MétaCan
Menu
Retour à la cohorte
Enregistrement W4408410910 · doi:10.2196/65993

Research Hotspots and Trends of Virtual Reality Intervention for Stroke: Bibliometric Analysis

2025· article· en· W4408410910 sur OpenAlexvenueno aff
Yixin Wei, Yuan Chen, Runting Ma, Yitong Qiu, Wei Su, Qiang Gao

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintVirtual realityGeographyData sciencePsychologyComputer scienceWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: Virtual reality (VR) is a rapidly developing technology that has gained significant traction in the treatment and rehabilitation of individuals with stroke. Research on VR-based stroke treatment has garnered increasing attention. Objective: The aim of this study is to present a bibliometric analysis of VR for stroke studies to identify the application status, research hotspots, and emerging trends and guide future scientific research. Methods: We included studies and reviews on the topic of VR-based stroke treatment and rehabilitation from 1999 to 2023 were retrieved from Web of Science Core Collection database. Citespace 6.3.1 and VOSviewer 1.6.20 software was used for the visual analysis of publications, institutions, authors, journals, citations, and Scimago Graphica software was used for the geographic visualization of published countries or regions. Results: Our study analyzed 1171 papers on VR-based stroke rehabilitation published between 1999 and 2023, revealing a gradual increase in annual publications over the past 2 decades, peaking at 154 in 2022. North America and Western Europe were identified as major contributors, with significant input from their institutions, researchers, and publications. The Journal of NeuroEngineering and Rehabilitation emerged as the leading journal in this field, while Calabrò Rocco Salvatore was recognized as the most prolific author, focusing on the neurophysiological impacts of VR on patients with stroke. Keywords with notable citation bursts, such as "environment," "trial," "arm," and "motor learning," highlighted the core research themes in this domain. Conclusions: Our study provides valuable insights into the current research hotspots and emerging trends in VR-based stroke treatment and rehabilitation. Current research primarily focuses on evaluating the effectiveness of VR in improving upper limb function and balance in patients with stroke. Future directions are shifting towards integrating VR with rehabilitation techniques, such as physiotherapy and occupational therapy, while advancements in VR technology continue to garner increasing attention.

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)0,011
score de la tête « metaresearch » (Gemma)0,054
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: aucune
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,1620,200
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,428
Écart entre enseignants0,390 · 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 revueJMIR Serious GamesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207