Looking backward toward the future: A bibliometric analysis of the last 40 years of meningioma global outcomes
Notice bibliographique
Résumé
This study is the first comprehensive bibliometric analysis about meningioma to date. The aim of this study is to identify the most influential publications in this field through citation and co-citation analysis, to examine international collaborations, to identify the conceptual framework of the subject and emerging trending topics through keyword analysis, and to identify the most productive countries, authors and journals. 9619 articles on meningioma published between 1980 and 2023 were downloaded from the Web of Science (WoS) database and statistically analyzed. In this study, various bibliometric techniques were utilized, including trend keyword analysis, thematic evolution analysis, factor analysis, conceptual structure analysis, citation and co-citation analyses. Bibliometric network visualization maps were created to identify trend topics, citation analysis and cross-country collaborations. The Exponential Smoothing estimator was used to predict article productivity in the coming years. The first 3 countries that contributed the most to the literature were respectively; USA (2664, 27.7%), Japan (972, 10.1%), Germany (943, 9.8%). The first three most productive journals were respectively; Journal of Neurosurgery (number of article = 496), World Neurosurgery (399), Acta Neurochirurgica (378). The most productive author was Mcdermott MW (number of article = 88) and the most active institution was the University of California System (number of article = 470). In addition to high-grade meningiomas, the most studied topics from past to present have been magnetic resonance imaging, recurrence, radiation therapy, and skull base. As a result of the analyses to determine trend topics, the subjects studied in recent years were diagnostic and imaging methods, surgical and treatment methods, prognosis and survival, epidemiology and quality of life, and with the advancement of technology, machine learning and prediction models. Scientific collaboration was seen primarily in articles from western countries, especially the USA, European countries, and Canada. However, there was also a not insignificant effect in developing countries such as China, India, and Turkey.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,012 | 0,110 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».