An Assessment of the World’s Contribution to Spine Trauma Care: A Bibliometric Analysis of Classifications and Surgical Management; An AO Spine Knowledge Forum Trauma Initiative
Notice bibliographique
Résumé
STUDY DESIGN: Bibliometric analysis. OBJECTIVES: An analysis of the literature related to the assessment and management of spinal trauma was undertaken to allow the identification of top contributors, collaborations and research trends. METHODS: A search to identify original articles published in English between 2011 and 2020 was done using specific keywords in the Web of Science database. After screening, the top 300 most cited articles were analyzed using Biblioshiny R software. RESULTS: The highest number of contributions were from the Thomas Jefferson University, USA, University of Toronto and University of British Columbia, Canada. The top 3 most prolific authors were Vaccaro AR, Arabi B, and Oner FC. The USA and Canada were among the top contributing countries; Switzerland and Brazil had most multiple country co-authored articles. The most relevant journals were the European Spine Journal, Spine and Spine Journal. Three of the 5 most cited articles were about classification systems of fractures. The keyword analysis included clusters for different spinal regions, spinal cord injury, classification agreement and reliability studies, imaging related studies, surgical techniques and outcomes. CONCLUSIONS: The study identified the most impactful authors and affiliations, and determined the journals where most impactful research is published in the field. Study also compared the productivity and collaborations across countries. The study highlighted the impact of development of new classification systems, and identified research trends including instrumentation, fixation and decompression techniques, epidemiology and recovery after spinal trauma.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,040 | 0,188 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».