MétaCan
Menu
Retour à la cohorte
Enregistrement W4411669591 · doi:10.1038/s44325-025-00062-w

A century of cardiac rehabilitation research: Bibliometric review of publication history, keyword trends, and citations

2025· article· en· W4411669591 sur OpenAlexaff
Deborah Manandi, Karice Hyun, Dion Candelaria, Matthew Hollings, Qiang Tu, Sarah Gauci, Adrienne O’Neil, Georgia K. Chaseling, Ling Zhang, Tom Briffa, Sherry L. Grace, Robyn Gallagher, Julie Redfern

Notice bibliographique

Revuenpj Cardiovascular Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensToronto Rehabilitation InstituteYork UniversityUniversity Health Network
Organismes subventionnairesNational Health and Medical Research CouncilNational Heart Foundation of AustraliaAustralian Government
Mots-clésKeyword searchBibliometricsRehabilitationLibrary scienceMedicineInformation retrievalComputer sciencePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Research into cardiac rehabilitation (CR), a key model for secondary prevention of cardiovascular disease, has evolved since first described in 1927. This review aimed to explore this evolution by identifying CR-related publications from the Web of Science Core Collection and summarizing CR research publication history, trends in publication keywords, and citations over time. A total of 8729 CR publications appeared across 1441 journals (median impact factor: 2.6) and were cited 315,819 times, with over 85% (7455/8729) published in the past two decades. These publications involved contributions from 26,909 authors across 120 countries, despite disproportionate domination by high-income countries. Publication keywords have consistently focused on exercise but have evolved from evaluating clinical events, quality-of-life, and return-to-work outcomes to improving accessibility using digital interventions. However, a broader focus on other cardiovascular risk factors, comorbidities, and various research designs may be needed to modernize CR, particularly in lower-income countries.

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)0,011
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0190,031
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,067
Tête enseignante GPT0,407
Écart entre enseignants0,340 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Cardiovascular HealthMême sujetCardiac Health and Mental HealthTravaux en français237 207