Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
Este análisis bibliométrico tuvo como objetivo mapear el panorama de investigación sobre la diabetes mellitus y la reprogramación metabólica (2016–2025) utilizando 6.864 artículos. Revela un crecimiento rápido, la principal producción de publicaciones en China, pero una influencia académica moderada, y un cambio hacia la microbiota intestinal, el aprendizaje automático y la integración multiómica.
La diabetes mellitus (DM) es una crisis global de salud pública. La reprogramación metabólica altera la producción de energía celular y desempeña un papel clave en la patogénesis de la DM, pero falta una visión sistemática de las tendencias de investigación, las redes de colaboración y las fronteras emergentes en este campo. Este estudio realizó un análisis bibliométrico de 6.864 artículos y revisiones en inglés publicados entre 2016 y 2025, recuperados de Web of Science, PubMed, Scopus y Embase. El flujo de trabajo analítico incluyó: (1) análisis anual de tendencias de publicaciones, (2) mapeo de colaboración por país/región e instituciones, (3) análisis de coautoría y co-citación entre autores y revistas, (4) co-citación de referencias y detección de ráfagas de ráfagas, y (5) análisis de tendencias por palabras clave y temas, utilizando tres herramientas de análisis bibliométrico. Las publicaciones anuales se mantuvieron por debajo de 800 de 2016 a 2024, pero superaron las 1.000 en 2025, lo que indica un rápido crecimiento. China contribuyó con la mayor parte de artículos (50%) y representó muchas de las principales instituciones, pero el análisis de centralidad mostró que Estados Unidos y los países europeos siguen liderando en influencia académica y generación de conocimiento. La estructura del conocimiento se basa en tres fundamentos fundamentales: resistencia a la insulina, estrés oxidativo y función mitocondrial. La investigación emergente se centra en la microbiota intestinal, el aprendizaje automático y la reprogramación metabólica. Los estallidos de palabras clave y los mapas de tendencias temáticas revelan un cambio de paradigma desde la observación estática de fenotipos hacia la medicina de sistemas dinámica e integrada con múltiples ómics. Hasta donde sabemos, ningún estudio bibliométrico previo se ha centrado específicamente en la intersección entre la DM y la reprogramación metabólica; Este estudio proporciona así el primer mapeo dedicado a este campo. Aunque China domina en volumen de publicaciones, las métricas centrales indican margen para una colaboración internacional más fuerte y un liderazgo académico. Los esfuerzos futuros deberían promover la cooperación interdisciplinar y apoyar la traducción de lo básico a clínico. Este estudio proporciona una referencia objetiva para la gestión de la investigación y la planificación estratégica.
Los rápidos cambios sociales en las últimas décadas han alterado significativamente los patrones nutricionales y los estilos de vida. Estos cambios han contribuido a un aumento constante de la prevalencia global de la diabetes mellitus (DM). Ante una crisis de salud pública en crecimiento, la DM y sus complicaciones asociadas suponen una grave amenaza para la salud de la población. Estas complicaciones incluyen enfermedades cardiovasculares y enfermedad renal terminal, entre otras. Reducen sustancialmente la calidad de vida de quienesse ven afectados 1. Actualmente clasificada como la novena causa de mortalidad a nivel mundial, la DM afecta aproximadamente a 1 de cada 11 adultos a nivelmundial. La DM es una enfermedad metabólica crónica causada principalmente por una producción insuficiente de insulina o por una respuesta alterada del cuerpo a la insulina, que conduce a niveles persistentemente altos de azúcaren sangre. La patogénesis de la DM y sus complicaciones es sumamente compleja, siendo los mecanismos relacionados con el metabolismo un foco principal de la investigación actual.
La reprogramación metabólica se refiere al proceso mediante el cual las células alteran sus vías metabólicas para aumentar la producción de energía, principalmente mediante la fosforilación oxidativa mitocondrial (OXPHOS) y laglucólisis 4. El ejemplo clásico de reprogramación metabólica es el "efecto Warburg", propuesto por primera vez por el profesor Otto Warburg en 1927. Observó que, incluso bajo condiciones adecuadas de oxígeno, las células tumorales pueden generar ATP medianteglucólisis 5. Más allá del cáncer, la reprogramación metabólica a través de estos procesos contribuye a la patogénesis de numerosas enfermedades, incluyendo el DM gestacional, la nefropatía diabética, la sepsis, la aterosclerosis, el ictus y la fibrosis hepática 4,6,7,8,9,10. La DM es un trastorno metabólico crónico caracterizado por hiperglucemia, resultante de distintos grados de resistencia a la insulina y una secreción de insulinadeficiente. La relación entre la reprogramación metabólica y la DM está bien establecida: el exceso de nutrientes conduce a un metabolismo lipídico anormal en el hígado y el músculo, promoviendo la resistencia a la insulina, mientras que las células β pancreáticas sufren alteraciones metabólicas y disfunción secretora debido a la lipotoxicidad, el estrés del retículo endoplásmico y la deposición amiloide, que en conjunto impulsan el inicio de la DM12.
En los últimos años, el rápido avance de las tecnologías unicelulares y los análisis multiómicos ha catalizado un cambio de paradigma importante en la investigación del metabolismo. El campo ha ido más allá de la observación estática hacia una investigación dinámica y mecanicista, abriendo nuevas oportunidades para clarificar la patogénesis de la DM e identificar posibles objetivos terapéuticos. Sin embargo, a pesar de este progreso, actualmente no existe una síntesis sistemática de las tendencias globales de investigación, los colaboradores clave ni las redes colaborativas. Una búsqueda preliminar en las principales bases de datos (PubMed, Web of Science, Scopus) utilizando términos relacionados con "diabetes mellitus" y "reprogramación metabólica" no identificó ningún estudio bibliométrico previo sobre este tema. Más importante aún, las revisiones narrativas, revisiones sistemáticas y metaanálisis existentes se han centrado en resumir mecanismos moleculares específicos o resultados clínicos, pero no han proporcionado un mapeo holístico y basado en datos de la evolución del campo, la estructura del conocimiento o las fronteras emergentes del campo. En consecuencia, la estructura actual del conocimiento en esta área sigue siendo en gran medida sin mapear. A diferencia de una revisión narrativa, que puede ser subjetiva y depender de la experiencia del autor, el análisis bibliométrico ofrece un método reproducible, cuantitativo e imparcial para captar patrones de publicación a gran escala, redes de colaboración y tendencias de investigación. En cambio, revela la estructura intelectual, social y conceptual de un campo de investigación a lo largo del tiempo. Por ello, el análisis bibliométrico puede mostrar qué ha estudiado un campo, quién ha contribuido, cómo fluye el conocimiento y hacia dónde se dirige. Sin embargo, es importante reconocer lo que este método no puede revelar. El análisis bibliométrico no evalúa la calidad o validez de los estudios individuales, ni puede evaluar la eficacia clínica o la causalidad mecanicista. También depende de la cobertura y precisión de las bases de datos subyacentes y puede pasar por alto literatura no inglesa, preprints o revistas emergentes. Así, el análisis bibliométrico sirve como una herramienta de mapeo a nivel macro que complementa, en lugar de reemplazar, los métodos tradicionales de síntesis de evidencia.
Hasta donde sabemos, ningún estudio bibliométrico previo se ha centrado específicamente en la intersección entre la DM y la reprogramación metabólica. El estudio pretende aprovechar los datos de la literatura científica a gran escala para descubrir sistemáticamente la evolución, la base intelectual, la dinámica de los puntos críticos y las fronteras emergentes en este área de investigación. Se espera que los hallazgos proporcionen una base objetiva y perspectivas estratégicas para el avance científico futuro y la planificación de la investigación.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Fuente de datos y estrategia de búsqueda
Para mejorar la cobertura y reducir el sesgo de fuentes de la literatura, se buscaron en cuatro bases de datos electrónicas: Web of Science (incluyendo la Web of Science Core Collection, WoSCC), PubMed, Scopus y Embase. El periodo de publicación se limitó al 1 de enero de 2016 al 31 de diciembre de 2025. Solo se incluyeron artículos de investigación originales y artículos de revisión escritos en inglés. Los términos de búsqueda se centraban en dos conceptos: "diabetes mellitus" (DM) y "reprogramación metabólica". Las estrategias de búsqueda y todos los criterios de exclusión utilizados durante el proceso de selección se resumen en la Figura 1.
Las cadenas exactas de búsqueda utilizadas para cada base de datos se proporcionan a continuación:
Web of Science (WoSCC):
TS=((diabetes O "diabetes mellitus" O "diabetes tipo 1" O "diabetes tipo 2") Y ("reprogramación metabólica" O "remodelación metabólica" O "metabolismo de glucosa" O "efecto Warburg" O "metabolismo celular" O "disfunción mitocondrial"))
*Filtros: Años de publicación: 2016-2025; Tipos de documentos: Artículo, Revisión; Idioma: inglés.*
PubMed:
("diabetes mellitus"[Título/Resumen] O "diabetes tipo 2"[Título/Resumen] O "diabetes tipo 1"[Título/Resumen] O "T2DM"[Título/Resumen] O "T1DM"[Título/Resumen]) Y ("reprogramación metabólica"[Título/Resumen] O "reprogramación metabólica"[Título/Resumen] O "remodelación metabólica"[Título/Resumen] O "efecto Warburg"[Título/Resumen] O "metabolismo celular"[Título/Resumen] O "metabolismo celular"[Título/Resumen] O "disfunción mitocondrial"[Título/Resumen])
*Filtros: Fecha de publicación: 01/01/2016 – 31/12/2025; Tipo de artículo: Artículo, Reseña; Idioma: inglés.*
Scopus:
TÍTULO-ABS-CLAVE ("diabetes mellitus" O "diabetes" O "diabetes tipo 1" O "diabetes tipo 2" O "T1DM" O "T2DM") Y TÍTULO-ABS-CLAVE ("reprogramación metabólica" O "reprogramación metabólica" O "disfunción mitocondrial" O "remodelación metabólica" O "efecto Warburg")
*Filtros: Año de publicación: 2016-2025; Tipo de documento: Artículo, Reseña; Idioma: inglés.*
Embase:
('diabetes mellitus'/exp O 'diabetes mellitus':ab,ti O 'diabetes tipo 2':ab,ti O 'diabetes tipo 1':ab,ti) Y ('reprogramación metabólica':ab,ti O 'reprogramación metabólica':ab,ti O 'efecto Warburg': ab,ti O 'remodelación metabólica':ab,ti)
*Filtros: Año de publicación: 2016-2025; Tipos de documentos: Artículo, Revisión; Idioma: inglés.*
Todos los criterios de exclusión utilizados durante el proceso de selección se resumen en la Figura 1. Los registros recuperados de cada base de datos se exportaban en formato de texto plano, incluyendo información bibliográfica completa (título, autores, revista, año de publicación, resumen, palabras clave y referencias citadas).
Deduplicación y proceso manual de selección
Para garantizar la reproducibilidad, se adoptó un proceso de deduplicación y selección manual por etapas: primero, todos los archivos de texto plano exportados desde las cuatro bases de datos se importaban al software de gestión de referencias, y la deduplicación automática se realizaba usando la función "Referencias > Encontrar Duplicados"; luego, los registros deduplicados se exportaban al formato Excel usando el estilo de exportación "Mostrar todos los campos" y se filtraban manualmente según títulos y resúmenes. Los criterios de inclusión fueron artículos originales de investigación o revisión que abordaban claramente la diabetes (de cualquier tipo) y la reprogramación metabólica (incluyendo glucólisis, fosforilación oxidativa, el efecto Warburg o adaptación metabólica mitocondrial), escritos en inglés. Los criterios de exclusión incluían editoriales, cartas al director, resúmenes de congresos, informes de casos, estudios en animales no relacionados con humanos y estudios centrados únicamente en el síndrome metabólico sin abordar la diabetes. En total, se incluyeron 6.864 registros en el análisis bibliométrico (Archivo Suplementario 1).
Software y metodologías para el análisis bibliométrico
Este estudio empleó tres herramientas de análisis bibliométrico (Tabla de Materiales) para examinar sistemáticamente autores, instituciones, fuentes, títulos, palabras clave, referencias citadas y otra información detallada de los artículos. Los datos en bruto de los 6.864 estudios (Archivo Suplementario 1) sirvieron como entrada para las tres herramientas de software. Bibliometric software #1 es una herramienta de software libre basada en Java que ayuda a los investigadores a analizar, visualizar e interpretar literatura académica, redes de conocimiento, relaciones colaborativas y puntos clave de investigación13. El software bibliométrico #2 es una herramienta de visualización para bibliometría científica y mapeo del conocimiento, empleada principalmente para revelar tendencias de desarrollo, puntos críticos de investigación y redes colaborativas en camposacadémicos 14. El software bibliométrico #3 es un paquete R para análisis cieniométrico y mapeo de conocimiento, utilizado para importar, analizar y visualizar datos bibliográficos15. Los procedimientos operativos detallados y los ajustes de parámetros específicos para cada software se proporcionan en la Tabla de Materiales.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Análisis de las tendencias de publicación (2016-2025)
Entre 2016 y 2025, se identificaron un total de 6.864 publicaciones centradas en la DM y la reprogramación metabólica, a lo largo de un periodo de 10 años. La Figura 2A ilustra las tendencias anuales de publicación en este campo de investigación. Entre 2016 y 2024, la producción anual se mantuvo por debajo de los 800 artículos. En 2025, la cifra superó los 1.000 por primera vez. A fech...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio traza sistemáticamente la estructura intelectual, social y conceptual de este campo emergente durante la última década. Basándose en 6.864 publicaciones recuperadas de cuatro bases de datos, los hallazgos revelan un rápido crecimiento de la producción anual, un papel dominante pero moderadamente centralizado para China en volumen de publicaciones, y una estructura de conocimiento centrada en la resistencia a la insulina, el estrés oxidativo y la función mitocondrial. Las fro...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores declaran que no tienen intereses financieros en competencia ni relaciones personales conocidas que pudieran haber influido en el trabajo reportado en este artículo.
Este trabajo contó con el apoyo de la Comisión Provincial de Salud de Jilin (2024A070) y la Oficina de Ciencia y Tecnología de la ciudad de Jilin (20230406225).
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| VOSviewer (versión 1.6.20) | Centre for Science and Technology Studies (CWTS), Leiden University, Netherlands | https://www.vosviewer.com/ | Ruta del menú para el análisis de coautoría: Crear > Crear un mapa basado en datos bibliográficos > Leer datos de archivos de base de datos bibliográfica > Seleccionar archivos TXT > Tipo de análisis: Coautoría > Unidad de análisis: Autores (u Organizaciones) > Método de conteo: Recuento completo > Número mínimo de documentos: 5 > Número de elementos para seleccionar: hasta 1000 > Hacer clic en “Siguiente” > Verificar elementos seleccionados > Hacer clic en “Crear mapa” > Elegir parámetros de visualización (atracción=2, repulsión=0, resolución de clústeres=1.00) > Guardar como.png o.txt. Ruta del menú para el análisis de cocitación: Crear > Crear un mapa basado en datos bibliográficos > Tipo de análisis: Cocitación > Unidad de análisis: Referencias citadas > Número mínimo de citas: 10 > Los pasos restantes son iguales que los de arriba. |
| CiteSpace (versión 6.3.R1) | Chaomei Chen, Drexel University, USA | https://citespace.podia.com/ | Después de ejecutar el análisis seleccionando Palabra clave o Referencia citada en los Tipos de nodo, haz clic en Burstness y establece el parámetro Top N en 20 para detectar las 20 palabras clave de mayor frecuencia o referencias en bruto con las mayores frecuencias o recuentos de citas. |
| bibliometrix (versión 4.1.2) | Massimo Aria y Corrado Cuccurullo; paquete R | https://www.bibliometrix.org/ | En RStudio, ejecuta library(bibliometrix) y biblioshiny(); en la interfaz web de biblioshiny abierta, realiza las siguientes operaciones secuencialmente: importar datos a través de “Datos > Importar” seleccionando el archivo, estableciendo el formato en “RIS” o “BibTeX”, luego haciendo clic en “Convertir” seguido de “Iniciar”; generar producción científica anual a través de “Análisis Descriptivo > Producción Científica Anual > Generar”; generar la red de colaboración por país a través de "Colaboración > Red de Colaboración por País > Generar"; generar un mapa temático a través de "Conceptual > Mapa Temático" estableciendo la frecuencia mínima de palabras en 5 y el número de clústeres en 3, luego haciendo clic en "Generar"; generar un gráfico de palabras clave en bruto a través de “Conceptual > Palabra clave en bruto > ReferencePublicationYearSpectra > Generar” |