A bibliometric analysis of research on pediatric preoperative anxiety (2007–2022)
Notice bibliographique
Résumé
Objective: This study aimed to analyze the current state of research on preoperative anxiety in children through CiteSpace, VOSviewer, and the identification of hot spots and frontiers. Method: Relevant data were retrieved from the Web of Science Core Collection using the search terms children and preoperative anxiety. Data were analyzed using VOSviewer (version 1.6.18), CiteSpace (5.7. R5) software, and Scimago Graphica. Results: A total of 622 articles were published between 2007 and 2022, with an increasing trend over time. Kain, Zeev N. (13; 2.09%) and Dalhousie University (15; 2.41%) were the most influential authors and most prolific institutions, respectively. The United States (121; 19.45%) was the country with the most publications. Pediatric anesthesia (55; 8.84%) had the most publications. High-frequency keywords were categorized into three themes, including nonpharmacologic interventions for preoperative anxiety in children, preoperative medications, and risk factors for anxiety; of these, "predictor" (38; 2016) and "sedative premedication" (20; 2016) were the most studied keywords over the past 6 years. "Distraction" (67; 2019) and "dexmedetomidine" (65; 2019) have been the main areas of interest in recent years. Conclusion: Research on preoperative anxiety in children has been the focus of increasing attention over the past fifteen years, with the majority of publications from high-income countries. This review provides a useful perspective for understanding research trends, hot topics, and research gaps in this expanding 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,259 | 0,475 |
| 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 | 0,001 |
| 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; 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 ».