Traumatic spinal cord and spinal column injuries: A bibliometric analysis of the 200 most cited articles
Notice bibliographique
Résumé
Study Design: Bibliometric analysis. Objectives: This study aimed to highlight the 200 most influential articles related to traumatic spinal cord and spinal column injuries and provide an insight of past and current global trends in spinal trauma research. Methods: The Web of Science database was used to identify the top 200 most cited articles on the topic of traumatic spinal cord injury (SCI) and spinal column injuries between using a prespecified algorithm. The articles were manually reviewed; bibliometrics were collected on title, first and corresponding authors' country, institution, journal, publication year, and citation data. Results: The search string yielded 30,551 articles during 1977-2019. The average time from the publication was 19.5 years. A total of 1356 authors contributed to 67 different journals, the top 200 most cited articles amassing a total of 88,115 citations and an average 440.6 citations. The United States of America (USA) contributed the most with 110 articles; the top institution was the University of Toronto with 34 publications. Most studies focused on basic science research on SCI. Keyword analysis revealed the most commonly used keywords: SCI, inflammation, apoptosis, incidence/prevalence, and regeneration; four word-clusters were identified. Institutions from the USA and Canada collaborated the most and two major and two minor institutional collaboration subnetworks were identified. Co-citation analysis detected three main clusters of authors. Conclusion: This overview of the most cited articles on traumatic spinal cord and spinal column injuries provides insight into the international spinal trauma community and the terrain in this field, potentially acting as a springboard for further collaboration development.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,026 | 0,095 |
| 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) | 0,000 | 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 ».