Mapping the Scientific Landscape: A Bibliometric Analysis of Exercise and Skin Health Research (2005–2025)
Notice bibliographique
Résumé
Introduction: Physical activity has long been recognized as a key factor in promoting overall health, including cardiovascular, metabolic, and immune function. However, its role in skin health particularly in dermatological and aesthetic contexts remains underexplored in scientific literature. The bibliometric approach identifies research trends and gaps, guiding future studies on exercise and skin health. This study aims to map the global research landscape related to the impact of exercise on skin health using a bibliometric approach. Methods: Data were retrieved from the Scopus database using a combination of keywords such as “exercise,” “training,” “sports medicine,” “skin health,” and “aesthetics.” A total of 43 relevant articles published between 2005 and 2025 were identified. The analysis utilized Microsoft Excel for initial data processing, VOSviewer for keyword network visualization, and R Studio with Biblioshiny for advanced bibliometric mapping. Results: The findings show a notable increase in publication volume starting in 2018, peaking in 2023–2024. The United States and the United Kingdom led in research output, followed by Canada, India, and Turkey. Most studies were published in journals focused on aesthetic surgery and rehabilitative medicine. Keyword analysis revealed dominant themes such as “aesthetic surgery,” “training,” and “skin regeneration.” Conclusion: Research on exercise and skin health is gaining momentum, supported by interdisciplinary interest from the fields of sports science, dermatology, and aesthetic medicine. Conclusion: The study highlights current trends, identifies research gaps, and provides a foundation for future integrative research aimed at enhancing both health and appearance through physical activity.
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 | 0,015 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,231 | 0,282 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».