Research hotspots and frontier trends in the field of 3D printing in medical education from 2010 to 2025: a bibliometric analysis
Notice bibliographique
Résumé
BACKGROUND: Three-dimensional (3D) printing is transforming medical education through the production of highly accurate anatomical models and personalised surgical training tools. Despite its growing influence, comprehensive bibliometric assessments in this domain remain scarce. This study aims to map the intellectual landscape and research trends of 3D printing in medical education from 2010 to 2025, offering evidence-based guidance for future innovation. METHODS: A systematic literature search was conducted in Web of Science Core Collection and PubMed for original articles and reviews related to 3D printing in medical education. CiteSpace was employed to construct and visualise collaboration, co-occurrence, and co-citation networks. RESULTS: The study included 302 articles from 96 institutions across 49 countries. The United States of America led in publication output, followed by China and Australia. Curtin University, the University of Toronto, and Mayo Clinic were the top three publishing institutions. The most prolific author published 11 papers, while the highest number of cited author as defined by co-citation analysis was 79. "Anatomical Sciences Education" was the most published-in and cited journal. The co-citation network analysis identified 12 thematic clusters-spanning medical modelling, anatomical education, and biomechanical testing-interconnected through pivotal high-centrality publications, illustrating the interdisciplinary expansion and evolving applications of 3D printing in medical education. Keyword analysis identified three major research hotspots: skill development and pedagogical validation, clinical surgical planning and doctor-patient communication, and emerging technologies with cross-disciplinary integration. CONCLUSION: This bibliometric analysis highlights an ongoing paradigm shift in 3D printing for medical education-from initial technical exploration toward rigorous validation of educational efficacy. Current research hotspots encompass anatomical modelling, surgical simulation, and AI/AR integration. However, persistent challenges such as limited dynamic simulation capabilities, high costs, and the absence of standardised assessment frameworks hinder progress. To realise meaningful educational transformation, strengthened interdisciplinary collaboration and technological innovation are essential to advance beyond technical demonstration toward tangible pedagogical improvement. CLINICAL TRIAL NUMBER: Not applicable.
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 | 0,012 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,153 | 0,196 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 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) | 0,004 | 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 ».