Research hotspots and trends on neuropathic pain-related mood disorders: a bibliometric analysis from 2003 to 2023
Notice bibliographique
Résumé
Introduction: Neuropathic Pain (NP) is often accompanied by mood disorders, which seriously affect the quality of life of patients. This study aimed to analyze the hotspots and trends in NP-related mood disorder research using bibliometric methods and to provide valuable predictions for future research in this field. Methods: Articles and review articles on NP-related mood disorders published from January 2003 to May 2023 were retrieved from the Web of Science Core Collection. We used CiteSpace to analyze publications, countries, institutions, authors, cited authors, journals, cited journals, references, cited references, and keywords. We also analyzed collaborative network maps and co-occurrence network maps. Results: A total of 4,540 studies were collected for analysis. The number of publications concerning NP-related mood disorders every year shows an upward trend. The United States was a major contributor in this field. The University of Toronto was the most productive core institution. C GHELARDINI was the most prolific author, and RH DWORKIN was the most frequently cited author. PAIN was identified as the journal with the highest productivity and citation rate. The current research hotspots mainly included quality of life, efficacy, double-blind methodology, gabapentin, pregabalin, postherpetic neuralgia, and central sensitization. The frontiers in research mainly focused on the mechanisms associated with microglia activation, oxidative stress, neuroinflammation, and NP-related mood disorders. Discussion: In conclusion, the present study provided insight into the current state and trends in NP-related mood disorder research over the past 20 years. Consequently, researchers will be able to identify new perspectives on potential collaborators and cooperative institutions, hot topics, and research frontiers in this field.
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 | 0,048 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,232 | 0,503 |
| 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 | 0,002 |
| 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 ».