Global Trends and Hotspots of Research on the Inflammatory Mechanisms for Spinal Cord Injury: A Bibliometric Analysis
Notice bibliographique
Résumé
OBJECTIVE: Excessive inflammatory responses following spinal cord injury (SCI) contribute to poor prognosis. Hence, the inflammatory mechanisms underlying SCI development are being increasingly explored. By conducting a bibliometric analysis, this study investigated global research trends and emerging hotspots in this domain. METHODS: Relevant studies published between January 1, 2005, and February 28, 2025, were retrieved from the Web of Science Core Collection database. Quantitative bibliometric analysis was conducted using CiteSpace, VOSviewer, and the Bibliometrix package in R software. RESULTS: A total of 7198 relevant publications were analyzed. The number of publications showed a steadily increasing trend from 2005 to 2022, with a slight decline in 2023 and 2024. China was the leading country in publication volume, while Canada ranked first in average citations, indicating strong research influence. Zhejiang University had the highest publication count, whereas Ohio State University ranked first in both total and average citations. Journal of Neurotrauma was the most prolific journal, and Cuzzocrea Salvatore emerged as the most productive author. Keyword analysis revealed hydrogels, exosomes, and signaling pathways as key research hotspots. CONCLUSIONS: Substantial progress has been achieved in understanding the inflammatory mechanisms underlying SCI development. The volume of related publications continues to increase, predominantly in China and the United States. Researchers from the United States and Canada have the highest academic influence. Emerging research hotspots include hydrogels, exosomes, and signaling pathways.
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 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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,121 | 0,311 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».