals, it was found to be 1.42 in other indexed journals (p<0.05).The mean number of cases in the publications was higher in case series (17.07) in SCI and SCI-E journals than in other indexed journals (10.14) (p<0.05).It was revealed that more cases were required to publish case series in SCI and SCI-E journals (p<0.05). Conclusion:Although the method is new and effective, it is important that it be published in well-indexed journals for citation.We think that because of understanding why and how this block is implemented in which countries, the number of publications on this subject will increase in our country.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».