Beyond the Surface: Tracing the Evolution of Inflammatory Mechanism in Depression through Bibliometric Analysis
Notice bibliographique
Résumé
BACKGROUND: Depression is a common mental illness that has become a major economic burden worldwide. Recently, increasing evidence has highlighted the inflammatory mechanism of depression. In order to understand the research status of this field, this study used the bibliometric analysis method to overview the research content and progress, as well as analyze the development trend and limitations. METHODS: In this study, articles and reviews were included in the specific search strategy. The matched papers were exported from the Web of Science database. CiteSpace 6.3 R1 and Bibliometrix (R package) were utilized to generate bibliometric and knowledge maps. RESULTS: A total of 25,063 articles were included in this study. The number of publications in this field has gradually increased, especially in recent years. These papers come from 156 countries, led by the United States and China mainland. The leading research institution is the University of Toronto (Canada). Brain Behavior and Immunity is the journal with the most publications and the most frequently co-cited journals. Among 91,100 authors, Maes M has the most publications and co-citations. According to the keywords burst and co-cited reference analysis, the hotspots in the field in recent years include kynurenine, c-reactive protein, neuroinflammation, and gut microbiota. CONCLUSION: Although abundant academic achievements have been made on the inflammatory mechanism of depression, there is still a long way to go before these research results can be applied to clinical practice. Strengthening international academic exchanges and cooperation may promote breakthroughs in this field.
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 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,107 | 0,141 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».