MétaCan
Menu
Retour à la cohorte
Enregistrement W4400747030 · doi:10.7759/cureus.64687

Research Hotspots and Trends of Interventions for Sarcopenic Obesity: A Bibliometric Analysis

2024· review· en· W4400747030 sur OpenAlexaboutno aff
Ning Zhang, Jiarong He, Xuan Qu, Lin Kang

Notice bibliographique

RevueCureus · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSarcopenic obesityMedicinePsychological interventionObesityBibliometricsSarcopeniaGerontologyLibrary sciencePathologyNursing

Résumé

récupéré en direct d'OpenAlex

Sarcopenic obesity, characterized by both obesity and sarcopenia, significantly impacts health and independence of affected individuals. There is an urgent need to explore effective strategies for addressing or preventing sarcopenic obesity. An initial critical step is to promptly assess the impact of academic research in this field, considering factors such as geographical regions, authors, journals, and institutions. It is also essential to analyze current trends and identify potential areas that may inspire future researchers to conduct further studies, ultimately improving public health outcomes for individuals with sarcopenic obesity. To achieve this, bibliometric research was conducted using the Web of Science Core Collection database to identify English language articles and reviews focusing on sarcopenic obesity interventions published between January 1, 2004, and June 15, 2024, followed by a literature review. A total of 929 English-language articles were collected, consisting of 645 research articles and 284 reviews. Research output in the field has shown significant growth since 2017, reaching a peak of 139 papers in 2022. The United States leads in publication output with 234 papers and a total of 13,971 citations, highlighting substantial international collaboration. Both the United States and Europe are recognized as key academic hubs for sarcopenic obesity intervention research, characterized by robust academic interactions. Moreover, there has been a notable increase in publication volume from China, South Korea, and Japan. Noteworthy authors in this field include Boirie Y from Université Clermont Auvergne in France, Prado CM from the University of Alberta in Canada, Cruz-Jentoft AJ from Hospital Universitario Ramon y Cajal in Spain, and Prado CM from the University of Alberta, known for their high citation count. The University of Alberta leads in the number of publications, while the University of Verona in Italy leads in citation frequency. Journals with higher publication volumes in sarcopenic obesity intervention include Nutrients, Clinical Nutrition, and Journal of Cachexia Sarcopenia and Muscle. Among the top 20 keywords, the most relevant interventions for sarcopenic obesity are exercise, nutrition, resistance training, physical activity, and muscle strength. The primary evidence currently available suggests that resistance training is the most effective method for enhancing muscle strength in sarcopenic obesity patients. Additionally, combining protein supplementation with resistance exercise has shown encouraging results in reducing fat mass in these individuals. To progress in this field, it is crucial to foster collaboration among countries, regions, and academic institutions, promoting multidisciplinary partnerships.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,1740,207
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,531
Tête enseignante GPT0,619
Écart entre enseignants0,088 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Bibliométrie

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
Domainenon disponible
GenreSynthèse · Empirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetNutrition and Health in AgingCatégorieBibliométrieTravaux en français237 207