È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo di ricerca
Questa analisi bibliometrica mirava a mappare il panorama della ricerca sul diabete mellito e sulla riprogrammazione metabolica (2016–2025) utilizzando 6.864 articoli. Rivela una rapida crescita, la principale produzione di pubblicazioni cinesi, ma una moderata influenza accademica e uno spostamento verso il microbiota intestinale, il machine learning e l'integrazione multi-omica.
Il diabete mellito (DM) è una crisi globale di salute pubblica. La riprogrammazione metabolica modifica la produzione di energia cellulare e gioca un ruolo chiave nella patogenesi della DM, tuttavia manca una panoramica sistematica delle tendenze di ricerca, delle reti di collaborazione e delle frontiere emergenti in questo campo. Questo studio ha effettuato un'analisi bibliometrica di 6.864 articoli e recensioni in lingua inglese pubblicati tra il 2016 e il 2025, recuperati da Web of Science, PubMed, Scopus ed Embase. Il flusso di lavoro analitico includeva: (1) analisi annuale delle tendenze delle pubblicazioni, (2) mappatura della collaborazione tra paesi e regioni e istituzioni, (3) analisi della co-autoria e co-citazione tra autori e riviste, (4) co-citazione di riferimenti e rilevamento di burst, e (5) analisi delle tendenze per parole chiave e argomenti, utilizzando tre strumenti di analisi bibliometrica. Le pubblicazioni annuali sono rimaste sotto le 800 dal 2016 al 2024, ma hanno superato le 1.000 nel 2025, indicando una rapida crescita. La Cina ha contribuito con la quota più grande di articoli (50%) e ha rappresentato molte delle istituzioni di vertice, eppure l'analisi di centralità ha mostrato che gli Stati Uniti e i paesi europei sono ancora in testa nell'influenza accademica e nella generazione di conoscenza. La struttura della conoscenza si basa su tre fondamenta fondamentali: resistenza all'insulina, stress ossidativo e funzione mitocondriale. Le ricerche emergenti si concentrano sul microbiota intestinale, sull'apprendimento automatico e sulla riprogrammazione metabolica. Le esplosioni di parole chiave e le mappe di tendenza tematiche rivelano un cambiamento di paradigma dall'osservazione statica del fenotipo a una medicina sistemica dinamica e integrata con multi-omiche. Per quanto ne sappiamo, nessuno studio bibliometrico precedente si è concentrato specificamente sull'intersezione tra DM e riprogrammazione metabolica; Questo studio fornisce quindi la prima mappatura dedicata a questo campo. Sebbene la Cina domini per volume di pubblicazioni, le metriche di centralità indicano spazio a una collaborazione internazionale più forte e a una leadership accademica. Gli sforzi futuri dovrebbero promuovere la cooperazione interdisciplinare e sostenere la traduzione da base a clinica. Questo studio fornisce un riferimento oggettivo per la gestione della ricerca e la pianificazione strategica.
I rapidi cambiamenti sociali degli ultimi decenni hanno modificato in modo significativo i modelli nutrizionali e gli stili di vita. Questi cambiamenti hanno contribuito a un costante aumento della prevalenza globale del diabete mellito (DM). Poiché una crisi sanitaria pubblica in crescita, la DM e le sue complicazioni associate rappresentano una seria minaccia per la salute della popolazione. Queste complicazioni includono malattie cardiovascolari e malattie renali terminali, tra le altre. Riducono sostanzialmente la qualità della vita di chi ne ècolpito 1. Attualmente classificata come la nona causa di mortalità a livello mondiale, la DM colpisce circa 1 adulto su 11 a livelloglobale. La DM è una malattia metabolica cronica causata principalmente da una produzione insufficiente di insulina o da una risposta compromessa dell'organismo all'insulina, che porta a livelli di zucchero nel sangue persistenti3. La patogenesi della DM e le sue complicazioni sono altamente complesse, con meccanismi legati al metabolismo che restano un importante focus della ricerca attuale.
La riprogrammazione metabolica si riferisce al processo attraverso cui le cellule modificano i loro percorsi metabolici per aumentare la produzione di energia, principalmente attraverso la fosforilazione ossidriale mitocondriale (OXPHOS) e laglicolisi 4. L'esempio classico di riprogrammazione metabolica è l'"effetto Warburg", proposto per la prima volta dal professor Otto Warburg nel 1927. Ha osservato che anche in condizioni di ossigeno adeguate, le cellule tumorali possono generare ATP tramiteglicolisi 5. Oltre al cancro, la riprogrammazione metabolica attraverso questi processi contribuisce alla patogenesi di numerose malattie, tra cui la DM gestazionale, la nefropatia diabetica, la sepsi, l'aterosclerosi, l'ictus e la fibrosiepatica 4,6,7,8,9,10. La DM è un disturbo metabolico cronico caratterizzato da iperglicemia, derivante da diversi gradi di resistenza all'insulina e da secrezioneinsulinica compromessa 11. Il legame tra riprogrammazione metabolica e DM è ben stabilito: l'eccesso di nutrienti porta a un metabolismo anomalo dei lipidi nel fegato e nel muscolo, favorendo la resistenza all'insulina, mentre le cellule β pancreatiche subiscono disturbi metabolici e disfunzioni secretorie dovute a lipotossicità, stress del reticolo endoplasmatico e deposizione amiloide, che insieme guidano l'insorgenza della DM12.
Negli ultimi anni, il rapido progresso delle tecnologie a singola cellula e delle analisi multi-omiche ha catalizzato un importante cambiamento di paradigma nella ricerca sul metabolismo. Il campo si è spostato oltre l'osservazione statica verso un'indagine dinamica e meccanicistica, aprendo nuove opportunità per chiarire la patogenesi della DM e identificare potenziali bersagli terapeutici. Nonostante questi progressi, tuttavia, attualmente non esiste una sintesi sistematica delle tendenze globali della ricerca, dei contributori chiave e delle reti collaborative. Una ricerca preliminare nei principali database (PubMed, Web of Science, Scopus) utilizzando termini relativi a "diabete mellito" e "riprogrammazione metabolica" non ha rilevato studi bibliometrici precedenti su questo argomento. Ancora più importante, le revisioni narrative esistenti, le revisioni sistematiche e le meta-analisi si sono concentrate sul riassunto di specifici meccanismi molecolari o risultati clinici, ma non hanno fornito una mappatura olistica e basata sui dati dell'evoluzione, della struttura della conoscenza o delle frontiere emergenti del campo. Di conseguenza, la struttura attuale della conoscenza in quest'area rimane in gran parte inesplorata. A differenza di una revisione narrativa, che può essere soggettiva e dipendente dall'esperienza dell'autore, l'analisi bibliometrica offre un metodo riproducibile, quantitativo e imparziale per catturare modelli di pubblicazione su larga scala, reti di collaborazione e tendenze di ricerca. Al contrario, rivela la struttura intellettuale, sociale e concettuale di un campo di ricerca nel tempo. Di conseguenza, l'analisi bibliometrica può mostrare cosa ha studiato un campo, chi ha contribuito, come fluisce la conoscenza e dove sta andando. Tuttavia, è importante riconoscere ciò che questo metodo non può rivelare. L'analisi bibliometrica non valuta la qualità o la validità dei singoli studi, né può valutare l'efficacia clinica o la causalità meccanicistica. Dipende anche dalla copertura e accuratezza dei database sottostanti e può trascurare letteratura non inglese, preprint o riviste emergenti. Pertanto, l'analisi bibliometrica funge da strumento di mappatura a livello macro che integra, piuttosto che sostituire, i metodi tradizionali di sintesi delle evidenze.
Per quanto ne sappiamo, nessuno studio bibliometrico precedente si è concentrato specificamente sull'intersezione tra DM e riprogrammazione metabolica. Lo studio mira a sfruttare i dati della letteratura scientifica su larga scala per scoprire sistematicamente l'evoluzione, le basi intellettuali, le dinamiche dei hotspot e le frontiere emergenti in quest'area di ricerca. I risultati dovrebbero fornire una base oggettiva e intuizioni strategiche per il progresso scientifico futuro e la pianificazione della ricerca.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Sorgente dei dati e strategia di ricerca
Per migliorare la copertura e ridurre il bias di sorgente della letteratura, sono stati ricercati quattro database elettronici: Web of Science (incluso il Web of Science Core Collection, WoSCC), PubMed, Scopus ed Embase. Il periodo di pubblicazione è stato limitato al 1° gennaio 2016 al 31 dicembre 2025. Sono stati inclusi solo articoli di ricerca originali e di revisione scritti in inglese. I termini di ricerca si concentravano su due concetti: "diabete mellito" (DM) e "riprogrammazione metabolica". Le strategie di ricerca e tutti i criteri di esclusione utilizzati durante il processo di selezione sono riassunti nella Figura 1.
Le stringhe di ricerca esatte utilizzate per ogni database sono fornite di seguito:
Web of Science (WoSCC):
TS=((diabete O "diabete mellito" O "diabete di tipo 1" O "diabete di tipo 2") E ("riprogrammazione metabolica" O "rimodellamento metabolico" O "metabolismo del glucosio" O "effetto Warburg" O "metabolismo cellulare" O "disfunzione mitocondriale"))
*Filtri: Anni di pubblicazione: 2016-2025; Tipi di documenti: Articolo, Recensione; Lingua: inglese.*
PubMed:
("diabete mellitus"[Titolo/Abstract] O "diabete di tipo 2"[Titolo/Abstract] OPPURE "diabete di tipo 1"[Titolo/Abstract] O "T2DM"[Titolo/Abstract] O "T1DM"[Titolo/Abstract]) E ("riprogrammazione metabolica"[Titolo/Abstract] O "reprogrammazione metabolica"[Titolo/Abstract] OPPURE "rimodellazione metabolica"[Titolo/Abstract] O "effetto Warburg"[Titolo/Abstract] OPPURE "cellular metabolism"[Titolo/Abstract] OPPURE "cellular metabolism"[Titolo/Abstract] OPPURE "disfunzione mitocondriale"[Titolo/Abstract])
*Filtri: Data di pubblicazione: 01/01/2016 – 31/12/2025; Tipo di articolo: Articolo, Recensione; Lingua: inglese.*
Scopus:
TITOLO-TASTA-AD-TASSO("diabete mellito" O "diabete" O "diabete di tipo 1" O "diabete tipo 2" O "T1DM" O "T2DM") E TITOLO-TASTA-AD-("riprogrammazione metabolica" O "riprogrammazione metabolica" O "disfunzione mitocondriale" O "rimodellamento metabolico" O "effetto Warburg")
*Filtri: Anno di pubblicazione: 2016-2025; Tipo di documento: Articolo, Recensione; Lingua: inglese.*
Embase:
('diabete mellito'/exp O 'diabete mellito': ab,ti O 'diabete di tipo 2': ab,ti O 'diabete di tipo 1':ab,ti) E ('riprogrammazione metabolica':ab,ti O 'riprogrammazione metabolica':ab,ti O 'effetto Warburg': ab,ti O 'rimodellamento metabolico':ab,ti)
*Filtri: Anno di pubblicazione: 2016-2025; Tipi di documenti: Articolo, Recensione; Lingua: inglese.*
Tutti i criteri di esclusione utilizzati durante il processo di selezione sono riassunti nella Figura 1. I record recuperati da ogni database venivano esportati in formato testo semplice, includendo informazioni bibliografiche complete (titolo, autori, rivista, anno di pubblicazione, abstract, parole chiave e riferimenti citati).
Deduplicazione e processo di selezione manuale
Per garantire la riproducibilità, è stato adottato un processo di deduplicazione graduale e screening manuale: innanzitutto, tutti i file di testo semplice esportati dai quattro database venivano importati nel software di gestione dei riferimenti, e la deduplicazione automatica veniva eseguita utilizzando la funzione "Riferimenti > trova duplicati"; poi, i record deduplicati venivano esportati in formato Excel usando lo stile di esportazione "Mostra tutti i campi" e controllati manualmente in base a titoli e abstract. I criteri di inclusione erano articoli di ricerca o revisione originali che affrontavano chiaramente il diabete (di qualsiasi tipo) e la riprogrammazione metabolica (inclusa glicolisi, fosforilazione ossidativa, l'effetto Warburg o l'adattamento metabolico mitocondriale), scritti in inglese. I criteri di esclusione includevano editoriali, lettere al direttore, abstract di conferenze, rapporti di casi, studi su animali non correlati all'uomo e studi focalizzati esclusivamente sulla sindrome metabolica senza affrontare il diabete. In totale, 6.864 record furono inclusi nell'analisi bibliometrica (Supplementary File 1).
Software e metodologie per l'analisi bibliometrica
Questo studio ha utilizzato tre strumenti di analisi bibliometrica (Tabella dei Materiali) per esaminare sistematicamente autori, istituzioni, fonti, titoli, parole chiave, riferimenti citati e altre informazioni dettagliate tratte dagli articoli. I dati grezzi dei 6.864 studi (File Supplementare 1) hanno fornito come input per tutti e tre gli strumenti software. Il software bibliometrico #1 è uno strumento software libero basato su Java che aiuta i ricercatori nell'analisi, visualizzazione e interpretazione della letteratura accademica, delle reti di conoscenza, delle relazioni collaborative e dei punti di riferimento della ricerca13. Il software bibliometrico #2 è uno strumento di visualizzazione per la bibliometria scientifica e la mappatura della conoscenza, utilizzato principalmente per rivelare tendenze di sviluppo, punti caldi di ricerca e reti collaborative nei campiaccademici 14. Il software bibliometrico #3 è un pacchetto R per l'analisi scientometrica e la mappatura della conoscenza, utilizzato per importare, analizzare e visualizzare datibibliografici 15. Le procedure operative dettagliate e le impostazioni specifiche dei parametri per ciascun software sono fornite nella Tabella dei Materiali.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Analisi delle tendenze di pubblicazione (2016-2025)
Dal 2016 al 2025 sono state identificate in totale 6.864 pubblicazioni focalizzate sulla DM e sulla riprogrammazione metabolica, distribuite in un periodo di 10 anni. La Figura 2A illustra le tendenze annuali di pubblicazione in questo campo di ricerca. Tra il 2016 e il 2024, la produzione annuale è rimasta sotto gli 800 articoli. Nel 2025, il numero ha superato per la prima volta i 1.00...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Questo studio mappa sistematicamente la struttura intellettuale, sociale e concettuale di questo campo emergente nell'ultimo decennio. Sulla base di 6.864 pubblicazioni recuperate da quattro database, i risultati rivelano una rapida crescita della produzione annuale, un ruolo dominante ma moderatamente centralizzato per la Cina nel volume di pubblicazioni e una struttura di conoscenza incentrata sulla resistenza all'insulina, lo stress ossidativo e la funzione mitocondriale. Le frontiere...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Gli autori dichiarano di non avere interessi finanziari o relazioni personali note che possano aver influenzato il lavoro riportato in questo articolo.
Questo lavoro è stato sostenuto dalla Commissione Sanitaria Provinciale di Jilin (2024A070) e dall'Ufficio Scienza e Tecnologia della città di Jilin (20230406225).
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| VOSviewer (versione 1.6.20) | Centre for Science and Technology Studies (CWTS), Leiden University, Paesi Bassi | https://www.vosviewer.com/ | Percorso di menu per l'analisi della co-autorevolezza: Creare > Creare una mappa basata sui dati bibliografici > Leggere i dati dai file della banca dati bibliografica > Selezionare i file TXT > Tipo di analisi: Co-autorevolezza > Unità di analisi: Autori (o Organizzazioni) > Metodo di conteggio: Conteggio completo > Numero minimo di documenti: 5 > Numero di elementi da selezionare: fino a 1000 > Fare clic su “Avanti” > Verificare gli elementi selezionati > Fare clic su “Crea mappa” > Scegliere i parametri di visualizzazione (attrazione=2, repulsione=0, risoluzione del cluster=1.00) > Salvare come.png o.txt. Percorso di menu per l'analisi di co-citazione: Creare > Creare una mappa basata sui dati bibliografici > Tipo di analisi: Co-citazione > Unità di analisi: Riferimenti citati > Numero minimo di citazioni: 10 > I passaggi rimanenti sono uguali a quelli di cui sopra. |
| CiteSpace (versione 6.3.R1) | Chaomei Chen, Drexel University, USA | https://citespace.podia.com/ | Dopo aver eseguito l'analisi selezionando Parola chiave o Riferimento citato nei Tipi di nodo, cliccare su Burstness e impostare il parametro Top N a 20 per rilevare le prime 20 parole chiave o riferimenti con le frequenze o i conteggi di citazioni più elevati. |
| bibliometrix (versione 4.1.2) | Massimo Aria e Corrado Cuccurullo; pacchetto R | https://www.bibliometrix.org/ | In RStudio, eseguire library(bibliometrix) e biblioshiny(); nell'interfaccia web biblioshiny aperta, eseguire le seguenti operazioni in sequenza: importare i dati tramite “Dati > Importa” selezionando il file, impostando il formato su “RIS” o “BibTeX”, quindi cliccando su “Converti” seguito da “Avvia”; generare la produzione scientifica annuale tramite “Analisi descrittiva > Produzione scientifica annuale > Genera”; generare la rete di collaborazione tra paesi tramite "Collaborazione > Rete di collaborazione tra paesi > Genera"; generare una mappa tematica tramite "Concettuale > Mappa tematica" impostando la frequenza minima delle parole a 5 e il numero di cluster a 3, quindi cliccando su "Genera"; generare un grafico di burst delle parole chiave tramite “Concettuale > Burst delle parole chiave > ReferencePublicationYearSpectra > Genera” |