Global research trends on artificial intelligence in psychological interventions for stroke survivors: a bibliometric and visualized analysis (2000–2024)
Notice bibliographique
Résumé
Objective: This study aimed to conduct a bibliometric analysis of research literature on AI-assisted psychological interventions for stroke survivors published from 2000 to 2024, using CiteSpace and VOSviewer to examine research collaboration networks, knowledge structures, and developmental trends. Methods: Literature data was sourced from the Web of Science Core Collection database (WoSCC). A total of 450 relevant articles, published between 1 January 2000 and 31 October 2024, were included. CiteSpace and VOSviewer were employed to analyze the literature from dimensions including authorship, country of origin, institutions, journals, references, and keywords. Results: Annual publication output has steadily increased, reaching a peak in 2022 (72 articles), followed by 68 articles in 2023 and 69 articles in 2024. Calabro Rocco Salvatore emerged as the most productive author (9 publications). The United States led in research output (87 articles) and centrality (0.51), with McGill University being the leading institution (10 articles). "Journal of NeuroEngineering and Rehabilitation" was the most productive journal (24 articles), while "Stroke" was the most co-cited journal (347 times). Recent research trends focused on ischemic stroke (strength = 3.09), anxiety (strength = 2.72), cognitive impairment (strength = 2.67), and meta-analysis (strength = 2.58), reflecting a shift toward integrated assessment and intervention strategies. Conclusion: This bibliometric analysis reveals a significant evolution in research on AI-assisted psychological interventions for stroke survivors, shifting from single technology applications to integrated services encompassing assessment, monitoring and intervention. Future research should continue to strengthen empirical studies while enhancing interdisciplinary collaboration to improve the quality of psychological healthcare services.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | Bibliométrie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,144 | 0,140 |
| 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 | 0,001 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».