Advancements in Telemedicine for Surgical Practices: A Comprehensive Bibliometric Analysis
Notice bibliographique
Résumé
Purposes: This study aims to use bibliometric analysis to explore the development, research hotspots, and trends in the field of telemedicine for surgical practices (TSPs). Methods: A bibliometric analysis of 3,235 documents from the Web of Science Core Collection was conducted, spanning from 2004 to 2022. Citespace (6.2.R5) was used to perform a bibliometric analysis. Results: The findings highlight a marked escalation in researches of TSPs, particularly between 2019 and 2022, aligning with the COVID-19 pandemic. The Telemedicine and e-Health Journal was the most productive journal with 118 publications, and Journal of Telemedicine and Telecare had the most citations ( n = 700). Howard S. An and Mohammad El-sharkawi had the most papers ( n = 8). Harvard University was the most prolific institution ( n = 103). The United States, England, and Canada were identified as the predominant contributing countries with a total of 1,521 publications. There was a notable shift in research focus areas over time, with recent emphasis being placed on pediatric surgery, COVID-19-related studies, and orthopedics. Future trends may involve teleconsulting, ameliorating the quality and safety of telemedicine, and improving satisfaction levels of patients and caregivers when they are using telemedicine. Conclusions: The study reveals that the rapid and sustained advancement in TSPs, significantly driven by the COVID-19 pandemic, and huge gaps between developed countries and developing countries. This study also reflects the current hotspots and future directions for TSPs.
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 | 0,010 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,157 | 0,216 |
| Études des sciences et des technologies | 0,002 | 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 ».