Patent and Bibliometric Analysis of the Scientific Landscape of the Use of Pulse Oximeters and Their Prospects in the Field of Digital Medicine
Notice bibliographique
Résumé
This study conducted a comprehensive patent and bibliometric analysis to elucidate the evolving scientific landscape surrounding the development and application of pulse oximeters, including in the field of digital medicine. Utilizing data from the Lens database for the period of 2000-2023, we identified the United States, China, the Republic of Korea, Japan, Canada, Australia, Taiwan, and the United Kingdom as the predominant countries in patent issuance for pulse oximeter technology. Our bibliometric analysis revealed a consistent temporal trend in both the volume of publications and citations, underscoring the growing importance of pulse oximeters in digitally-enabled medical practice. Using the VOSviewer software(version 1.6.18), we discerned six primary research clusters: (1) measurement accuracy; (2) integration with the Internet of Things; (3) applicability across diverse pathologies; (4) telemedicine and mobile applications; (5) artificial intelligence and deep learning; and (6) utilization in anesthesiology, resuscitation, and intensive care departments. The findings of this study indicate the prospects for leveraging digital technologies in the use of pulse oximetry in various fields of medicine, with implications for advancing the understanding, diagnosis, prevention, and treatment of cardio-respiratory pathologies. The conducted patent and bibliometric analysis allowed the identification of technical solutions to reduce the risks associated with pulse oximetry: improving precision and validity, technically improved clinical diagnostic use, and the use of machine learning.
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 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,141 | 0,164 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».