Characteristics of the top 100 cited electroencephalography articles on aging: a bibliometric analysis
Notice bibliographique
Résumé
Electroencephalography (EEG) is a widely used tool in neuroscience. To explore the features of the top 100 cited articles related to EEG and aging over the past decade, we conducted a bibliometric analysis using Web of Science Core Collection (WoSCC) data as of January 21, 2024. The selected top 100 cited papers were analyzed using VOSviewer and Excel. We examined the distribution of publication years, authors, institutions, countries/regions, and journals. Hotspots were identified through keyword analysis. The analyzed articles were published between 2014 and 2021, with the majority being published before 2020 (n=91). Citation counts in WoSCC ranged from 24 to 250, with a median of 40 and a mean of 53. A total of 818 authors from 283 institutions in 35 countries/territories contributed to these top papers. The United States of America (USA) (n=37), Germany (n=14), and Canada (n=11) ranked in the top three in terms of total publications or citations. The predominant journals were in the fields of Neuroscience (n=58), Geriatrics & Gerontology (n=22), Clinical Neurology (n=13), and Anesthesiology (n=9), which published most of the high-quality articles. Key themes included EEG, aging, Alzheimer's disease, mild cognitive impairment, functional connectivity, and alpha oscillations. Emerging topics included sleep, machine learning, delirium, postoperative cognitive function, virtual reality, monitoring, resting state, coherence, and transcranial direct current stimulation. In conclusion, this study provides a comprehensive overview of the trends in scientific literature on EEG in aging over the past decade. Authors and institutions from North America, Europe, and East Asia led in contributions. Journals focusing on neuroscience, geriatrics, and anesthesiology published the majority of articles. Degenerative neurological diseases and cognitive impairment were prominent topics, suggesting future studies should explore EEG's diagnostic utility for these disorders.
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 | 0,008 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,141 | 0,155 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».