Bibliometric analysis of the uveitis literature and research trends over the past two decades
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine the publication patterns and present a current view of the field of uveitis using a bibliometric analysis. DESIGN: Bibliometric analysis. METHODS AND ANALYSIS: A comprehensive search of three databases including MEDLINE, EMBASE and Cochrane was conducted from 1 January 2000 to 31 December 2022. Search results from all three databases were subjected to analysis by Bibliometrix, an R programme that analyses large literature dataset with statistical and mathematical models. Visualisation of collaboration networks and relevance between countries was presented with VOSviewer. RESULTS: A total of 26 296 articles were included in the analysis. The field of uveitis has undergone a significant exponential growth since 2000, with an average growth rate of 4.14%. The most substantial annual growth was between the years 2021 and 2022 (36%). According to the corresponding author's countries, the three most productive countries were Turkey (3288, 12.6%), the USA (3136, 12%) and Japan (1981, 7.6%). The USA (243, 31.4%), England (117, 15%) and Germany (62, 8%) are the top three countries that contributed to clinical trials. The average international collaboration of all countries was 2.5%. CONCLUSIONS: Uveitis literature has undergone significant growth in the past two decades. The demographic factors of publishing countries lead to their various productivity and types of these uveitis studies, which is closely associated with the countries' scientific research resources and patient populations.
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 | 0,013 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,140 | 0,184 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».