MétaCan
Menu
Retour à la cohorte
Enregistrement W7111383292 · doi:10.3389/fnut.2025.1680190.s002

Data Sheet 2_Mapping the research trends and hotspots of exercise and nutrition in diabetes: a bibliometric and visual analysis (2005–2025).csv

2025· dataset· W7111383292 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScopusFact sheetThematic analysisBibliometricsPsychological interventionPhysical activityWeb of science

Résumé

récupéré en direct d'OpenAlex

Objectives Despite the growing interest in exercise and nutrition as key strategies for diabetes prevention and management, a comprehensive bibliometric assessment of this field remains lacking. This study aims to map the research landscape, identify research trends and hotspots to inform future academic inquiry and clinical practice. Methods As of July 3, 2025, publications on exercise and nutrition in diabetes from 2005 to 2025 were retrieved from the Web of Science Core Collection and Scopus databases. The bibliometric and visual analysis was conducted using R software, VOSviewer, and CiteSpace. Results Trends in annual publication outputs have shown a consistent upward trajectory from 2005 to 2025. The United States led in both research output and institutional prominence. China, South Korea, Australia, and Canada also emerged as key contributors, and European countries functioned as major collaborative centers. Nutrients and the American Journal of Clinical Nutrition ranked among the most prolific and frequently cited sources in the field. Co-citation, burst detection, keyword frequency, clustering, and thematic evolution collectively revealed three major thematic domains: (1) lifestyle interventions in diabetes focusing on different exercise types, nutritional approaches, and their combinations; (2) management of long-term diabetic complications through physical activity and dietary approaches; and (3) population-specific strategies for older adults, children, and women with and at risk of diabetes. Across these themes, studies have prominently highlighted mechanistic insights, therapeutic efficacy, evidence-based guidelines, risk management, and adherence. Conclusion Over the past two decades, attention to this field has steadily increased, with strong collaboration established among countries, institutions, and journals. Emerging research trends in exercise and nutrition in diabetes are shifting toward a life course–oriented paradigm, personalized self-management support, and more innovative, adaptable intervention formats tailored to accommodate modern lifestyles.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaCharge utile insuffisante (le modèle a refusé de juger)
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
gptBibliométrie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Bibliométrie, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Bibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,3700,476
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0030,012
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0520,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,420
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Charge utile insuffisante (le modèle a refusé de juger)Bibliométrie

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareCatégorieCharge utile insuffisante (le modèle a refusé de juger)Travaux en français237 207