Current Status of Transcranial Magnetic Stimulation for Treating Depression: A Visualization and Bibliometric Analysis (Preprint)
Notice bibliographique
Résumé
BACKGROUND Background: Depression is the most disabling and prevalent psychiatric disorder; transcranial magnetic stimulation (TMS) is widely used in the treatment of depression because of its remarkable efficacy. OBJECTIVE Objective: To investigate the current status, hotspots and frontiers of this research field, and advance the research on TMS for treating depression, this paper provides a visualization and bibliometric analysis of studies related to TMS for depression. METHODS Methods: Literature related to TMS for depression was searched based on the Web of science core database from database creation to November 19, 2023. Cite Space 6.2.R4 and VOS viewer 1.6.20 were used to analyze the relevant literature in terms of annual publications, authors, institutions and international collaborations, co-cited literature, co-cited authors, co-cited journals, and keywords. RESULTS Results: A total of 4218 papers were included. The overall trend of the number of publications in this research area is increasing year by year. Research fervor is expected to continue to increase. The United States is in the top position both in terms of the number of publications and centrality. Although Canada ranks third in terms of the number of articles published, its centrality is not high. Based on the keyword co-occurrence analysis, the research hotspots in this field were clarified as efficacy, dorsolateral prefrontal cortex, prefrontal cortex, motor cortex and so on. In recent years, the keywords that have burst out and have continued until now are the treatment effectiveness, reliability, frequency, and theta burst treatment modality of TMS. These keywords may become hot spots for future research. CONCLUSIONS Conclusion: Our findings suggested that studies related to the field of TMS depression are increasingly emphasized by researchers, and the United States is an international leader in this research area. In the future, cooperation between countries should be strengthened. Meanwhile, it is important to use various imaging-assisted localization tools to carry out multi-center and large-sample clinical studies of individualized treatment parameters for TMS.
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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,078 | 0,100 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».