Exploring Global Research Status and Trends in Necrotizing Fasciitis: A Bibliometric Analysis
Notice bibliographique
Résumé
Necrotizing fasciitis (NF) is a rare and extremely destructive soft tissue infection characterized by rapid progression and severe clinical manifestations. It can lead to serious complications and even death without prompt diagnosis and treatment. Despite advances in medical science, NF remains a major clinical challenge. This study analyzed 3381 NF-related research papers from the Web of Science Core Collection (WoSCC) database (1977-2024). We used text mining and bibliometric methods to research the number of papers, publishing institutions and countries, key authors, research hotspots, evolving trends, and other information, and to visualize the results. The analysis revealed a significant increase in publications, from fewer than 10 per year before 1990 to 228 in 2023. The United States, China, and Canada were the leading contributors, with the United States forming a core research network with Canada and the UK, while Chang Gung University in Taiwan, China, emerged as a key research hub in Asia. Early studies primarily focused on pathogens, whereas recent research has shifted toward treatment techniques and outcome prediction. High-frequency keywords like "mortality" and "diagnosis" reflect ongoing clinical challenges. Key unresolved issues include the diagnostic accuracy of the LRINEC score, optimal debridement timing, and health care disparities in resource-limited regions. The findings indicate a shift in NF research focus from etiology to clinical management and technological innovation. Future research should aim to refine diagnostic criteria, explore personalized treatments, and improve diagnostic capabilities in underserved areas. Interdisciplinary approaches, including information technology and materials science, are expected to drive NF research toward precision medicine.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,117 | 0,191 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».