Biocontrol of Phytopathogens Using Plant Growth Promoting Rhizobacteria: Bibliometric Analysis and Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biocontrol has emerged as an effective strategy for managing plant pathogens and pests. The use of plant growth-promoting rhizobacteria (PGPR) as biocontrol agents offers a sustainable alternative, enhancing plant morphology, biochemistry, physiology, and secondary metabolism. This study conducts a bibliometric analysis and systematic review of PGPR-based biocontrol research from 2019 to 2023, using the Web of Science (WoS) database. A total of 2823 publications were identified, with a significant increase in scientific output since 2019. Original research articles dominated the field, with India, China, the USA, and Pakistan leading in publication volume. Key contributors included Babalola (North-West University, South Africa), Kloepper (Auburn University, USA), and Shen (Nanjing Agricultural University, China), each with at least 25 publications. Co-authorship analysis revealed four major research networks centered in India, China, Brazil, and Canada. Bacillus and Pseudomonas were the most studied PGPR genera, recognized for their roles as bioinoculants, bioremediators, and biostimulants, mitigating the negative impacts of synthetic fertilizers and pesticides. This analysis underscores the growing global focus on PGPR-based biocontrol and its potential for sustainable agriculture. Strengthening international collaboration and accelerating applied research on PGPR formulations will be critical for optimizing their efficacy and scalability in real-world agricultural systems.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,033 |
| 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 | 0,000 |
| 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 découle