Yoga Therapy for Non-Communicable Diseases: A Bibliometric Analysis of Published Research Studies from 1995 to 2024
Notice bibliographique
Résumé
Abstract Bibliometric analysis is a widely used technique for analyzing large quantities of academic literature and evaluating its impact in a particular academic field. This paper used bibliometric analysis to analyze the academic research on yoga therapy for non-communicable diseases from 1995 to 2024. This study used SCOPUS to find related publications on yoga therapy for non-communicable diseases. “Yoga Therapy”, “Therapeutic Yoga”, “Pranayama”, “Yoga”, “NCDs”, “Non-Communicable Diseases”, and keywords related to various Non-Communicable Diseases were used for gathering the relevant articles. 2313 publications in total were selected for this research. In this study, four different bibliometric parameters, performance analysis, trend analysis, citation analysis, and network analysis, were used to evaluate the performance of these articles. According to this analysis, the three countries with the highest number of publications and citations regarding Yoga Therapy for Non-Communicable Diseases are the USA, India, and Canada. The three most significant researchers in this field are Nagendra, H.R., Cohen L. and Nagarathna, R. 'Yoga,' 'cancer,' 'breast cancer,' and ‘quality of life,' and 'exercise are the three most frequently used keywords. A further finding of the study indicates that the popular topics for Yoga Therapy for Non-Communicable Diseases are mind-body therapy, COVID-19, and Psycho-oncology. This research provides insight into the origins, current status, and future direction of Yoga Therapy for Non-Communicable Diseases research.
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 | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,130 | 0,191 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».