Bibliometric Analysis of Scientific Output Growth in the Field of Lung Transplantation
Notice bibliographique
Résumé
Abstract Background Lung transplantation (LT) has recently emerged as a scientifically validated curative therapeutic modality for patients afflicted with end-stage lung disease. This study aimed to conduct a global bibliometric analysis of research articles on LT between 1983 and 2021. Methods Employing the Web of Science database, a bibliometric analysis was conducted to assess the expansion of scientific output within the field of LT. We searched specific bibliometric characteristics such as language, and year of publication, first author, institutional affiliation, main publishing journals, and highly cited articles. Additionally, we made comparisons of the most productive countries. The VOSviewer program and the open-source visualization software Biblioshiny (version 2.0) were used to perform the bibliometric analysis. Results We identified 10,467 articles on LT published between 1983 and 2021, of which 94.898% were published in the Science Citation Index Expanded. The articles were from 101 different research areas. The publications were from 81 different countries globally, and mostly from the United States (41.196%), Germany (7.118%), and Canada (6.372%). The Journal of Heart and Lung Transplantation was the most published journal. Four thousand seven hundred and ninety three of the publications were published in the last 10 years with a 78,781 citation number in total. The highest number of publications and citations was in 2021. Conclusion The majority of cutting-edge research findings are focused on only a few developed nations, and exchanges with emerging nations are still in their infancy. The United States has a strong, commanding position among the active countries in LT.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,016 | 0,081 |
| 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 ».