Global Trends and Hotspots in Dulaglutide in the Fields of Diabetes, Obesity, and Cardiovascular Research: A Bibliometric Analysis
Notice bibliographique
Résumé
Aims: Dulaglutide, a glucagon-like peptide-1 (GLP-1) receptor agonist, has captured significant attention in the fields of diabetes, obesity, and cardiovascular research. This scientometric analysis was to identify global trends and hotspots in Dulaglutide research (DGR). Methods: A comprehensive search of the Scopus database was conducted to retrieve Englishlanguage data-driven studies published from the inception of the DGR from 2010 to December 2023. The collected data were subsequently analyzed using VOSviewer and Bibliometrix software. This study sheds light on the intellectual structure of the DGR, which includes identifying key research areas, influential authors, and collaborations, as well as the conceptual structure comprising the identified themes and trends within DGR. Results: The study identified a significant growth in DGR, with the United States, China, and the United Kingdom leading in research output. Canada exhibited strong international collaboration. A small group of highly productive authors contributed disproportionately to the literature, consistent with Lotka’s law. Research trends have evolved from broad themes in cardiovascular health to more specialized studies focusing on the drug’s mechanisms, comparative effectiveness, and emerging applications, such as non-alcoholic fatty liver disease. Citation analysis revealed cardiovascular outcomes, real-world effectiveness, and GLP-1 receptor interactions are among the most researched areas. Conclusion: DGR is a rapidly expanding field with shifting priorities from general diabetes management to specific pharmacological and clinical outcomes. The findings underscore the need for more diverse geographic representation in research and highlight knowledge gaps that future studies should address. This bibliometric analysis provides valuable insights into the intellectual landscape of Dulaglutide research, aiding future investigations and clinical applications.
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 | 0,014 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,185 | 0,263 |
| 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) | 0,003 | 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 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 ».