Bibliometrics and knowledge map analysis of ultrasound-guided regional anesthesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Through bibliometric analysis, we aim to comprehensively understand the research dynamics in this field, reveal key scientific research achievements and breakthrough discoveries, and provide valuable reference and guidance for future research directions. Utilizing the Web of Science, we retrieved the literature pertaining to ultrasonics-guided regional anesthesiology (1994-2022). CiteSpace and VOSviewer were used for bibliometric and knowledge mapping analysis. Our examination encompassed publication trends, authorship patterns, institutional contributions, frequently occurring keywords, keyword clustering, and emerging terminology trends. Of the 570 papers reviewed, there was a rising trend in publications each year. The main keywords in regional anesthesia were ultrasound guidance, nerve, analgesia, and pain score. Key research areas were regional anesthesia, ultrasound guidance, approach, pain score, and plane block. The U.S. led in research. Stanford University, University of Toronto, and Cork University Hospital were central institutions. Chan V was the top author with 24 articles, while Marhofer P was the most cited at 150 times. Regional anesthesia and pain medicine were the predominant journal in both publications and citations. In conclusion, research in this field consistently grew yearly, and visualization showcased trends in ultrasound-guided regional anesthesia. These visuals provided key bibliometric insights, helping researchers further explore and understand this domain.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,026 |
| 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) | 0,001 | 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 découle