Latest Research Hot Spots of Atopic Dermatitis Management Using Janus Kinase Inhibitor: A Bibliometric Analysis and Visualized Review
Notice bibliographique
Résumé
Atopic dermatitis (AD) affects 5-20% of the global population, with moderate-to-severe cases frequently requiring systemic therapy. The introduction of Janus kinase inhibitors (JAKi) has transformed therapeutic options, warranting a comprehensive analysis of the evolving research landscape. This bibliometric and visualized review aimed to identify global research hotspots, collaboration networks, and influential contributors in JAKi-related AD research. Publications were retrieved from the Web of Science Core Collection (2014-2024) using the terms "(Janus kinase inhibitors OR JAK) AND (atopic dermatitis)". Of 797 publications identified, 776 met inclusion criteria. Bibliometric mapping and visualization were conducted with VOSviewer, Excel, and Draw.io. The United States produced the most publications (34%), followed by Germany (12.62%), Japan (11.87%), and China (8.5%). The Icahn School of Medicine at Mount Sinai and Oregon Health & Science University led institutional output, while Kyoto University demonstrated the highest citation impact (82.57 citations per publication). Among authors, Emma Guttman-Yassky (25 publications) and Eric Simpson (22 publications) were the most prolific. Journal of Dermatological Treatment and Journal of the European Academy of Dermatology and Venereology were the leading publishing journals, while The Journal of Allergy and Clinical Immunology was the most co-cited. The most frequently cited reference was Oetjen (2017), with 674 citations. Keyword analysis highlighted "atopic dermatitis", "JAK inhibitors", "upadacitinib", and "baricitinib" as central themes, with abrocitinib and biologics emerging as newer hotspots. This study provides an updated overview of global research activity on JAK inhibitors in AD, addressing knowledge gaps, collaboration patterns, and future directions in targeted therapy.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,104 | 0,110 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».