MétaCan
Menu
Retour à la cohorte
Enregistrement W4406965840 · doi:10.2196/preprints.71935

Global Trends in Cadaver Donation and Medical Education Research:A Bibliometric Analysis Based on VOSviewer and CiteSpace (Preprint)

2025· preprint· en· W4406965840 sur OpenAlexaboutno aff
Xianxian Zhou, Hua Xiong, Ying Wen, Lihua Fang, Dexi Hu

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintGeographyEngineeringComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND The cadaver serves as a crucial resource in medical education, research, and clinical practice, as well as a vital foundation for fundamental medical experimental teaching. OBJECTIVE This study aims to employ bibliometric analysis to create a knowledge map of cadaver donation in medical education, identify global trends, anticipate future research directions, and offer a foundation for upcoming investigations. METHODS Articles and review papers concerning cadaver donation and medical education, with a final search cutoff of January 10, 2025, were systematically retrieved from the Web of Science Core Collection database. Two reviewers carefully examined the initial set of articles based on titles and abstracts to exclude irrelevant ones. The selected publications were then analyzed and visualized for country, institution, author, reference, journal, and keywords using CiteSpace 6.3R3, VOSviewer 1.6.19, and the Online Analysis Platform of the Literature Metrology Database. RESULTS Our analysis shows a steady rise in the total number of publications, with a significant spike after 2020, reaching its peak in 2024. The United States was a major contributor, accounting for 21.2% (303/1114) of all publications, while McGill University and The University of Sydney were the leading institutions. Prominent authors in this field included De Caro Raffaele, Macchi Veronica, Porzionato Andrea, Stecco Carla, and Dhanani Sonny. The most frequently co-cited reference was "Bodies for Anatomy Education in Medical Schools: An Overview of the Sources of Cadavers Worldwide." The journal Anatomical Sciences Education published the most articles in this area and received the highest citation count. Cluster analysis of keywords revealed that "kidney transplantation," "gross anatomy education," and "brain death" were key research topics, while burst analysis of keywords identified "public perception" and "anatomical science" as emerging areas of investigation. CONCLUSIONS The study underscores the dynamic progress of cadaver donation research and global cooperation, focusing on important countries, institutions, authors, and journals. These elements are pivotal in driving the development of cadaver donation and shaping the direction of future research in medical education. Future studies should prioritize increasing public awareness of cadaver donation to further foster the expansion of medical education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,080
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,2500,287
Études des sciences et des technologies0,0010,002
Communication savante0,0080,007
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,365
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnatomy and Medical TechnologyTravaux en français237 207