Research Trends of Rheumatoid Arthritis and Depression from 2019 to 2023: A Bibliometric Analysis
Notice bibliographique
Résumé
Background: The co-occurrence of rheumatoid arthritis and depression typically exacerbates pain and leads to a range of adverse consequences, becoming a research hotspot in recent years. This study conducted the systematic retrieval of relevant articles within the past five years and employed bibliometric methods for scientometric analysis. Methods: Setting the keywords "Rheumatoid arthritis", "Depression" and "Depressive Disorder", relevant literature published between 2019 and 2023 was retrieved from the Web of Science database. Subsequently, the core information from the literature was subjected to visual analysis via CiteSpace software and bibliometric techniques. Results: A total of 974 articles related to rheumatoid arthritis and depression were identified through the search strategy, and 877 articles were retained for further analysis after duplicates. The United States (n=173), England (n=82), China (n=69), Canada (n=68), and Germany (n=54) ranked top five countries by publication count. The King's College London was the leading institution with the highest number of publications (n = 20). LANCET PSYCHIATRY was the most frequently cited journal (n = 72) despite having only one article. The top five authors with the largest number of publications include CHARLES N BERNSTEIN (n=14), RUTH ANN MARRIE (n=13), JOHN D FISK (n=12), CAROL A HITCHON (n=12) and SCOTT B PATTEN (n=12), and all these are based in Canada. The keywords with a centrality score exceeding 0.1 were depression, rheumatoid arthritis, symptom, quality of life, impact, fibromyalgia, disease activity, prevalence, inflammation, health, anxiety, pain, fatigue, disease, arthritis and disability. Conclusion: Related research between the co-occurrence of rheumatoid arthritis and depression was a persistent hotspot, but it still lacks of international collaboration and in-depth mechanistic exploration.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,106 | 0,129 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».