Global research landscape and advancements on the links between the gut microbiome and insulin resistance: hot issues, trends, future directions, and bibliometric analysis
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
BACKGROUND: There is increasing evidence suggesting that the gut microbiota plays a key role in the development of insulin resistance (IR). Therefore, the present bibliometric study aimed to characterize the development trends and research hotspots of publications related to the gut microbiota and IR. METHODS: Publications on the gut microbiota and IR between 2015 and 2024 were retrieved from the Scopus database. Bibliometric analyses were conducted with the VOSviewer version 1.6.20 software program. RESULTS: The Scopus query (15 June 2025) retrieved 584 publications on the gut microbiota and IR. Most were research articles (n = 480, 82.19%), followed by reviews (n = 82, 14.04%). Output is highly skewed toward East Asia and North America, with China leading the list with 254 papers (43.49%), followed by the United States (96; 16.44%), Canada (44; 7.53%), and Germany (27; 4.62%). Term-cooccurrence mapping in VOSviewer (v1.6.20) of the 251 high-frequency keywords (≥ 15 occurrences) resolved three thematic clusters: Cluster 1 focused on the high-fat-diet gut-liver axis; Cluster 2 examined patient-centered epidemiology and clinical trials; and Cluster 3 investigated inflammatory and metabolic signalling. CONCLUSIONS: The annual number of publications on the gut microbiota and IR has increased rapidly in the past ten years, demonstrating that the gut microbiota and IR have the potential to be researched precisely and are attracting increasing attention. The findings of this study can help researchers explore new directions for future research in this area and could serve as a reference for future academic 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,025 |
| Études des sciences et des technologies | 0,001 | 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