Research hotspots and trends in the interaction mechanisms of neuroinflammation and sleep disorders: A bibliometric analysis based on WOS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to analyze the research hotspots and trends regarding neuroinflammation in sleep disorders over the past 30 years through bibliometric and review analyses. Relevant publications were sourced from the Web of Science Core Collection (WoSCC). We utilized VOSviewer and CiteSpace for the visualization and quantitative analysis of the literature to provide an objective presentation and predictions. A total of 2545 publications related to neuroinflammation and sleep disorders were identified, with the overall number of publications showing a continuous upward trend. Most of the publications originated from the United States and China. The University of Toronto, Harvard Medical School, and the University of California, Los Angeles, are leading institutions in this field. David Gozal and Michael R. Irwin are recognized as prominent figures in this area. The International Journal on Molecular Sciences and Brain Behavior and Immunity are the journals with the highest publication volume. Keywords and clustering analyses indicate that the current research in this field has developed a multidisciplinary integration pattern, with core trends focusing on the multi-axis regulation of neuroimmune interaction mechanisms, as well as individualized targeted intervention strategies based on biomarkers and gene editing. Additionally, the development of emerging technologies such as organoids and the establishment of multidisciplinary collaborative networks bring new hope for exploring the interactions between neuroinflammation and sleep disorders.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,056 | 0,161 |
| 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 | 0,000 | 0,000 |
| 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 découle