Current trends in pain management: A bibliometric analysis for the 1980-to-2023 period
Notice bibliographique
Résumé
There is currently no bibliometric analysis available regarding pain management (PM). The aim of this study was to monitor the advancement of the PM research field, demonstrate global productivity, identify the most highly cited studies, delineate collaborations between research areas and countries, and uncover new research topics and intriguing trends. A total of 16,216 articles on the subject of PM published between 1980 and 2023 were downloaded from the Web of Science database and analyzed using various bibliometric analysis methods. Trend keyword analysis, thematic evolution analysis, conceptual structure analysis, factor analysis, citation and co-citation analyses, and international collaboration analyses were conducted. The top 3 most active countries were the United States of America (n = 4021), the United Kingdom (n = 791), and Canada (n = 602). The most prolific author was Christine Miaskowski (n = 47). The most researched topics from the past to the present were chronic pain, opioids, analgesia/analgesics, cancer pain, postoperative pain, low back pain, opioid, cancer, acute pain, and self-management. Factor analysis identified key topics such as analgesia and various types of pain in the central factor, with additional subfactors including low back pain and physiotherapy, nursing, and postoperative anxiety and depression. In recent years, starting in 2020, trending research topics have shifted towards e-health, telemedicine, virtual reality, digital health, mental health, peripheral nerve blocks, erector spinae plane blocks, quadratus lumborum blocks, opioid use disorder, buprenorphine, musculoskeletal pain, COVID-19, cervicalgia, and interprofessional collaboration. In addition to Western countries with major economies in the field of PM (USA, Canada, Australia, and European countries), we identified China, India, and Turkey as research leaders. Our bibliometric analysis of 10,566 articles on PM reveals a significant growth in research, with recent trends focusing on e-health, telemedicine, virtual reality, and peripheral nerve blocks. These emerging technologies and personalized treatment approaches are shaping the future of PM.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,121 | 0,213 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».