Scientometric analysis of studies on malignant hyperthermia and associated genes: international and Brazilian research trends
Notice bibliographique
Résumé
A Hipertermia Maligna (HM) é uma síndrome rara e potencialmente fatal que pode ocorrer durante a anestesia geral. Estudos têm investigado a relação entre a HM e os genes associados, visando à identificação precoce de mutações genéticas específicas. Para mapear tendências, colaborações e áreas que precisam de mais atenção e recursos na pesquisa em HM, a análise cienciométrica é uma ferramenta útil. O objetivo deste estudo foi analisar artigos científicos completos publicados em português ou inglês sobre hipertermia maligna e genes associados. Foram levantados dados bibliográficos de artigos completos indexados na base de dados do Scopus entre 1969 e 2021. Foram identificados 1002 artigos completos que atenderam ao objetivo da pesquisa. Houve um aumento anual de 7,6% na produção de artigos completos a partir de 1990. O periódico ANESTHESIOLOGY foi responsável por 4,7% das publicações e considerado pela American Society of Anesthesiologists como o principal na área. Os periódicos NATURE GENETICS, CELL e SCIENCE foram os mais citados. O gene RYR1 foi o mais associado à HM, seguido por RYR2, CACNA1S e STAC3. A Universidade de Toronto foi a instituição coautora mais presente nos artigos. As palavras-chave mais frequentes foram "Hipertermia Maligna", "RYR1" e "Mutação". O Brasil teve uma participação de 2,8% em 1002 artigos sobre Hipertermia Maligna analisados. A falta de financiamento público para pesquisas científicas foi percebida como um fato que afetar negativamente a qualidade e quantidade de estudos, incluindo a pesquisa em doenças raras como a Hipertermia Maligna. O Brasil tem um potencial enorme para contribuir para a pesquisa em Hipertermia Maligna e outras doenças raras devido à sua diversidade genética e étnica. Para continuar avançando na pesquisa em doenças raras, é necessário um compromisso firme do governo em financiar e apoiar a ciência no país, fortalecer programas de formação de recursos humanos em ciência e tecnologia e promover a integração entre instituições de pesquisa e a indústria.
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 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,059 | 0,093 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».