Gastrointestinal Impact of Flatulence-Causing Compounds in Foods: A Scientometric Study
Notice bibliographique
Résumé
Flatulence, or the passing of gas, can be caused by various factors, including the consumption of foods that contain hydrogen sulfide. When these foods are digested, they can release hydrogen sulfide gas, accumulating in the intestines and releasing flatulence. The present study aimed to give a scientometric overview of publications on flatulence regarding productive sources/journals, top active authors, foremost affiliations, prominent countries, and most used author’s keywords. In all, 4752 articles were downloaded from the Web of Science [WoS] database [2007-2021], consisting of journal articles, review articles, and the English language. Data analysis and network visualization maps were created using Micro Soft Excel, Biblioshiny, and VOS viewer. The results indicate that the most productive author was Germain DP contributed 53 papers with the highest received 4026 citations. The topmost journal contributions were Plos One with number 113. Findings revealed that the top two institutions were from Canada. It was revealed that the United States, and China were the second-ranked in document contributions related to flatulence research. Articles produced by single-country publications had a higher number of papers compared with papers produced by multiple-country publications. Clinical research is a crucial aspect of healthcare as it helps determine the safety and effectiveness of new medical interventions, which can be used to improve patient outcomes related to flatulence research.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».