Therapeutic Shifts and Scientific Influence in Treatment-Resistant Depression Research: A Data-Driven Perspective
Notice bibliographique
Résumé
Background Treatment-resistant depression (TRD) remains a major psychiatric challenge, with therapeutic paradigms evolving over 50 years. Yet, research on TRD is fragmented across molecular mechanisms, clinical interventions, and epidemiological trends, highlighting the need for a comprehensive synthesis to guide future studies and enhance clinical outcomes. Method We conducted a large-scale bibliometric analysis of 16,198 TRD-related publications from PubMed, Web of Science, and Scopus (1974-2025). Using CiteSpace, VOSviewer, and Bibliometrix, we quantified publication trends, collaborative networks, and thematic shifts. Special attention was paid to influential researchers and institutions, as well as examining the shifting research focus from traditional invasive therapies, including deep brain stimulation, to emerging pharmacological advancements such as ketamine-based treatments. Results We identified leading countries, institutions, and key contributors on TRP research. Thematic clusters revealed sustained focus on neurobiological mechanisms (glutamate dysfunction, inflammation) and clinical efficacy. A pivotal shift from invasive techniques (dominant pre-2000) to ketamine-based therapies was observed, with ketamine-related publications surging post-2010. High-impact journals like Biological Psychiatry and American Journal of Psychiatry anchored three intellectual clusters: molecular neuropharmacology, pathophysiology, and clinical psychiatry. Despite progress, gaps persist in understanding ketamine’s systemic effects and non-canonical NMDA receptor roles. Conclusion This bibliometric study traces TRD research evolution from the 1970s onward, revealing key shifts from invasive interventions to novel pharmacotherapies like ketamine-a transformative advance highlighting mechanism-driven approach. By analyzing influential contributors, collaborations, and emerging trends, our work synthesizes decades of fragmented knowledge, providing clinicians and researchers with a cohesive roadmap for future treatment-resistant depression investigations.
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 | 0,107 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,100 | 0,165 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,022 | 0,017 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».