EP109 Research trends and highlights toward artificial intelligence in pain: bibliometric analysis on Web of Science from 2014 to 2023
Notice bibliographique
Résumé
Please confirm that an ethics committee approval has been applied for or granted: Not relevant Background and Aims This study aims to use bibliometric methods to identify the contribution of countries, journals, authors, research themes, and emerging trends in artificial intelligence (AI) in pain. Methods Articles on AI in pain were obtained from the Web of Science database which was accessed on 22 February 2024. TheVOSviewer program was used to visualize trends in research on artificial intelligence in pain. Results Analyses of 767 original articles revealed that the total number of publications has continually increased over the last 10 years. From 2014 to 2023, it was determined that there was an increase in the number of studies on the use of AI in pain [n:13(2014); n:240(2023)] (figure 1). Scientific Reports (n=31) and Journal of Clinical Medicine are the journals that published the most studies on the use of AI in pain (n=22). The countries with the highest number of studies are the United States (n=174), China (n=131), South Korea (n=88), Germany (n=72), Taiwan (n=59), England (n=54), Canada (n=43), Italy (n=41), Netherlands (n=36), India (n=35), Spain (n=34), Japan (n=33), Australia (n=21), Switzerland (n=24), Saudi Arabia (n=20). In the keyword co-occurrence analysis, 12 clusters were found; machine learning; spine, pain perception, pain, mhealth, pain management, blood sampling, epidural anesthesia, acute coronary syndrome, algorithmic approach, and pain assessment (figure 2). Conclusions The present study evaluated research on acupuncture for pain control using bibliometric methods and revealed current trends in artificial intelligence in pain research, as well as potential future hot spots of research 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 | 0,007 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,098 | 0,152 |
| 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) | 0,012 | 0,003 |
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 ».