Global trends and hotspots related to whiplash injury: A visualization study
Notice bibliographique
Résumé
Whiplash injury, commonly occurring as a result of car accidents, represents a significant public health concern. However, to date, no comprehensive study has utilized bibliometric approaches to analyze all published research on whiplash injury. Therefore, our study aims to provide an overview of current trends and the global research landscape using bibliometrics and visualization software. We performed a bibliometric analysis of the data retrieved and extracted from the Web of Science Core Collection database in whiplash injury research up to December 31, 2022. Research articles were assessed for specific characteristics, such as year of publication, country/region, institution, author, journal, field of study, references, and keywords. We identified 1751 research articles in the analysis and observed a gradual growth in the number of publications and references. The United States (379 articles, 21.64%), Canada (309 articles, 17.65%), and Australia (280 articles, 16.00%) emerged as the top-contributing countries/regions. Among institutions, the University of Queensland (169 articles, 9.65%) and the University of Alberta (106 articles, 6.05%) demonstrated the highest productivity. "Whiplash," "Neck Pain," "Cervical Spine Disease," and "Whiplash-associated Disorders" are high-frequency keywords. Furthermore, emerging areas of research interest included traumatic brain injury and mental health issues following whiplash injury. The number of papers and citations has increased significantly over the past 2 decades. Whiplash injury research is characteristically multidisciplinary in approach, involving the fields of rehabilitation, neuroscience, and spinal disciplines. By identifying current research trends, our study offers valuable insights to guide future research endeavors in this 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 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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,072 | 0,089 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».