Global research on cognitive function for Schizophrenia from 2014 to 2024: a bibliometric and visual analysis
Notice bibliographique
Résumé
Aims Schizophrenia (SCZ) is a complex and multifactorial severe mental disorder, one of whose characteristics is cognitive impairment. We used bibliometric methods to identify the current research hotspots and emerging trends in this field.Methods We thoroughly searched SCZ cognitive function publications in the WoSCC database (2014-2024). We used CiteSpace and VOSviewer for a systematic analysis of countries, institutions, authors, journals, keywords, and more to evaluate the current research landscape, trends, and areas of interest.Results We identified 11121 articles. The majority of these publications come from the United States, the United Kingdom, China, Germany, and Canada. ‘Schizophrenia Research’ is the most active journal. ‘Bipolar disorder’, ‘meta-analysis’, ‘deficit’, ‘negative symptoms’, and ‘performance’ are the most common research topics. Michael F. Green is a highly influential author, and the University of London is a highly influential institution. Additionally, cluster analysis reveals that research primarily focuses on schizophrenia spectrum disorders, bipolar disorder, and genetic architecture.Conclusions Our research reveals that the identification of key network characteristics and cognitive heterogeneity, the interaction between polygenic risk and environmental factors, the safety of pharmacological interventions, and the cognitive development of youth are likely to be areas that should be prioritized in current and future research.
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 | 0,015 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,284 | 0,320 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».