Mapping the Evolution of Fentanyl Research: A Scientometric Analysis of Clinical Applications and Abuse Trends (1964–2025)
Notice bibliographique
Résumé
Background: Fentanyl, a potent synthetic μ-opioid agonist, has been widely used in anesthesia and analgesia since the 1960s; however, its misuse has escalated into a global public health crisis. Purpose: To map the evolving landscape, identify key contributors and research hotspots, and highlight emerging trends in fentanyl-related research. Methods: We collected fentanyl-related publications from three major medical databases covering the period from the 1960s to June 2025. Tools such as CiteSpace, VOSviewer, and Bibliometrix were used to analyze publication trends and research focus. Results: The analysis identified over 110,000 publications, with the U.S. (6,939), South Korea (3,629), and China (3,385) being the top contributors. The leading institutions included the University of Toronto and Harvard Medical School, while Anesthesia and Analgesia and Anesthesiology were the most influential journals. Research has evolved from clinical applications (propofol, postoperative pain) to addiction themes (opioid use disorder, xylazine), with abuse-related publications increasing by 23.1% annually post-2016. The keyword analysis revealed three clusters: anesthesia (general anesthesia), analgesia (morphine), and abuse (drug overdose). Recent studies have focused on the neurobiological mechanisms, structural modifications, and preventive strategies of fentanyl, emphasizing harm reduction (syringe services) and novel treatments (monoclonal antibodies). Conclusion: This study underscores the shift in fentanyl research from clinical efficacy to public health challenges, particularly addictions. Future research should prioritize: (1) developing safer opioid analogs with reduced abuse potential, (2) elucidating the molecular mechanisms of dependence, and (3) integrating multidisciplinary approaches such as immunotherapy and neuromodulation to address the opioid crisis. These findings provide a roadmap for policymakers and researchers to mitigate the societal effects of fentanyl.
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 | 0,009 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,112 | 0,166 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».