Gait analysis in older adults with mild cognitive impairment: a bibliometric analysis of global trends, hotspots, and emerging frontiers
Notice bibliographique
Résumé
Background: Gait analysis has emerged as a critical non-invasive tool for early identification and monitoring of mild cognitive impairment (MCI) in aging populations, particularly given its potential to predict dementia progression. This bibliometric analysis synthesizes two decades of research to map the evolution of gait analysis in MCI, identify interdisciplinary collaborations, and highlight emerging frontiers in MCI-related mobility research. Methods: Literature related to gait analysis in MCI was retrieved from the Web of Science Core Collection. The search spanned publications from 2005 to 2024 and was executed in a single search session on 15 December 2024. CiteSpace and VOSviewer software were used to analyze publications, authorship, institutional affiliations, journals, keywords, and cited references. Burst detection and timeline analyses of keywords and references were conducted to identify emerging trends and temporal patterns. Results: A total of 1,223 articles were identified. Annual publication trends indicate sustained scholarly interest over the past 5 years. The United States contributed the most publications (392 articles, 32.05%), with Western University (Canada, 65 articles) as the leading institution. Journals publishing these studies primarily focus on Alzheimer's disease (AD), gerontology, and neurology, while prolific authors like Verghese J (USA) and Montero-odasso M(Canada) shaped the field's trajectory. Emerging research frontiers include dementia progression, AD, and Parkinson's disease, with 2024 priorities emphasizing "dual-task walking", "digital biomarkers" and "working groups". Additionally, validity and reliability assessments of gait analysis for MCI diagnosis and intervention represent a growing research trend. Conclusion: This study provides a comprehensive overview of the current landscape, hotspots, and trends in gait analysis for MCI management. By delineating its transformation from a descriptive tool to a predictive framework, we highlight persistent challenges such as methodological heterogeneity and small sample sizes. However, advances in machine learning and multicenter collaborations present opportunities to standardize protocols. Future high-quality studies are expected to establish gait-derived biomarkers as clinically actionable tools in MCI stratification and therapeutic monitoring.
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 | 0,011 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,188 | 0,186 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».