Advancements and Collaborative Dynamics in the Treatment of Retinoblastoma: A Bibliometric Analysis of Trends and Themes
Notice bibliographique
Résumé
AIM: This study aimed to provide a comprehensive bibliometric analysis of retinoblastoma treatment, assessing publication trends, influential research, and leading contributors. METHODS: The research was conducted using the Web of Science Core Collection, focusing on retinoblastoma treatment from January 1, 1941, to June 13, 2024. Bibliometric analysis were conducted using Microsoft Excel, VOSviewer, CiteSpace, and the Bibliometrics R package. RESULTS: The analysis identified 5,674 documents. The United States led in research output and citation impact, followed by China and Europe. The University of Toronto was the most prolific institution (488 articles). International collaborations accounted for 18.54% of publications. David H. Abramson was the most prolific author (139 articles), followed closely by C.L. Shields (100 articles). Keyword analysis revealed three major thematic clusters: (1) molecular mechanisms and oncogenesis, (2) cell cycle regulation and experimental models, and (3) clinical management and therapeutic strategies. Recent hotspots included intraarterial chemotherapy, melphalan, treatment resistance, risk stratification, and tumor biology. Retinoblastoma research centers on molecular mechanisms, cell cycle regulation, and clinical management. CONCLUSION: Advances in intraarterial chemotherapy, risk assessment, and molecular insights are improving survival and quality of life. Greater emphasis on real-world, multicenter, and international studies is needed to advance personalized care.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,112 | 0,155 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».