Bibliometric analysis of the top 100 most-cited articles on tissue expander use in breast reconstruction: insights from CiteSpace, VOSviewer, and Bibliometrix
Notice bibliographique
Résumé
Background: Tissue expanders are widely used in both immediate and delayed breast reconstruction after mastectomy. With advances in surgical techniques and biomaterials, this field has seen continuous development. This study aimed to analyze the top 100 most-cited articles on tissue expanders in breast reconstruction to identify research trends and progress in this field. Methods: The top 100 most cited articles were selected from the Web of Science Core Collection (WoSCC) for a systematic search. Comprehensive bibliometric analyses were conducted using VOSviewer, CiteSpace, and Bibliometrix. Additionally, clinical trial data were retrieved from ClinicalTrials.gov (https://www.clinicaltrials.gov) and the World Health Organization International Clinical Trials Registry Platform (ICTRP) (https://trialsearch.who.int). Results: The top-cited articles span multiple disciplines, with the USA contributing the highest number of publications. China, Canada, and the UK ranked second in terms of publication volume. Representative institutions included the University of Michigan and Memorial Sloan Kettering Cancer Center. Key authors included Cordeiro PG and Wilkins EG. Frequent keywords were “implant”, “mastectomy”, “complications”, and “radiotherapy”. The most cited article was by Chun YS et al. [2010]. Of the clinical trials, 66 were retrieved from ClinicalTrials.gov and 37 from ICTRP. After removing duplicates, a total of 78 trials focused on tissue expanders in breast reconstruction were included. Conclusions: Research on tissue expanders in breast reconstruction focuses on surgical optimization, complication management, biomaterials, and patient-reported outcome measures (PROMs). Current trends emphasize personalized reconstruction strategies and improved postoperative care. Challenges remain in addressing patient variability and biomaterial safety. Further research is needed to refine individualized approaches and improve clinical outcomes.
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 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,249 | 0,264 |
| Études des sciences et des technologies | 0,002 | 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) | 0,007 | 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 ».