Global trends and knowledge-relationship of symptom clusters in cancer research: a bibliometric analysis over the past 20 years
Notice bibliographique
Résumé
Abstract Objective To use CiteSpace and VOSviewer to investigate the scientific production in the field of symptom clusters in cancer research. Methods The search was performed using the terms “symptom clusters,” “cancer,” and “oncology” on the Web of Science Core Collection database. The retrieval time was from 2001 to 2021, which covers the last 2 decades. Based on the production theory of scientific knowledge and the data mining of citations, data pertaining to the annual publications, journals, countries, organizations, authors, and keywords that produce symptom clusters in cancer research, as well as their cooperation (collaboration network), were extracted, and then both were clarified by the software tools VOSviewer (version 1.6.16) and CiteSpace (version 6.1.R2). Results A total of 1796 publications were retrieved between 2001 and 2021, and 473 relevant publications were included after screening. The results showed an increasing trend in published articles. The United States had the largest number of publications (261/473, 55.18%), followed by China and Canada. The University of California, San Francisco, was the most productive institution. Current research hotspots included the analysis of symptom clusters and symptom management in patients with breast cancer and lung cancer, as well as any advanced cancer and cancer cachexia; fatigue-related symptom clusters and depression-anxiety symptom cluster; and the impacts of symptom clusters on quality of life. The research frontiers included analysis between health-related quality of life and symptom clusters, data mining in symptom clusters, research on the mental health status of cancer patients, and study of the mechanism and biological pathways of symptom clusters. Conclusions The study provides insight into the global research perspective for the scientific progress on cancer symptom clusters, which suggests a growing scientific interest in this field, and more studies are warranted to guide symptom management.
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 | 0,010 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,119 | 0,199 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».