The development of cancer nutrition research from 2013 to 2022: a bibliometric and visualized analysis study
Notice bibliographique
Résumé
Background: The use of nutrition in cancer treatment has become increasingly widespread in recent decades, and the current stage of nutritional support and assessment has had a positive effect on reducing the side effects of cancer treatment. Based on the analysis of international literature on “tumor nutrition,” we identified the current status of research, research hotspots, and frontiers and provided a theoretical basis and reference for the development of related research in China. This study aimed to conduct a bibliometric analysis of the global literature published from 2013 to 2022 to assess the current research directions. Methods: The Web of Science core collection was searched from 2013 to 2022. The VOSviewer 1.6.19 and CiteSpace 6.2.2 were adopted to conduct the analysis. Results: Following the inclusion and exclusion criteria, a total of 28,245 documents were collected. The number of articles issued annually was fluctuatingly increasing. These articles were written by 124,412 authors from 20,162 affiliations in 166 countries or regions and were published in 3110 journals. The leading authors were Susan M. Gapstur, Heiner Boeing, and Hanping Shi. All publications were taken from 166 countries/regions and 20,162 organizations. The most productive countries were the United States and China. The most active institutions were the Harvard Medical School and University of Alberta. A total of 3110 journals contributed to this field, and the leading journals were Nutrients and Clinical Nutrition. The important author keywords occurred most frequently were cancer, nutrition, risk, survival, mortality, and sarcopenia. Conclusions: This study provided the dynamics and progress of nutrition research field. The studies about nutrition are booming. The current growth trend predicts that the global field of oncology nutrition will still increase. In addition to the traditional research on tumor nutrition, the development of interdisciplinary research should be promoted. Every country should strengthen international cooperation to enhance the influence of research results and solve many common scientific problems in the field of tumor nutrition research in multiple dimensions.
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 | 0,015 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,133 | 0,212 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».