Bibliometric analysis of rehabilitation in Alzheimer’s disease (2000–2023): trends, hotspots and prospects
Notice bibliographique
Résumé
Background: Alzheimer's disease (AD) is a complex neurodegenerative disease that leads to insidious deterioration of brain functions and is considered the sixth leading cause of death in the world. Multiple studies have shown that rehabilitation therapy is becoming an important field of AD research in recent years. Objective: We opted for bibliometric analysis to comprehensively summarize the advancements in the study of AD rehabilitation treatment, aiming to provide researchers with current trends and future research directions. Methods: All articles and reviews pertaining to rehabilitation treatment in Alzheimer's disease from 2000 to 2023 were downloaded through Web of Science Core Collection. The results were subjected to bibliometric analysis using Microsoft Excel (2019 version), CiteSpace (6.3 R1 Advanced) and VOSviewer 1.6.20. Results: Overall, 1,284 publications were included. The number of publications was increasing yearly. The United States has published the most publications. University of Toronto has published the most papers of all institutions. NEUROPSYCHOLOGICAL REHABILITATION and ARCHIVES OF PHYSICAL MEDICINE AND REHABILITATION were the journals with the most studies and the most commonly cited, respectively. Clare L is the author with the highest productivity and co-citation. After analysis, the most common keywords are mild cognitive impairment, cognitive, impairment memory and executive function indicates that cognitive impairment is the main focus of research. Transcranial magnetic stimulation, cognitive rehabilitation, and physical activity/exercise are the hotspots of research at the present stage and are likely to continue. Conclusion: Distinguishing non pharmacological treatments at different stages of development is a research hotspot in AD rehabilitation; Sports intervention, brain functional imaging techniques represented by brain functional connectivity, virtual reality, and quality of life are research directions that need attention.
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 | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,184 | 0,291 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».