A Global Bibliometric Study of Spinal Arachnoiditis: Research Trends and Future Directions
Notice bibliographique
Résumé
BACKGROUND: Spinal arachnoiditis (SA) involves chronic inflammation of the spinal arachnoid membrane, often due to surgery, trauma, infections, or autoimmune issues. It leads to ongoing pain and sensory disturbances in the back and lower limbs, along with possible bladder and bowel issues. Treatments focus on symptom relief and improving life quality. Despite growing research interest, a comprehensive analysis of SA's research trends is missing. This study uses bibliometric analysis to explore SA research trends, offering guidance for future research directions. METHODS: The study analyzed SA-related literature from the Web of Science Core Collection database between 2011 and 2024. It used bibliometric tools like VOSviewer and CiteSpace to assess publication trends, key contributors, influential journals, and keyword relationships, as well as citation patterns. RESULTS: The study found an increasing trend in SA-related publications. The United States leads in contributions, and the University of Toronto in Canada and King George's Medical University in India are among the top contributing institutions. The research involves 1152 authors, notably Marcus A. Stoodley. It covers fields like neurosurgery, neurology, psychiatry, and anesthesiology. Keywords highlight focal points in SA's etiology, pathogenesis, diagnosis, and treatment. Citations identify influential papers and cutting-edge research. CONCLUSIONS: This study provides the first extensive bibliometric overview of SA research, examining trends, hotspots, and future paths. It covers 7 key areas: from fundamental and pathogenesis research to personalized medicine and public education, reflecting a shift toward clinical applications and social strategies. The goal is to enhance understanding and treatment of SA.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,114 | 0,246 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».