Bibliometric Analysis of Research Trends in Spinal Cord Injury Rehabilitation: Mapping the Landscape of Scientific Publication
Notice bibliographique
Résumé
Background Research trends in Spinal Cord Injury (SCI) rehabilitation remain relatively unexplored within the scientific literature. Despite increasing interest, there is a notable lack of comprehensive bibliometric analysis to map and synthesize global research trends in SCI rehabilitation, especially over the last three decades. Materials and Methods We conducted a detailed bibliometric analysis using data extracted from the Web of Science (WoS) Core Collection and Scopus databases, covering the period from 1993 to 2023. The analysis employed both qualitative and quantitative approaches, utilizing bibliometric software tools such as VOSviewer to examine publication outputs, journals, authors, institutions, countries, cited references, keywords, and emerging terms in the field. Specific attention was given to identifying trends in technological interventions and research frontiers in SCI rehabilitation. Results This study identified 1,377 unique articles for further analysis. The United States emerged as the leading contributor to SCI research, followed by Canada and Australia. Among institutions, the University of Toronto was the most active, with significant contributions also from the University of Groningen and the University of British Columbia. The top research fields in SCI rehabilitation were Neuroscience and Neurology, followed by Sports Science and General and Internal Medicine. Additionally, this study highlighted key thematic areas shaping the field, including recovery and function, social and psychological aspects, neurological and medical complications, assessment and measurement, and psychological well-being. Conclusion This bibliometric study underscores SCI rehabilitation as a mature and expanding research field with significant global collaboration. However, there is a pressing need for higher-quality research to further advance the field. Our findings offer valuable insights for researchers to shape future research directions and enhance the impact of SCI rehabilitation studies.
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 | 0,030 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,239 | 0,314 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| 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 ».