Advances in applying somatosensory interaction technology in geriatric care: A bibliometric analysis
Notice bibliographique
Résumé
Objectives: Somatosensory Interaction Technology (SIT) is used in various aspects of geriatric care. We aimed to conduct a bibliometric analysis to summarize relevant publications and visualize publication characteristics, current hotspots, and development trends, thereby inspiring subsequent researches. Methods: We searched the Web of Science Core Collection database for publications on the application of SIT in geriatric care. Bibliometric visualization and clustering analysis were performed using VOSviewer V1.6.18 Software, while keywords burst detection analysis was conducted with CiteSpace 6.1.R6 Software. Results: After screening, a total of 1,019 publications were included. The number of publications on SIT in geriatric care is gradually increasing, exhibiting a rapid growth rate. The United States, Canada, and Australia led in terms of publication volume. Keyword clustering analysis identified major research hotspots: crisis warning, somatic abilities, rehabilitation training and psychosocial support. Initial studies primarily explored themes such as recovery, movement, systems, and later shifted towards gait analysis, muscle strength, parameters, and home-based care. More recently, research themes have evolved to dementia, machine learning, and gamification. Conclusions: SIT is innovative for promoting active aging, advancing intelligent healthcare, and elevating the daily quality of life for older adults in clinical and domestic settings. Applications of SIT can be categorized into early warning systems for crises, detailed analyses of physical conditions, rehabilitation enhancement, and support for psychosocial health. Research trends have transitioned from whole-body recognition to precise feedback, from a focus on physical health to mental health, and from technical feasibility to user-friendliness. Future research should focus on developing accessible and user-friendly devices, fostering interdisciplinary collaborations for innovation, expanding research to address both the physical and mental health needs of diverse older adults, and integrating emerging technologies to enhance data precision and accelerate the development of intelligent platforms.
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 | 0,023 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,178 | 0,194 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».