Artigo de investigação

Mapeando o Cenário do Conhecimento sobre Distúrbios Musculares na Artrite Reumatoide: Um Estudo Bibliométrico e Bioinformático

198 vistas

⸱

DOI:

10.3791/70373

⸱

21 de abril de 2026

 ,  ,  , 
1Department of TCM Rheumatology, China-Japan Friendship Hospital, 2School of Acupuncture-Moxibustion and Tuina, Beijing University of Chinese Medicine, 3Department of Integrated TCM and Western Medicine for Pulmonary Diseases, China-Japan Friendship Hospital

Neste artigo

Resumo

Este estudo utiliza análise bibliométrica para delinear o cenário atual de pesquisa sobre distúrbios musculares associados à artrite reumatoide e, além disso, utiliza abordagens bioinformáticas para investigar genes compartilhados e vias enriquecidas entre artrite reumatoide e miosite.

Resumo

Este estudo realizou uma análise bibliométrica de publicações relacionadas à comorbidade entre artrite reumatoide (AR) e Distúrbios Musculares, obtidas do banco de dados Web of Science Core Collection entre 1º de janeiro de 2015 e 31 de dezembro de 2024. Ao examinar características-chave dos artigos publicados, o estudo buscou identificar pontos críticos globais de pesquisa nessa área. Utilizando ferramentas como VOSviewer, CiteSpace, Scimago Graphic e Excel, foi realizada uma análise visual do panorama de pesquisa. A análise revelou que a produção anual de publicações nesse domínio apresentou uma flutuação cíclica. Os Estados Unidos lideraram em total de publicações, seguidos pela China. As instituições editoras formaram redes colaborativas regionais com efeitos significativos de radiação. O Instituto Karolinska e o Hospital Universitário Karolinska, na Suécia, ficaram em primeiro e segundo lugares, com 50 e 30 publicações, respectivamente. Em relação a tópicos específicos de pesquisa, a análise de clusters de palavras-chave identificou 12 agrupamentos temáticos, incluindo miosite, fator de necrose tumoral e metabolismo. Considerando que a miosite é um ponto crítico de pesquisa na comorbidade de AR e distúrbios musculares, utilizamos ainda o GeneCards para analisar a correlação entre AR e miosite em termos de expressão gênica e vias, apresentando os resultados de forma gráfica. A triagem GeneCards identificou 359 genes compartilhados. A análise de redes de interação proteína-proteína revelou que genes como TNF, IL6 e IFNG ocupam posições centrais. A análise de enriquecimento KEGG indicou que as vias de sinalização TNF, JAK-STAT e IL-17 desempenham papéis críticos.

Introdução

Artrite Reumatoide (AR) é um distúrbio inflamatório autoimune crônico caracterizado por envolvimento simétrico das articulações, com prevalência global de aproximadamente 0,5–1%1,2. O mecanismo patológico central da AR envolve uma ativação aberrante do sistema imunológico, levando à inflamação persistente da membrana sinovial e a uma cascata de alterações patológicas articulares 3,4,5. Embora a sinóvia seja o principal alvo da AR, a doença frequentemente é acompanhada por várias manifestações sistêmicas, incluindo doenças cardiovasculares, osteoporose e distúrbios musculares 6,7,8,9. Entre elas, alterações musculares relacionadas à AR, como atrofia muscular, redução da força muscular e miosite, surgiram gradualmente como um foco de pesquisa nos últimos anos. Essas complicações não apenas agravam o comprometimento funcional e diminuem a qualidade de vida, mas também influenciam o prognóstico da doença e a resposta aotratamento 10,11,12,13. Embora distúrbios musculares sejam clinicamente prevalentes entre pacientes com AR, as condições específicas dos pontos críticos ainda não estão claras, e os mecanismos moleculares comórbidos subjacentes ainda precisam ser elucidados sistematicamente. Além disso, as tendências globais de pesquisa e a estrutura do conhecimento nessa área justificam uma investigação sistemática adicional14.

Na última década, avanços significativos foram feitos em pesquisas sobre distúrbios musculares relacionados à AR, impulsionados por avanços em terapias biológicas, tratamentos direcionados e medicina de reabilitação 15,16,17. No entanto, ainda falta uma análise abrangente da mudança de foco da pesquisa, das redes colaborativas e da evolução dos temas centrais dentro da comunidade acadêmica. A bibliometria, um método quantitativo para análise da literatura acadêmica, pode revelar tendências de pesquisa, contribuições de países e instituições, pontos críticos de palavras-chave e dinâmicas interdisciplinares dentro de um campoespecífico 18. Técnicas de visualização, como redes de coocorrência e análise de agrupamento, oferecem ainda mais insights intuitivos sobre a evolução das estruturas do conhecimento. A análise bioinformática permite a mineração aprofundada de dados biológicos para revelar potencial patogênese da doença e caminhos regulatórios chave em nível molecular. A integração dessas duas abordagens facilita a construção de um arcabouço de pesquisa abrangente, que abrange desde mapas de conhecimento macroscópicos até redes moleculares microscópicas, proporcionando assim novas perspectivas multidimensionais para compreender a patogênese dos distúrbios musculares associados à AR e identificar potenciais alvos de intervenção.

Baseado no banco de dados Web of Science, este estudo utiliza ferramentas bibliométricas incluindo VOSviewer, CiteSpace, Scimago Graphic e Excel para analisar sistematicamente o volume anual de publicações, contribuições nacionais e institucionais, coocorrência de palavras-chave e tendências temáticas emergentes no campo da AR associadas a distúrbios musculares. Além disso, o banco de dados GeneCards foi utilizado para analisar genes compartilhados e vias enriquecidas associadas tanto à miosite quanto à AR. Os resultados visam fornecer novos insights sobre a exploração mecanicista, intervenção clínica e colaboração interdisciplinar em relação a distúrbios musculares associados à AR.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

O fluxo de trabalho geral deste estudo é ilustrado na Figura 1, que descreve as etapas sequenciais de busca bibliográfica, análise bibliométrica, identificação de genes compartilhados, construção da rede de interação proteína-proteína e análise de enriquecimento de vias.

Estratégia de busca bibliográfica
A busca bibliográfica foi realizada em 22 de junho de 2025, no banco de dados Web of Science (WOS) CoreCollection 19. A busca foi limitada ao Science Citation Index Expanded (SCI-Expanded) e Social Sciences Citation Index (SSCI), abrangendo publicações de 1º de janeiro de 2015 a 31 de dezembro de 2024. Os termos específicos de busca e o número correspondente de resultados são fornecidos na Tabela 1. Após a busca inicial, tipos de documentos como resumos de reuniões, artigos de conferências, materiais editoriais, capítulos de livros e publicações retratadas foram excluídos. Posteriormente, apenas registros em inglês e dos tipos "Artigo" ou "Artigo de Revisão" foram mantidos para análise posterior.

Análise bibliométrica
A análise e visualização bibliométrica requerem o suporte de ferramentas de software específicas, cujos detalhes são fornecidos na Tabela de Materiais. Este estudo tem como objetivo construir um mapa de conhecimento do campo de pesquisa interdisciplinar que conecta miosite e artrite reumatoide. O escopo analítico abrange análise de tendências de publicação na última década, padrões de colaboração internacional e redes colaborativas, influência acadêmica entre instituições/periódicos/autores, palavras-chave centrais que refletem pontos críticos de pesquisa e análise de redes de citações.

Os dados anuais de contagem de publicações foram inicialmente exportados do banco de dados Web of Science e usados para gerar gráficos estatísticos ilustrando tendências de publicação. Os dados da literatura recuperados foram então importados para o software VOSviewer para análise: dentro do módulo "Coautoria", opções para "Autores", "Organizações" e "Países" foram selecionadas sequencialmente para gerar redes de colaboração com autores, redes institucionais e redes de colaboração entre países, respectivamente; dentro do módulo "Citação", a opção "Fontes" foi selecionada para criar redes de colaboração com periódicos; dentro do módulo "Co-citação", "Fontes Citadas" e "Autores Citados" foram escolhidos para obter redes de colaboração com periódicos citados e redes de colaboração com autores citados. Para visualizar de forma mais intuitiva as relações colaborativas internacionais, a rede de colaboração entre países foi ainda mais otimizada esteticamente usando o software Scimago Graphica para melhorar a clareza visual e ainterpretabilidade 20.

A análise de hotspots de palavras-chave e termos temáticos interdisciplinares foi realizada usando o softwareCiteSpace 21. O algoritmo Pathfinder foi selecionado para poda de rede, com o período definido de janeiro de 2015 a dezembro de 2024, dividido em fatias mensais. O tipo de nó foi configurado como "Palavra-chave", gerando um mapa de clusters baseado em palavras-chave de hotspots de pesquisa, termos temáticos representativos para cada cluster e as 20 palavras-chave de hotspot mais frequentes. A análise de redes de citações seguia um fluxo de trabalho procedural semelhante, exigindo apenas a modificação do tipo de nó para "Cited Reference" para realizar a análise correspondente.

Identificação de genes compartilhados
Com base em análise bibliométrica, a palavra-chave "miosite" mostrou destaque significativo no domínio interdisciplinar de pesquisa em patologia muscular e artrite reumatoide. Portanto, este estudo selecionou miosite e artrite reumatoide como sujeitos de pesquisa para realizar análises gênicas sobrepostas. O procedimento específico foi o seguinte: Primeiro, os genes-alvo associados à miosite e artrite reumatoide foram recuperados do banco de dadosGeneCards 22. Para garantir a abrangência da análise, este estudo não estabeleceu um limiar de pontuação de relevância e incluiu todos os genes relatados associados às doenças, construindo assim dois conjuntos genéticos correspondentes. Ao comparar esses dois conjuntos, foram identificados genes sobrepostos. Esses genes sobrepostos foram definidos como "genes relacionados à comorbidade AR-Miosite" e serviram como o conjunto central para análises subsequentes.

Construção de redes de interação proteína-proteína (PPI)
Usando a função de consulta "Múltiplas proteínas" no banco de dados STRING, submetemos a lista "Genes relacionados à comorbidade com MIOSITE AR e miosite" para análise23. O organismo foi definido como "Homo sapiens" com um limite mínimo de pontuação de interação exigido de ≥0,700 (confiança média). Os dados resultantes da rede de interação proteína-proteína foram então importados para o Cytoscape para visualização. Ao personalizar as formas e cores dos nós através do painel STYLE, foi gerado um diagrama de rede de interação proteína-proteína claramente visualizado.

Análise de enriquecimento de vias
O fluxo de trabalho específico para análise de enriquecimento de vias procedeu da seguinte forma. Primeiro, a análise de enriquecimento de vias da Kyoto Encyclopedia of Genes and Genomes (KEGG) foi realizada no conjunto geneológico compartilhado usando o pacote clusterProfiler no softwareR 24. A significância estatística foi avaliada pelo teste hipergeométrico, e os valores p foram ajustados para múltiplos testes usando o método de Benjamini-Hochberg para controlar a taxa de falsas descobertas. Vias com valor p ajustado < 0,05 foram consideradas significativamente enriquecidas e mantidas para análise posterior. Vias relacionadas a doenças humanas específicas ou processos metabólicos gerais foram então manualmente excluídas para focar a análise nos mecanismos centrais de sinalização. As vias filtradas e seus genes associados foram posteriormente importados para o software Cytoscape para construir uma redede interação 25. O algoritmo "yFiles Organic Layout" foi aplicado para gerar uma estrutura hierárquica clara. Atributos visuais foram ainda mais otimizados no painel STYLE: a intensidade da cor do nó foi mapeada para a significância de enriquecimento, o tamanho do nó foi ponderado pelo número de genes centrais em cada viagem, e a espessura das bordas foi ponderada pelo coeficiente de similaridade de Jaccard entre vias para refletir o grau de sobreposição dos genes. Por fim, foi obtida uma rede de interação de vias KEGG para análise abrangente.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Número anual de publicações
Uma busca no banco de dados WOS revelou que um total de 1.352 artigos científicos sobre AR e estudos relacionados a músculos foram publicados na última década. Após a triagem para excluir tipos de documentos, incluindo resumos de reuniões, comunicações de conferências, materiais editoriais, capítulos de livros e publicações retratadas, apenas os Artigos e Artigos de Revisão foram mantidos, resultando em 1.274 publicações. Limitações adicion...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

A análise bibliométrica revela uma evolução distinta e faseada do foco de pesquisa nesse campo: enquanto os estudos iniciais se concentravam principalmente na exploração fundamental dos mecanismos de inflamação articular, o foco tem se deslocado progressivamente para direções abrangentes de pesquisa que abrangem o estabelecimento de sistemas de avaliação clínica, elucidação de vias moleculares e desenvolvimento de estratégias de intervenção direcionadas para comorbidades sistêmicas

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm conflitos de interesse a declarar.

Agradecimentos

Este estudo foi apoiado pela Fundação Nacional de Ciências Naturais da China (Bolsa nº 81704050).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
CiteSpaceUniversidade Drexelhttps://citespace.podia.comAgrupamento de palavras-chave, detecção de rajadas e análise de co-citação de referências
clusterProfilerPacote R / Biocondutorhttps://bioconductor.org/packages/clusterProfilerAnálise de enriquecimento de vias KEGG
CitoscapeInstituto Nacional de Ciências Médicas Gerais (NIGMS)https://cytoscape.orgVisualização de redes PPI e redes de interação de vias KEGG
ExcelMicrosoft Corporationhttps://www.microsoft.com/excelOrganização dos dados, gráficos estatísticos e análise de tendência anual de publicações
GeneCardsInstituto Weizmann de Ciênciashttps://www.genecards.orgColeta de genes-alvo para artrite reumatoide e miosite
R SoftwareA Fundação Rhttps://www.r-project.orgComputação estatística, análise de dados e geração de gráficos de enriquecimento
Scimago GraphicaLaboratório Scimagohttps://www.graphica.appVisualização e otimização estética de redes de colaboração entre países
STRINGInstituto Suíço de Bioinformática (SIB) e outros.https://string-db.orgConstrução de redes de interação proteína-proteína (PPI)
VOSviewerUniversidade de Leidenhttps://www.vosviewer.comConstrução de redes de colaboração (autores, instituições, países) e análise de co-citação de periódicos

Referências

  1. Brown, P., Pratt, A. G., Hyrich, K. L. Therapeutic advances in rheumatoid arthritis. BMJ. 384, e070856(2024).
  2. Finckh, A., et al. Global epidemiology of rheumatoid arthritis. Nat Rev Rheumatol. 18 (10), 591-602 (2022).
  3. Weyand, C. M., Goronzy, J. J. The immunology of rheumatoid arthritis. Nat Immunol. 22 (1), 10-18 (2021).
  4. Di Matteo, A., Bathon, J. M., Emery, P. Rheumatoid arthritis. Lancet. 402 (10416), 2019-2033 (2023).
  5. Gravallese, E. M., Firestein, G. S. Rheumatoid arthritis—common origins, divergent mechanisms. N Engl J Med. 388 (6), 529-542 (2023).
  6. England, B. R., Thiele, G. M., Anderson, D. R., Mikuls, T. R. Increased cardiovascular risk in rheumatoid arthritis: mechanisms and implications. BMJ. 361, k1036(2018).
  7. Minisola, S., Pepe, J., Cipriani, C. Rheumatoid arthritis, bone and drugs: a dangerous interweave. Ann Rheum Dis. 80 (4), 409-410 (2021).
  8. Bennett, J. L., et al. Rheumatoid sarcopenia: loss of skeletal muscle strength and mass in rheumatoid arthritis. Nat Rev Rheumatol. 19 (4), 239-251 (2023).
  9. Zhao, Y., Chen, G. Y., Fang, M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 17, 4465-4474 (2024).
  10. Farrow, M., et al. Muscle deterioration due to rheumatoid arthritis: assessment by quantitative MRI and strength testing. Rheumatology (Oxford). 60 (3), 1216-1225 (2021).
  11. Qu, Y., et al. Development and validation of a predictive model assessing the risk of sarcopenia in rheumatoid arthritis patients. Front Immunol. 15, 1437980(2024).
  12. Cano-García, L., et al. Sarcopenia and nutrition in elderly rheumatoid arthritis patients: a cross-sectional study. Nutrients. 15 (11), 2440(2023).
  13. Chen, G. Y., et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 19, 3407-3423 (2025).
  14. Ding, Q., et al. Signaling pathways in rheumatoid arthritis: implications for targeted therapy. Signal Transduct Target Ther. 8 (1), 68(2023).
  15. Aletaha, D., Smolen, J. S. Diagnosis and management of rheumatoid arthritis: a review. JAMA. 320 (13), 1360-1372 (2018).
  16. Chen, G. Y., et al. Network pharmacology analysis and experimental validation of total flavonoids of Rhizoma Drynariae in rheumatoid arthritis. Drug Des Devel Ther. 16, 1743-1766 (2022).
  17. Pavlov-Dolijanovic, S., et al. Elderly-Onset Rheumatoid Arthritis: Characteristics and Treatment Options. Medicina (Kaunas). 59 (10), 1878(2023).
  18. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  19. Li, K., Rollins, J., Yan, E. Web of Science use in published research and review papers 1997–2017. Scientometrics. 115 (1), 1-20 (2018).
  20. Chen, H., Chen, F., Luo, J., Chen, S. Research trends in emergency department overcrowding: a bibliometric study. Technol Health Care. 33 (3), 1159-1168 (2025).
  21. Du, Q., et al. Protocol for conducting bibliometric analysis using CiteSpace and VOSviewer. STAR Protoc. 5 (3), 103269(2024).
  22. Stelzer, G., et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1.30.1-1.30.33 (2016).
  23. Szklarczyk, D., et al. The STRING database in 2023: protein–protein association networks. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  24. Dessau, R. B., Pipper, C. B. R—project for statistical computing. Ugeskr Laeger. 170 (5), 328-330 (2008).
  25. Shannon, P., et al. Cytoscape: a software environment for biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  26. Su, C. M., et al. Melatonin regulates rheumatoid synovial fibroblast inflammation. J Pineal Res. 76 (6), e13009(2024).
  27. Nygaard, G., Firestein, G. S. Restoring synovial homeostasis in rheumatoid arthritis. Nat Rev Rheumatol. 16 (6), 316-333 (2020).
  28. Xiao, Z. X., Miller, J. S., Zheng, S. G. Advances in autoantibodies in autoimmune diseases. Autoimmun Rev. 20 (2), 102743(2021).
  29. Wu, D., et al. Systemic complications of rheumatoid arthritis. Front Immunol. 13, 1051082(2022).
  30. Deane, K. D., Holers, V. M. Rheumatoid arthritis pathogenesis, prediction, and prevention. Arthritis Rheumatol. 73 (2), 181-193 (2021).
  31. Lekieffre, M., et al. Joint and muscle inflammatory disease: a scoping review. Semin Arthritis Rheum. 61, 152227(2023).
  32. Tian, J., et al. Methotrexate-loaded nanomedicine in rheumatoid arthritis. Acta Biomater. 157, 367-380 (2023).
  33. Hysa, E., et al. Vitamin D and muscle status in autoimmune rheumatic diseases. Nutrients. 16 (14), 2329(2024).
  34. Xu, L., et al. Metabolomics in rheumatoid arthritis: advances and review. Front Immunol. 13, 961708(2022).
  35. Østergaard, M., Boesen, M. Imaging in rheumatoid arthritis. Radiol Med. 124 (11), 1128-1141 (2019).
  36. Chen, Z., Bozec, A., Ramming, A., Schett, G. Anti-inflammatory cytokines in rheumatoid arthritis. Nat Rev Rheumatol. 15 (1), 9-17 (2019).
  37. Liu, W., et al. Sinomenine inhibits rheumatoid arthritis progression. Front Immunol. 9, 2228(2018).
  38. Miyabe, Y., Miyabe, C., Luster, A. D. LTB4 and BLT1 in inflammatory arthritis. Semin Immunol. 33, 52-57 (2017).
  39. Konzett, V., Aletaha, D. Management strategies in rheumatoid arthritis. Nat Rev Rheumatol. 20 (12), 760-769 (2024).
  40. Yang, D., et al. Research trends in heart failure and anxiety comorbidity. J Multidiscip Healthc. 18, 7175-7191 (2025).
  41. Colina, M., Campana, G. Precision medicine in rheumatology. J Clin Med. 14 (5), 1735(2025).
  42. Peilin, Z., et al. Inflammatory cytokines and rheumatoid arthritis. Postgrad Med J. 101 (1194), 313-320 (2025).
  43. Zamri, F., de Vries, T. J. TNF inhibitors in rheumatoid arthritis. Front Immunol. 11, 591365(2020).
  44. Pandolfi, F., et al. Interleukin-6 in rheumatoid arthritis. Int J Mol Sci. 21 (15), 5238(2020).
  45. Rong, H., et al. IL1B polymorphisms and rheumatoid arthritis risk. Int Immunopharmacol. 83, 106401(2020).
  46. Navarro-Compán, V., et al. IL-17 pathways in inflammatory diseases. Front Immunol. 14, 1191782(2023).
  47. Chen, G., Yan, Z., Wang, Y., Tao, Q. Rheumatoid arthritis and fibromyalgia: bibliometric study. J Multidiscip Healthc. 18, 6811-6827 (2025).
  48. Liu, X. R., et al. Isorhamnetin inhibits rheumatoid arthritis progression. Chin J Integr Med. 30 (4), 299-310 (2024).
  49. Niu, X., et al. Tectoridin suppresses inflammatory signaling in RA. Tissue Cell. 77, 101826(2022).
  50. Li, W., et al. Mangiferin and cinnamic acid alleviate rheumatoid arthritis. Front Immunol. 13, 912933(2022).
  51. Wang, Y., et al. Research trends in JAK inhibitors for ulcerative colitis. J Multidiscip Healthc. 18, 6755-6771 (2025).
  52. Bertrand, D., et al. Methotrexate and etanercept in early RA: CareRA2020 trial. RMD Open. 10 (3), e004535(2024).
  53. Simon, L. S., et al. The JAK/STAT pathway in rheumatoid arthritis. Semin Arthritis Rheum. 51 (1), 278-284 (2021).
  54. Hodge, J. A., et al. Mechanism of action of tofacitinib. Clin Exp Rheumatol. 34 (2), 318-328 (2016).
  55. Yang, Y. J., et al. Tubson-2 decoction in rheumatoid arthritis. Phytomedicine. 116, 154875(2023).
  56. Mao, D., et al. HDAC2 in rheumatoid arthritis progression. Environ Toxicol. 38 (7), 1743-1755 (2023).
  57. Kurowska-Stolarska, M., Alivernini, S. Synovial macrophages in rheumatoid arthritis. Nat Rev Rheumatol. 18 (7), 384-397 (2022).
  58. Day, J., et al. Periarticular myositis in inflammatory arthritis. JCI Insight. 10 (7), e179928(2025).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

An lise Bibliom tricaMiositeSinaliza o de TNFVia JAK STATVia da IL 17Rede de Intera o ProteicaExpress o G nica

Artigos relacionados