A bibliometric analysis of liver cancer bone metastases: advances in mechanisms of occurrence and treatment options
Notice bibliographique
Résumé
Background: Liver cancer ranks as the sixth most frequently diagnosed cancer and is the third leading cause of cancer-related deaths worldwide. Its poor prognosis is mainly due to tumor metastasis. Bone metastasis commonly occurs in the advanced stages of liver cancer and can significantly impact patients' quality of life and prognosis. However, current treatment methods for bone metastasis resulting from liver cancer have significant limitations. This article aims to review the latest research and trends in global studies on bone metastasis associated with liver cancer. Methods: This study used the Web of Science Core Collection to gather 3,347 articles on liver cancer with bone metastasis published from 2004 to 2024.The study applied bibliometric analysis methods, including CiteSpace, VOSviewer, and other tools, to examine countries, institutions, journal authors, keywords, and references. Results: From 2004 to 2024, we collected 3,845 records, including 3,347 articles and 498 reviews from 92 countries. Publications had shown exponential growth, peaking in 2021 with an annual growth rate of 8.3%. The research involved 13,188 organizations. China had the most publications (n=970, 29%), followed by the United States (n=648, 19.4%), Japan (n=317, 9.5%), and Germany (n=228, 6.8%); Canada had a notably higher rate of international collaboration at 44.8%. In total, 830 journals contributed to this research. The most cited journal was "J Clinical Oncol" with 4,275 citations, while "New Engl J Med" had the highest impact factor at 158.5. The research involved 23,710 authors, with Wang, Xin and Zhang, Chao being the authors with the most publications. Wang Z published the first study on this topic in 2007. In 2008, Zhang Y, Wang Y, and Zhang J also began researching this area and have continued to be actively involved since then. The study referenced a total of 79,935 sources, with the paper by Sung H et al., published in CA Cancer J Clin in 2021, achieving the highest citation rate of 42.46. Conclusion: This study systematically summarizes research findings on liver cancer with bone metastasis from 2004 to 2024, It also identifies and predicts global research hotspots and trends. In the future, the molecular mechanisms of liver cancer with bone metastasis will be a major research topic. The expansion of surgical treatment options and the advancement of innovative therapies will benefit more patients.
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: Empirique 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 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 | 0,008 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,128 | 0,159 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».