Bibliometric exploration of artificial intelligence applications in healthcare: trends and future directions
Notice bibliographique
Résumé
This research employs the PRISMA framework to conduct an extensive bibliometric analysis, delving into the dynamic realm of Artificial Intelligence (AI) within the healthcare domain. Spanning the years 2010 to 2023, the study systematically gathers and examines scholarly works to delineate the trends, patterns, and emerging topics about AI's integration into healthcare. A thorough initial screening yields substantial academic articles, conference papers, and reviews, forming the basis for analysis. The examination primarily focuses on quantifying publication patterns, identifying influential authors, institutions, and countries, and mapping the thematic landscape of AI in healthcare. Employing various bibliometric metrics such as publication trends, prolific authors, influential journals, and co-occurrence networks of keywords, the study uncovers the remarkable surge in research centred on AI-driven healthcare. This surge signifies a notable paradigm shift towards harnessing technology for predictive analytics, personalized medicine, and enhanced patient care. Additionally, by leveraging visualization tools like VOSviewer, the study presents informative graphical representations elucidating clusters and associations among keywords, thereby providing deeper insights into the interdisciplinary dimensions of AI in healthcare. This study provides a structured overview of the evolving landscape of AI in healthcare, providing valuable perspectives for researchers, practitioners, and policymakers aiming to harness the potential of AI for advancing healthcare delivery and outcomes. The implications of these findings underscore the transformative potential of AI technologies in revolutionizing healthcare delivery, promoting sustainable healthcare practices, and fostering innovative solutions for future challenges.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,016 | 0,016 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».