目的基于Web of Science核心合集(WoSCC)数据库,利用文献计量学探讨机器学习在2型糖尿病(T2DM)研究领域的现状、热点和未来趋势。方法检索2010—2023年WoSCC的科学引文检索扩展版(SCIE)数据库中收录的关于机器学习与T2DM的研究论文。使...
详细信息
目的基于Web of Science核心合集(WoSCC)数据库,利用文献计量学探讨机器学习在2型糖尿病(T2DM)研究领域的现状、热点和未来趋势。方法检索2010—2023年WoSCC的科学引文检索扩展版(SCIE)数据库中收录的关于机器学习与T2DM的研究论文。使用Excel、CiteSpace、VOSviewer、R软件包"bibliometrix"和文献计量在线分析平台对发文量、国家、研究机构、作者、关键词及相关引文进行可视化分析。结果共纳入636篇文献。2021—2023年,机器学习在T2DM领域中的研究论文发文量急剧增加。美国是该领域中参与国际合作最多的国家。哈佛大学是研究论文发表数量最多的机构。共被引文献聚类标签显示了7个主要聚类:筛查、临床支持决策系统、糖尿病肾脏病、肠道微生物组、轻度认知障碍、医疗诊断及差异表达基因。关键词爆发分析表明,风险预测、预测模型、代谢组学和干预措施是研究强度较高的热点。结论机器学习在T2DM领域的相关研究活跃度日益增加。当前该领域的研究热点主要集中在T2DM的预测及筛查方面,而机器学习在T2DM管理措施的应用及对并发症预测的研究可能会成为未来的趋势。
目的探讨中晚期孕妇血清NOV/CCN3水平变化,并分析其与妊娠期糖尿病(gestational diabetes mellitus,GDM)及妊娠结局的关系。方法根据口服葡萄糖耐量实验(oral glucose tolerance test,OGTT)结果,将252例妊娠女性分为GDM组与对照组。根据妊娠前体质量指数水平及妊娠结局情况将GDM组进行分组。收集所有研究对象临床资料,比较组间一般资料、生化指标及NOV/CCN3水平的差异。结果GDM组血清NOV/CCN3水平高于对照组(P<0.001)。Spearman相关分析结果表明血清NOV/CCN3与妊娠前体质量、妊娠前体质量指数、胰岛素抵抗指数、总胆固醇呈正相关,与胰岛素敏感指数呈负相关(P<0.05)。logistic回归分析结果表明,NOV/CCN3是GDM发生的独立危险因素[OR=1.097,95%CI(1.020~1.179),P=0.013],且是GDM患者发生不良妊娠结局的独立危险因素[OR=1.032,95%CI(1.020~1.045),P<0.001],ROC分析结果显示曲线下面积(area under the curve,AUC)分别为0.840、0.784(P<0.05)。结论中晚期孕妇血清NOV/CCN3水平与肥胖、胰岛素抵抗及糖脂代谢相关,参与GDM发生发展,为评估中晚期孕妇发生GDM及GDM患者妊娠结局提供新的思路。
暂无评论