MétaCan
Menu
Retour à la cohorte
Enregistrement W4409875715 · doi:10.2196/71935

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

2025· article· en· W4409875715 sur OpenAlexvenueaboutno aff
Xianxian Zhou, Hua Xiong, Dexi Hu

Notice bibliographique

RevueJMIR Medical Education · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintPsychologyComputer 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 use 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. A quadratic regression model was used to examine the annual publication data. The model's goodness of fit was assessed using the R2 value, and the statistical significance of the findings was determined through the P valu. 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: The quadratic regression model yielded the equation Y=0.1586X²-633.9X+633395, indicating a substantial increase in the number of publications over time (R2=0.9575, P<.05). The model forecasts that the publication count will reach 107 by 202. This upward trend is statistically significant, highlighting a notable rise in research interest and activity within this field over time. The United States was a major contributor, accounting for 21.2% (303/1114) of all publications. In terms of continents and faiths, Europe and Christianity contributed the most, 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 cocited 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: This research presents a distinctive bibliometric approach to cadaver donation within medical education, setting it apart from previous studies by delivering an extensive global overview of trends and influential contributors in this domain. The results emphasize the increasing global interest and collaborative efforts surrounding cadaver donation, while also offering fresh perspectives on emerging topics like public perception and anatomical sciences. This paper serves as an important reference for researchers, policymakers, and educators, supporting the development of future strategies to enhance cadaver donation programs and further 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0380,093
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,392
Écart entre enseignants0,377 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetAnatomy and Medical TechnologyTravaux en français237 207