MétaCan
Menu
Retour à la cohorte
Enregistrement W4402763215 · doi:10.1097/ms9.0000000000002592

Glucagon-like peptide-1 agonists in cardiovascular diseases: a bibliometric analysis from inception to 2023

2024· review· en· W4402763215 sur OpenAlexaboutno aff
Abinash Mahapatro, Ali Bozorgi, Sri Usha Jeevani Obulareddy, Shika M. Jain, Rohan Reddy Korsapati, Aroon Kumar, Kristina Patel, Saman Soltani Moghadam, Arash Arya, Abdulhadi Jameel Alotaibi, Mohammad‐Hossein Keivanlou, Soheil Hassanipour, Maryam Hasanpour, Ehsan Amini‐Salehi

Notice bibliographique

RevueAnnals of Medicine and Surgery · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGlucagon-like peptide-1GlucagonIntensive care medicineInternal medicineDiabetes mellitusEndocrinologyInsulinType 2 diabetes

Résumé

récupéré en direct d'OpenAlex

Background: In recent years, glucagon-like peptide-1 (GLP-1) agonists have garnered increasing attention for their potential cardiovascular benefits beyond glycemic control in patients with diabetes. Understanding the research landscape surrounding GLP-1 agonists and cardiovascular diseases (CVDs) is crucial for informing clinical practice and guiding future research endeavors. This bibliometric analysis aimed to comprehensively assess the scholarly output and trends in this field, shedding light on the evolving landscape of GLP-1 agonists' role in cardiovascular health. Methods: The publications concerning GLP-1 agonists in CVDs were gathered from the Web of Science Core Collection, and visualizations were created utilizing Excel 2019, Cite Space, and VOS viewer software. Results and Conclusion: Using bibliometric and visual methods, the research hotspots and trends regarding GLP-1 agonists in cardiovascular diseases were pinpointed. Additionally, a thriving interest in GLP-1 agonists research within cardiovascular medicine was observed, with a notable surge in publications from 2016 onwards. The analysis revealed that the United States and China are the leading contributors, accounting for over 50% of the total publications. The University of Copenhagen and the University of Toronto emerged as the most prolific institutions in this field. Co-citation analysis highlighted the influential role of landmark clinical trials, such as the LEADER, ELIXA, and EXSCEL. Keyword trend analysis identified the emergence of newer GLP-1 agonists, such as tirzepatide and semaglutide, as well as a growing focus on topics like 'healthy obesity' and chronic kidney disease. These findings suggest that the research landscape is evolving, with a focus on expanding the therapeutic applications of GLP-1 agonists beyond glycemic control. Overall, this bibliometric analysis provided insights into the current state and future directions of research on GLP-1 agonists and their impact on cardiovascular health, guiding future research endeavors, and informing clinical practice.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie
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 enseignants0,844
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,002
Bibliométrie0,0920,092
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,113
Tête enseignante GPT0,379
Écart entre enseignants0,267 · 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

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Medicine and SurgeryMême sujetDiabetes Treatment and ManagementTravaux en français237 207