The top 100 highly cited articles on neck pain: A bibliometric analysis
Notice bibliographique
Résumé
Objective: Neck pain has emerged as a significant public health concern. This study is to unveil the present state of neck pain research, thereby furnishing invaluable insights for prospective research endeavours and clinical applications. Methods: The study was initiated by searching the Web of Science Core Collection database, focusing on "neck pain". From the amassed results, the top 100 most cited references were imported into CiteSpace and VOSviewer, enabling a rigorous bibliometric analysis. To ensure precision, synonymous terms conveying similar meanings were harmonized. The bibliometric study encompassed countries, research institutions, authors, journals, and keyword analysis. Results: The investigation centered on a curated compilation of 100 articles, disseminated across a diverse array of 36 scholarly journals. These seminal articles originated from 24 distinct countries, reflecting contributions from a wide spectrum of 188 research institutions. Impressively, a collaborative effort involving 385 authors emerged. Noteworthy core research countries included the United States and Australia, with the University of Queensland and the University of Toronto asserting notable influence. Prolific authors such as J. David Cassidy and Pierre Cote garnered attention. Present research endeavours pivot around the incidence of neck pain, the identification of risk factors, the efficacy evaluation of treatment modalities, and a pronounced focus on high-quality randomized controlled trials and systematic reviews. Conclusion: The study shines a light on key research countries, influential institutions, prominent authors, and prevalent trends, effectively contributing to comprehending the knowledge landscape and research dynamics in the field of neck pain.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,023 | 0,116 |
| 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 ».