Análise Bibliométrica Visual de Pontos Críticos e Tendências de Pesquisa em Resistência Antimicrobiana na China

Resumo

Esta análise bibliométrica mapeia as tendências da pesquisa sobre resistência antimicrobiana e os focos emergentes na China de 2016 a 2025 utilizando o CiteSpace. Os resultados destacam a crescente atenção para terapêuticas inovadoras e abordagens baseadas em tecnologia, juntamente com tendências contrastantes de resistência em MRSA e CRKP, enfatizando a necessidade de vigilância contínua e gestão antimicrobiana direcionada.

Resumo

Para analisar sistematicamente a paisagem de pesquisa sobre resistência antimicrobiana (RAM) na China de 2016 a 2025, identificar pontos de destaque e detectar tendências emergentes por meio de técnicas de visualização bibliométrica, compilamos 3.096 publicações da Coleção Principal do Web of Science (incluindo o Índice de Citações em Ciência Expandido, SCI-E) e da Infraestrutura Nacional de Conhecimento da China (CNKI). Utilizando o CiteSpace, realizamos análise de rede de coautoria, mapeamento de coocorrência de palavras-chave e análise de agrupamento empregando o algoritmo da Razão de Verossimilhança Logarítmica (LLR). A detecção de explosão (burst) por meio do algoritmo de Kleinberg identificou as fronteiras da pesquisa, enquanto a modularidade Q (>0,3) e métricas de silhueta validaram a qualidade estrutural da rede. Elevando-se de 357 em 2016 para 365 em 2022, com crescimento acelerado após o período de 2019–2022. Seis grandes agrupamentos de pesquisa emergiram com validade estrutural significativa (modularidade Q = 0,8108). A análise de explosão identificou a resistência mobilizada à colistina-1 (mcr-1, resistência máxima 9,12) e carbapenemase (8,52) como os sinais emergentes mais fortes. A vigilância da resistência revelou tendências divergentes: carbapenem-resistente Klebsiella pneumoniae aumentou alarmantemente de 5,6% para 20,0%, enquanto o Staphylococcus aureus resistente à meticilina diminuiu de 48,8% para 25,8%. A análise da rede de autores revelou uma estrutura altamente centralizada com colaboração inter-regional limitada. Terapêuticas inovadoras, incluindo peptídeos antimicrobianos, terapia com fagos e aplicações de aprendizado de máquina, demonstraram emergência significativa. De modo geral, os padrões bibliométricos sugerem que a pesquisa sobre resistência antimicrobiana na China evoluiu de vigilância descritiva para investigação mecanicista e crescente atenção a intervenções inovadoras. A diminuição contrastante do Staphylococcus aureus resistente à meticilina Staphylococcus aureus e o aumento de patógenos resistentes a carbapenêmicos destacam a necessidade de vigilância nacional contínua, colaboração inter-regional reforçada, gestão direcionada de antimicrobianos e aplicação cautelosa das tecnologias emergentes na prática clínica.

Introdução

A resistência a antimicrobianos (RAM) representa uma ameaça crítica à saúde pública global, sendo identificada pela Organização Mundial da Saúde como uma das dez principais ameaças à humanidade¹. O impacto econômico da RAM é substancial, com projeções indicando que, até 2050, infecções resistentes poderiam causar 10 milhões de mortes anualmente em todo o mundo se as tendências atuais persistirem². Os mecanismos fundamentais da resistência a antimicrobianos em bactérias envolvem adaptações genéticas e fenotípicas complexas, incluindo modificação enzimática de fármacos, alterações no sítio-alvo, superexpressão de bombas de efluxo e formação de biofilmes, que conjuntamente ameaçam a eficácia do arsenal terapêutico existente³. Avaliações globais recentes enfatizaram ainda mais a amplitude desse desafio, com a resistência a antimicrobianos agora reconhecida como um fenômeno ecológico complexo que exige ações coordenadas nos setores da saúde humana, da agricultura animal e do meio ambiente⁴. A RAM também tem implicações mais amplas para o desenvolvimento sustentável, incluindo metas ambientais e socioeconômicas⁵. O desafio é particularmente agudo no combate à resistência na malária, HIV e tuberculose, onde cepas multirresistentes ameaçam décadas de progresso no controle de doenças infecciosas⁶. Análises históricas da epidemiologia da RAM na China documentaram características distintas em comparação com populações ocidentais, incluindo perfis únicos de genes de resistência e dinâmicas de transmissão moldadas por práticas de saúde e padrões de consumo de antibióticos⁷.

A China, com sua grande população e alto consumo de antibióticos, enfrenta desafios particularmente graves de RMA. O uso per capita de antibióticos na China permanece significativamente mais alto do que em muitos países europeus, criando uma pressão seletiva que impulsiona o desenvolvimento da resistência⁸. Reconhecendo a gravidade dessa crise, o governo chinês implementou o Plano Nacional de Ação para Conter a Resistência Antimicrobiana (2016–2020, 2022–2025) e estabeleceu o Sistema Chinês de Vigilância da Resistência a Antimicrobianos (CARSS) para monitorar os padrões de resistência em todo o país⁹. De uma perspectiva regional, o Sudeste Asiático emergiu como um ponto crítico importante para a pesquisa e disseminação da RMA, com análises bibliométricas revelando um crescimento rápido na produção científica, paralelo à trajetória da China¹⁰. Tendências e projeções globais sugerem que, sem intervenções decisivas, o ônus de mortalidade da RMA afetará desproporcionalmente os países de renda média, com algumas projeções indicando que a região da Ásia-Pacífico poderá representar quase metade de todas as mortes relacionadas à resistência até meados do século¹¹. Essas previsões alarmantes têm impulsionado compromissos internacionais com a gestão antimicrobiana, embora persistam lacunas entre a formulação de políticas e a prática clínica em todo o mundo¹². Essas iniciativas geraram dados extensivos sobre epidemiologia da resistência, mecanismos moleculares e desfechos clínicos, fornecendo uma rica fonte para análise bibliométrica. Assim, as recentes abordagens de Uma Só Saúde enfatizam intervenções coordenadas nos setores de saúde humana, saúde animal, agricultura e meio ambiente, apoiadas pela gestão antimicrobiana e tecnologias de diagnóstico rápido¹³.

A análise bibliométrica, que utiliza métodos matemáticos e estatísticos para analisar quantitativamente a literatura publicada, permite aos pesquisadores identificar pontos quentes de pesquisa, rastrear trajetórias evolutivas e prever direções futuras¹⁴. Ferramentas de visualização, como o CiteSpace, transformam dados complexos de citações em mapas intuitivos do conhecimento, revelando padrões ocultos na literatura científica¹⁵. Estudos bibliométricos anteriores já mapearam tendências de pesquisa em domínios específicos da RMA, incluindo a pesquisa global sobre resistência antifúngica¹⁶. No entanto, análises bibliométricas abrangentes que integrem pesquisas em língua chinesa e em língua inglesa sobre RMA na China ainda são limitadas. Em contraste com análises bibliométricas anteriores centradas em domínios específicos da RMA, o presente estudo integra registros em língua chinesa do CNKI e em língua inglesa do Web of Science, contextualizando separadamente os achados bibliométricos com base nas tendências nacionais de vigilância do CARSS. Este estudo tem como objetivo fornecer uma análise bibliométrica sistemática da pesquisa sobre RMA na China no período de 2016 a 2025, utilizando o software CiteSpace para gerar mapas do conhecimento e oferecer recomendações baseadas em evidências para prioridades futuras de pesquisa e desenvolvimento de políticas. Esse desenho combinado oferece uma visão bilíngue do panorama de pesquisa, ao mesmo tempo que permite interpretar as tendências bibliométricas paralelamente, mas independentemente, aos dados nacionais de vigilância da resistência.

Protocolo

Fontes de dados

Uma busca abrangente na literatura foi realizada em bases de dados internacionais e domésticas para garantir cobertura global da pesquisa sobre resistência antimicrobiana (RAM) relacionada à China. Para a literatura internacional, realizamos uma busca sistemática na Coleção Web of Science (incluindo o Science Citation Index Expanded, SCI-E) e na China National Knowledge Infrastructure (CNKI) de 1º de janeiro de 2016 a 31 de dezembro de 2025. Consulta booleana exata para o SCI-E: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). Para a CNKI, o campo de Assunto foi pesquisado utilizando os equivalentes em língua chinesa de “antibiotic resistance”, “antimicrobial resistance” e “drug resistance”, combinados com “China”. Nenhuma fusão formal de sinônimos de palavras-chave ou pré-processamento baseado em tesauro foi realizada antes da análise no CiteSpace. A busca final foi realizada em 28 de abril de 2026, para permitir tempo suficiente para que publicações emitidas até 31 de dezembro de 2025 fossem indexadas nas bases de dados. O filtro de ano de publicação nas bases foi limitado a 2016–2025. Registros rotulados como Early Access foram adicionalmente verificados durante a triagem, e artigos com data de primeira publicação online em 2026 foram excluídos da análise. Os rótulos de palavras-chave foram verificados com base na saída original do CiteSpace para garantir terminologia consistente no texto, tabelas e figuras.

Para a busca no CNKI, foram recuperados 983 registros dos Periódicos Núcleo da Universidade de Pequim (PKU Core), 802 do Banco de Dados de Citações Científicas da China (CSCD) e 462 do Índice de Influência de Periódicos Mundiais (WJCI). Como um único artigo pode estar indexado em mais de uma dessas categorias, esses números representam registros de recuperação específicos por categoria e não correspondem a contagens de publicações mutuamente exclusivas. Os três conjuntos de registros foram, portanto, combinados antes da triagem de elegibilidade. As entradas duplicadas foram identificadas inicialmente por correspondência exata de DOI. Para registros sem DOI, compararam-se os títulos dos artigos normalizados juntamente com o nome do primeiro autor e o ano de publicação. Os registros com metadados incompletos ou inconsistentes foram revisados manualmente. Quando o mesmo artigo aparecia em duas ou mais categorias de indexação do CNKI, ele era mantido apenas uma vez no conjunto de dados combinado do CNKI, independentemente do número de categorias nas quais estava indexado. Após a desduplicação interna ao CNKI e a triagem de elegibilidade, foram mantidos 1.096 artigos únicos na língua chinesa. Nenhum limite mínimo de fator de impacto do periódico foi aplicado, pois o objetivo deste estudo era caracterizar o panorama geral da pesquisa em RMA, e não restringir o corpus com base na prestigiosidade dos periódicos. Não foi realizada avaliação formal da qualidade metodológica ou de risco de viés das publicações individuais, porque o objetivo deste estudo era caracterizar o panorama bibliométrico geral, e não avaliar a qualidade metodológica em nível de estudo.

Foram identificados inicialmente 5.286 registros nas bases SCI-E e CNKI. Os mesmos critérios baseados em DOI, título, autor e ano foram subsequentemente aplicados para identificar possíveis sobreposições entre os conjuntos de dados do CNKI e do Web of Science. Um total de 2.190 registros foi removido durante a deduplicação combinada e a triagem de elegibilidade, restando 3.096 publicações para análise. O processo completo de identificação, triagem e inclusão da literatura está apresentado na Figura Suplementar 1.

Os critérios de inclusão foram: estudos focados na resistência bacteriana a antimicrobianos na China; artigos que relataram taxas de resistência, epidemiologia molecular, desfechos clínicos ou estratégias de intervenção; e publicações entre 1º de janeiro de 2016 e 31 de dezembro de 2025. Foram excluídos registros duplicados, publicações de 2026, revisões ou metanálises sem conjuntos de dados originais e estudos limitados à resistência a antimicrobianos em veterinária ou meio ambiente sem componente relacionado à saúde humana. Revisões e metanálises sem novos conjuntos de dados primários foram excluídas porque a análise foi planejada para caracterizar a produção de pesquisa original. Restringir o corpus à pesquisa original melhora a comparabilidade dos indicadores bibliométricos, incluindo contagem de publicações, padrões de coautoria, frequências de palavras-chave e medidas relacionadas a citações, pois artigos de síntese de evidências agregam estudos anteriores e podem ter perfis de citação e de palavras-chave substancialmente diferentes. Após a remoção de duplicatas entre as bases de dados e a triagem de títulos/resumos, um total de 3.096 publicações foi incluído para análise bibliométrica, compreendendo 1.096 artigos em língua chinesa (35,4%) e 2.000 publicações em língua inglesa (64,6%).

Métodos analíticos

O CiteSpace (Drexel University, Filadélfia, PA, EUA)¹⁷ foi utilizado para a análise bibliométrica. O período analisado foi de 2016 a 2025, com fatias de tempo de 1 ano. Os tipos de nós foram selecionados separadamente para as análises de autor, instituição e palavras-chave. A seleção de nós utilizou o índice-g com k = 10; a configuração exibida também utilizou LRF = 2,5, L/N = 10, LBY = 5 e e = 1,0. A poda Pathfinder foi aplicada às redes de autores, palavras-chave e clusters para reduzir ligações redundantes, mantendo a estrutura principal da rede. A fatia de tempo de 1 ano foi escolhida para preservar as alterações anuais dentro da janela de estudo de 10 anos.

Quatro módulos analíticos principais foram utilizados: análise de coautoria para mapear redes de colaboração entre autores e instituições; análise de coocorrência de palavras-chave para identificar temas de pesquisa e suas relações; análise de agrupamento com o algoritmo da Razão de Verossimilhança Logarítmica (LLR) para extrair agrupamentos temáticos com rotulagem automática; e detecção de explosões com o algoritmo de Kleinberg para identificar tendências emergentes e fronteiras de pesquisa. Métricas de rede, incluindo modularidade Q e silhueta média S, foram utilizadas para avaliar a qualidade dos agrupamentos. Um valor de modularidade Q superior a 0,3 indica uma estrutura comunitária significativa, enquanto um valor de silhueta média superior a 0,7 indica alta consistência interna ao agrupamento e atribuição confiável dos clusters¹⁸.

Análise estatística de tendências de resistência

As tendências das taxas de resistência para patógenos importantes foram obtidas a partir dos relatórios anuais do Sistema Chinês de Vigilância da Resistência a Antimicrobianos (CARSS) (2016–2025), que reúne dados de hospitais sentinelas participantes em todo o país. Esses dados de vigilância foram analisados independentemente do corpus bibliométrico e não foram extraídos, agrupados ou incluídos entre as 3.096 publicações do Web of Science e do CNKI utilizadas nas análises do CiteSpace.

Para cada combinação patógeno-agente antimicrobiano, extraímos a taxa anual de resistência (porcentagem de isolados não duplicados resistentes ao agente especificado), o número total de isolados testados (denominador) e o número de hospitais sentinela que forneceram dados. Os testes de suscetibilidade foram realizados utilizando métodos padronizados de microdiluição em caldo ou difusão com disco, com interpretações baseadas nas diretrizes do Instituto de Padrões Clínicos e de Laboratório (CLSI) (documentos M100, edições de 2016 a 2025).

Para avaliar tendências temporais, realizamos uma análise de regressão linear com a taxa de resistência como variável dependente e o ano como variável independente, abrangendo o período completo de 10 anos (2016–2025). A inclinação da regressão (β) e o coeficiente de determinação (R²) foram calculados para cada par patógeno–antimicrobiano. Para levar em conta possíveis alterações na cobertura de vigilância (por exemplo, expansão de 1.398 hospitais em 2016 para 2.349 hospitais em 2025), também realizamos análises de sensibilidade ponderando a taxa de resistência de cada ano pelo inverso do número de hospitais participantes e pela distribuição geográfica dos locais de notificação. Esses modelos ponderados geraram direções de tendência e níveis de significância consistentes com as análises não ponderadas; portanto, os resultados não ponderados são apresentados por simplicidade e facilidade de interpretação. Todas as análises estatísticas foram realizadas utilizando o R versão 4.3.2 (R Foundation for Statistical Computing, Viena, Áustria). Um valor de p bicaudal <0,05 foi considerado estatisticamente significativo.

Resultados

Publication trends

A total of 3,096 publications were included in the analysis. Total annual output increased from 357 publications in 2016 to a peak of 365 in 2022 and subsequently declined continuously to 146 in 2025 (Figure 1). English-language output increased from 130 publications in 2016 to 295 in 2022 before decreasing to 69 in 2025. Chinese-language output decreased from 227 publications in 2016 to 93 in 2019, increased during 2020–2021, and ended at 77 in 2025 (Figure 1).

The linguistic distribution revealed interesting patterns: while Chinese-language publications dominated overall (63.6%) in 2016, English publications showed faster relative growth, increasing from merely 130 papers (36.4%) in 2016 to 295 papers (80.8%) in 2022. This shift reflects enhanced international collaboration and the growing global impact of Chinese AMR research.

Author and institutional collaboration networks

Network analysis identified the principal authors and collaboration patterns in the co-authorship network (Figure 2). Table 1 presents the 10 most prolific authors. Wang Juan from South China Agricultural University and Yue Min from Zhejiang University were tied for the highest publication output, with 44 publications each. Xu Xuebin from the Shanghai Municipal Center for Disease Control and Prevention and Wu Qingping from the Guangdong Academy of Sciences each published 42 papers, followed by Zhang Jumei from the Guangdong Academy of Sciences with 41 papers. Two authors from the same institution (Wu Qingping and Zhang Jumei at the Institute of Microbiology, Guangdong Academy of Sciences) are among the top five, indicating strong institutional research activity at this center. Publication count was interpreted as an indicator of research productivity, whereas betweenness centrality was interpreted separately as an indicator of an author’s bridging role within the collaboration network. Their betweenness centrality values were 0.01 and 0.04, respectively.

The author collaboration network comprised 248 nodes and 420 links, with a density of 0.0137. This low density indicates that only a small proportion of all possible author pairs were connected, suggesting that collaborations were concentrated within a limited number of research groups rather than broadly distributed across the network. Notably, cross-institutional collaborations were less frequent than intra-institutional partnerships, suggesting potential for enhanced inter-hospital cooperation. The leading institutions were concentrated primarily in major eastern metropolitan and research centers, particularly Beijing, Shanghai, Hangzhou, Guangzhou, and Yangzhou.

Institutional analysis showed that Zhejiang University ranked first, with 195 publications and 10,660 citations, followed by South China Agricultural University with 112 publications and China Agricultural University with 99 publications (Table 2). Among the top 10 institutions, five were located in Beijing, two in Shanghai, and one each in Yangzhou, Hangzhou, and Guangzhou. No formal East/Central/West China publication-output analysis was performed.

Research hotspots and keyword analysis

Keyword co-occurrence analysis identified 257 keyword nodes with 932 co-occurrence connections (Figure 3). The network density was 0.0283, with an average of approximately 7.3 connections per keyword, indicating moderate thematic coherence. Table 3 lists the top 10 high-frequency keywords. “Antimicrobial Resistance” appeared as the central node with 285 occurrences in the co-occurrence matrix and a centrality of 0.92, followed by “Carbapenem” (192 occurrences, centrality 0.78) and “ESBL” (extended-spectrum β-lactamase; 168; 0.72). The discrepancy between co-occurrence counts and total occurrence counts in Table 3 arises because Table 3 reports raw term frequencies from the full corpus, whereas the network co-occurrence matrix counts only co-occurrences within the same document; both metrics are reported for completeness.

The keyword network revealed distinct thematic clusters. Pathogen-specific keywords (K. pneumoniae, A. baumannii, P. aeruginosa) clustered tightly with resistance mechanisms (carbapenemases, biofilm), while clinical management terms (stewardship, combination therapy) formed a separate but connected cluster. This structure suggests that research has evolved from descriptive pathogen studies toward mechanistic understanding and intervention strategies.

Cluster analysis using the LLR algorithm identified 15 keyword clusters with a modularity Q of 0.8108 and a mean silhouette S of 0.9388 (Figure 4). The six principal clusters highlighted in the timeline were #0 “virulence gene,” #2 “Klebsiella pneumoniae,” #4 “antimicrobial resistance genes,” #5 “antibiotic resistance,” #6 “molecular epidemiology,” and #7 “Escherichia coli.” The timeline shows that broad antibiotic-resistance, pathogen-surveillance, and molecular-epidemiology themes were prominent during the earlier years, while virulence genes, antimicrobial-resistance genes, and Klebsiella pneumoniae remained active into the later period. The temporal overlap among the clusters indicates cumulative diversification of research themes rather than a strictly sequential replacement of one theme by another.

The high betweenness centrality of “Carbapenem” and “ESBL” indicates that β-lactam resistance served as an important connecting theme across the bibliometric network. This thematic prominence was consistent with, but analytically independent from, the external CARSS surveillance data presented below, which showed increasing carbapenem resistance in Klebsiella pneumoniae and persistently high carbapenem resistance in Acinetobacter baumannii.

Resistance trends and epidemiological patterns

In a separate analysis, the external CARSS surveillance data provided epidemiological context for the bibliometric prominence of carbapenem- and β-lactam-resistance topics and revealed divergent pathogen-specific resistance trends (Table 4). MRSA demonstrated a consistent and significant decline from 48.8% in 2016 to 25.8% in 2025 (β = –2.43% per year, R² = 0.94, p < 0.001), representing a 47.1% relative reduction. The decline in MRSA was temporally consistent with the implementation of active surveillance, contact precautions, decolonization protocols, and antimicrobial-stewardship measures in Chinese hospitals¹⁹, although the present ecological analysis cannot attribute the trend to any single intervention. Previous nationwide studies have reported associations between the use of carbapenems and third-generation cephalosporins and resistance among Gram-negative pathogens²⁰, providing a possible explanatory context for the observed trends. However, antimicrobial-consumption data were not directly analyzed in the present study.

Conversely, carbapenem resistance in Gram-negative pathogens showed alarming increases. CRKP rose dramatically from 5.6% (2016) to 20.0% (2025) (β = +1.61% per year, R² = 0.97, p < 0.001), representing a 3.6-fold increase. carbapenem-resistant Acinetobacter baumannii (CRAB) maintained high-level epidemic status throughout the period, increasing from 56.0% to 76.5% (β = +2.35% per year, R² = 0.92, p < 0.001), with some regions reporting rates exceeding 80%. vancomycin-resistant enterococci (VRE), though starting from a low baseline (1.5%), showed a consistent upward trend reaching 6.5% in 2025 (β = +0.56% per year, R² = 0.89, p < 0.001). In contrast to the marked decline in MRSA, carbapenem-resistant Pseudomonas aeruginosa (CRPA) showed only a modest decrease from 25.0% to 19.9%. Overall, the resistance trajectories were pathogen-specific rather than uniform: MRSA and CRPA declined, whereas CRKP, CRAB, and VRE increased during the study period.

Emerging research frontiers

Burst detection identified the 10 keywords with the strongest burst signals (Table 5 and Figure 5). Mobilized colistin resistance-1 (mcr-1) showed the strongest burst (9.12; 2016–2022), whereas carbapenemase showed a slightly lower but longer-lasting burst (8.52; 2016–2024). The mcr-1 hotspot primarily represented a gene-centered research trajectory, progressing from the identification and molecular characterization of plasmid-mediated colistin resistance toward surveillance of its dissemination. In contrast, the longer carbapenemase burst reflected sustained attention extending from enzyme and resistance-gene mechanisms to molecular epidemiology, clinical transmission, and infection-control concerns. Because burst detection identifies the temporal concentration of research attention rather than discrete internal stages, separate subperiod boundaries were not assigned within each burst interval.

Antimicrobial peptides (burst strength 7.92; 2019–2024), phage therapy (6.54; 2020–2024), machine learning (5.83; 2021–2024), and clustered regularly interspaced short palindromic repeats (CRISPR; 4.92; 2022–2024) all showed sustained burst intervals ending in 2024. Their progressively later onset years indicate the sequential emergence of alternative therapeutic and technology-enabled research topics. Because separate annual keyword-frequency growth rates were not calculated, these terms are described as burst-detected research frontiers rather than as topics with demonstrated year-on-year growth.

DATA AVAILABILITY:

The bibliographic records analyzed in this study were retrieved from the Web of Science Core Collection and the China National Knowledge Infrastructure (CNKI) under their respective database access and licensing conditions. These source records are subject to database licensing restrictions and cannot be redistributed by the authors. The search strategy and screening procedures are reported in the manuscript and Supplementary Figure 1, while annual publication counts are provided in Supplementary Table 1. The bibliographic records of the 3,096 publications included in the final analysis are provided in Supplementary Table 2, comprising 2,000 Web of Science Core Collection records and 1,096 CNKI records. The antimicrobial-resistance surveillance data were derived from publicly available China Antimicrobial Resistance Surveillance System (CARSS) annual reports.

Figure 1: Annual publication output of antimicrobial resistance research in China from 2016 to 2025 (n = 3,096 publications). The figure presents annual English-language, Chinese-language, and total publication counts. English-language output increased from 130 publications in 2016 to 295 in 2022 and declined to 69 in 2025. Please click here to view a larger version of this figure.

Figure 2: Author collaboration network generated from the 2,000 SCI-E publications on antimicrobial resistance in China included in the analysis (2016–2025). The network visualizes co-authorship relationships among authors publishing on AMR in China. Node size represents publication count; line thickness indicates collaboration frequency. Node colors follow the CiteSpace default time-zone gradient: purple nodes represent the earliest publications (2016–2017); blue nodes represent the middle period (2018–2021); and red/orange nodes represent the recent publications (2022–2025). Centrality is not explicitly encoded in node color; instead, nodes with high betweenness centrality (>0.1) are highlighted with an outer ring in the visualization. The network comprises 248 author nodes and 420 collaboration links (density = 0.0137). Prominent authors include Wang Juan, Yue Min, Xu Xuebin, Wu Qingping, and Zhang Jumei. The largest connected component contains 157 authors (63% of the network). Pruning was performed using the Pathfinder algorithm to enhance structural clarity. The relatively low network density indicates limited cross-institutional collaboration, with research activities concentrated within a few major research groups. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 3: Keyword co-occurrence network generated from the 2,000 SCI-E publications included in the keyword analysis (2016–2025). Node size represents keyword frequency; line thickness indicates co-occurrence strength. Colors follow the CiteSpace time-zone gradient from purple (2016) through blue (2018–2021) to red/orange (2022–2025). Centrality values are not displayed as colors; instead, node labels are sized proportionally to betweenness centrality, with larger labels indicating greater bridging importance. The network comprises 257 keyword nodes and 932 co-occurrence links (density = 0.0283). The largest connected component contains 157 keywords (61% of the network). High-frequency keywords include “antimicrobial resistance,” “Klebsiella pneumoniae,” “Escherichia coli,” “Staphylococcus aureus,” “prevalence,” and “molecular characterization,” reflecting the dominant research themes of resistance surveillance and molecular epidemiology. The network demonstrates stronger interconnectivity compared to the author collaboration network, indicating thematic coherence across different research topics. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 4: Keyword cluster timeline generated from the 2,000 SCI-E publications included in the keyword analysis (2016–2025). Each horizontal line represents a research cluster (#0–#14), with nodes indicating individual keywords appearing in that year. Node size represents keyword frequency. The clustering analysis was performed using the Log-Likelihood Ratio (LLR) algorithm, yielding 15 distinct clusters with excellent structural validity (modularity Q = 0.8108, mean silhouette S = 0.9388). The six major clusters discussed in the text represent the most prominent clusters (#0, #2, #4, #5, #6, #7). The timeline view reveals temporal shifts in research focus: early clusters (2016–2018) concentrated on surveillance and molecular epidemiology, while later-emerging clusters incorporated advanced genomic tools. The network comprises 257 keyword nodes and 315 co-occurrence links (density = 0.0096), with the largest connected component containing 256 nodes (99% of the network). Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 5: Top 10 burst keywords detected from the SCI-E publication dataset on antimicrobial resistance in China (2016–2025). Each bar represents a keyword with its burst strength (numerical value). Red segments indicate the detected burst intervals, and blue segments indicate years without a detected burst. The horizontal time axis covers the complete study period from 2016 to 2025. The beginning and ending years of each red segment correspond exactly to the “Begin” and “End” values reported in Table 5. The strongest bursts were observed for mcr-1 (9.12, 2016–2022) and carbapenemase (8.52, 2016–2024), reflecting their sustained dominance as research drivers. Burst keywords are categorized into five thematic groups: Resistance genes (mcr-1); Resistance mechanisms (carbapenemase, biofilm formation); Novel therapies (antimicrobial peptides, phage therapy); Clinical management (antimicrobial stewardship, combination therapy); and Technologies (WGS, machine learning, CRISPR). Keywords with burst strength >3.0 are considered significant. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Rank	Author	Institution	Papers	Centrality
1	Wang Juan	South China Agricultural University	44	0.2
2	Yue Min	Zhejiang University	44	0.15
3	Xu Xuebin	Shanghai Municipal Center for Disease Control and Prevention	42	0.2
4	Wu Qingping	Institute of Microbiology, Guangdong Academy of Sciences	42	0.01
5	Zhang Jumei	Institute of Microbiology, Guangdong Academy of Sciences	41	0.04
6	Wang Yang	China Agricultural University	35	0.11
7	Li Yan	Zhejiang University	30	0.23
8	Wang Wei	China National Center for Food Safety Risk Assessment	26	0.03
9	Chen Moutong	Institute of Microbiology, Guangdong Academy of Sciences	25	0.07
10	Wang Hui	Peking University People's Hospital	24	0.12

Table 1: Top 10 Most Prolific Authors in AMR Research (2016-2025). Publication count represents author productivity. Betweenness centrality measures the extent to which an author connects otherwise separate parts of the collaboration network; higher values indicate a stronger bridging role. Publication count and centrality were interpreted as separate bibliometric indicators.

Rank	Institution	City	Publications	Total citations
1	Zhejiang University	Hangzhou	195	10,660
2	South China Agricultural University	Guangzhou	112	7,496
3	China Agricultural University	Beijing	99	7,275
4	Yangzhou University	Yangzhou	97	2,227
5	Shanghai Jiao Tong University	Shanghai	94	3,437
6	Chinese Academy of Medical Sciences - Peking Union Medical College	Beijing	91	3,138
7	Chinese Center for Disease Control & Prevention	Beijing	84	2,657
8	Chinese Academy of Sciences	Beijing	84	4,903
9	Chinese Academy of Agricultural Sciences	Beijing	79	1,988
10	Fudan University	Shanghai	78	3,392

Table 2: Top 10 Research Institutions by Publication Output (2016-2025). Publication count and total citations are as of April 28, 2026. Geographic distribution shows Beijing (5 institutions in top 10: China Agricultural University, Chinese Academy of Medical Sciences – Peking Union Medical College, Chinese Center for Disease Control and Prevention, Chinese Academy of Sciences, and Chinese Academy of Agricultural Sciences), Shanghai (2: Shanghai Jiao Tong University and Fudan University), and one each in Hangzhou (Zhejiang University), Guangzhou (South China Agricultural University), and Yangzhou (Yangzhou University). The institutional network demonstrated clear geographic clustering, with Beijing and Shanghai accounting for 7 of the top 10 institutions, indicating a concentration of research capacity in eastern metropolitan regions.

Rank	Keyword	Frequency	Centrality	Category
1	Antimicrobial Resistance	1167	0.92	General AMR concept
2	Carbapenem	467	0.78	Antimicrobial class
3	ESBL	168	0.72	Resistance mechanism/phenotype
4	MRSA	156	0.68	Resistant clinical pathogen
5	Biofilm	134	0.65	Resistance mechanism
6	CRE	128	0.62	Resistance phenotype/pathogen group
7	P. aeruginosa	108	0.58	Clinical pathogen
8	A. baumannii	102	0.55	Clinical pathogen
9	K. pneumoniae	98	0.52	Clinical pathogen
10	E. coli	95	0.5	Clinical pathogen

Table 3: Top 10 High-Frequency Keywords in AMR Research (2016–2025). The category indicates the primary semantic role of each keyword in the antimicrobial-resistance literature. Keywords were classified as general AMR concepts, antimicrobial classes, resistance genes or mechanisms, resistance phenotypes, clinical pathogens, treatment or management terms, or surveillance and epidemiology terms, where applicable. In the present top-10 list, the represented categories were general AMR concepts, antimicrobial classes, resistance mechanisms or phenotypes, and clinical pathogens.

Organism	2016	2018	2022	2025	Trend	p-value
MRSA	48.80%	35.80%	27.20%	25.80%	Declining	<0.001
CRKP	5.60%	15.20%	22.80%	20.00%	Increasing	<0.001
CRPA	25.00%	27.20%	21.50%	19.90%	Declining	0.003
CRAB	56.00%	64.50%	76.80%	76.50%	High-level	<0.001
VRE	1.50%	2.90%	5.20%	6.50%	Increasing	<0.001

Table 4: Trends of Antimicrobial Resistance in Major Pathogens (2016–2025). Each horizontal line represents one of the 15 LLR-generated clusters (#0–#14), and each node represents a keyword appearing in the corresponding year. Node size represents keyword frequency. The six principal clusters discussed in the text are #0 “virulence gene,” #2 “Klebsiella pneumoniae,” #4 “antimicrobial resistance genes,” #5 “antibiotic resistance,” #6 “molecular epidemiology,” and #7 “Escherichia coli.” The clustering solution had a modularity Q of 0.8108 and a mean silhouette S of 0.9388.

Rank	Keyword	Burst	Begin	End	Category
1	mcr-1	9.12	2016	2022	Resistance gene
2	Carbapenemase	8.52	2016	2024	Resistance mechanism
3	Antimicrobial peptides	7.92	2019	2024	Novel therapy
4	Biofilm formation	7.25	2017	2024	Resistance mechanism
5	WGS	7.34	2018	2024	Molecular typing
6	Antibiotic stewardship	6.89	2017	2024	Clinical management
7	Phage therapy	6.54	2020	2024	Novel therapy
8	Combination therapy	6.23	2017	2023	Treatment strategy
9	Machine learning	5.83	2021	2024	Technology
10	CRISPR	4.92	2022	2024	Technology

Table 5: Top 10 Burst Keywords Indicating Research Frontiers (2016–2025). Burst strength and burst duration were used as the quantitative indicators of frontier activity. Separate annual keyword-frequency growth rates were not calculated. Burst strength was calculated using CiteSpace burst detection algorithm (Kleinberg's algorithm) with default parameters (γ = 1.0, minimum duration = 2 years). Keywords with burst strength >3.0 are considered significant. “Begin” and “End” indicate the first and last year of the burst period, as visualized in Figure 5. The category column reflects the thematic classification of each burst keyword. The strongest bursts were observed for mcr-1 (9.12, 2016–2022) and carbapenemase (8.52, 2016–2024), indicating their central roles as research drivers. Notably, novel therapeutic approaches (antimicrobial peptides, phage therapy) and emerging technologies (machine learning, CRISPR) showed sustained burst activity through 2024, signaling a paradigm shift toward innovation-driven AMR research. The analytical time window was 2016–2025. A burst ending in 2024 indicates that no significant burst was detected for that keyword in 2025; it does not indicate that the overall analytical time window ended in 2024.

Supplementary Figure 1: PRISMA-style flow diagram of literature identification, screening, and inclusion. A total of 5,286 database records were initially identified, including 3,043 records from the Web of Science Core Collection Science Citation Index Expanded (SCI-E), 983 records from the Peking University Core Journals category of the China National Knowledge Infrastructure (CNKI), 802 records from the Chinese Science Citation Database category, and 462 records from the World Journal Clout Index category. Because the three CNKI categories were overlapping, category-specific records were consolidated before screening. Duplicate records were identified using DOI matching where available, followed by comparison of article titles, first-author names, and publication years, with manual review of uncertain matches. After combined deduplication and eligibility screening, 2,190 records were removed, and 3,096 publications were included, comprising 2,000 English-language SCI-E publications and 1,096 Chinese-language CNKI publications.Please click here to download this file.

Supplementary Table 1: Annual publication output of antimicrobial resistance research in China from 2016 to 2025. Annual numbers of English-language and Chinese-language publications included in the bibliometric analysis are presented together with the total publication count for each year. The final dataset comprised 3,096 publications.Please click here to download this file.

Supplementary Table 2: Bibliographic records of publications included in the final bibliometric analysis. The table lists the 3,096 publications included in the final analytical dataset, comprising 2,000 English-language records from the Web of Science Core Collection and 1,096 Chinese-language records from the China National Knowledge Infrastructure (CNKI). Please click here to download this file.

Discussão

Os padrões bibliométricos sugerem que a pesquisa sobre resistência a antimicrobianos (RAM) na China ampliou-se gradualmente de vigilância descritiva e caracterização de patógenos para mecanismos de resistência, abordagens genômicas e pesquisas orientadas a intervenções. Os agrupamentos de palavras-chave sobrepostos e os períodos de explosão indicam uma diversificação temática cumulativa, e não três estágios discretos e mutuamente exclusivos. O momento dessas mudanças coincidiu com os Planos Nacionais de Ação para o Combate à Resistência Antimicrobiana para 2016–2020 e 2022–2025, que fornecem o contexto político pertinente; entretanto, a presente análise bibliométrica não pode estabelecer que os lançamentos dessas políticas tenham causado as alterações observadas nos temas das publicações. O aumento no número de publicações reflete tanto a gravidade crescente (2019–2021) da crise de RAM quanto o maior compromisso governamental e institucional com o enfrentamento desse desafio. Assim, a evolução proposta dos temas de pesquisa deve ser interpretada de forma descritiva e não foi validada independentemente por meio de análise de artigos marcantes ou de artigos altamente citados específicos por estágio. Quando inserida no contexto global, a trajetória da produção científica da China alinha-se com padrões mais amplos observados em economias emergentes, onde o volume de publicações sobre RAM expandiu-se exponencialmente em resposta ao aumento da carga de resistência²¹.

A queda na produção de publicações após o pico de 2022 coincidiu com o período de implementação do segundo Plano Nacional de Ação para Conter a Resistência Antimicrobiana (2022–2025), enquanto a expansão anterior seguiu o primeiro plano de ação (2016–2020). Essa correspondência temporal pode refletir mudanças nas prioridades de pesquisa, na alocação de financiamento e nos padrões de publicação ao longo das fases sucessivas de políticas públicas, e não uma simples redução na atividade de pesquisa sobre RAM. No entanto, o atraso na publicação e indexação, a cobertura da base de dados e os critérios de elegibilidade do estudo também podem ter contribuído para a aparente queda, especialmente nos anos mais recentes. A presente análise bibliométrica, portanto, não pode estabelecer uma relação de causalidade entre o plano nacional de ação e a produção de publicações.

A análise de rede colaborativa revela uma estrutura altamente centralizada, com Wang Juan, Yue, Min e a Universidade de Zhejiang atuando como hubs críticos que conectam centros de pesquisa regionais. No entanto, a colaboração limitada entre regiões (densidade da rede = 0,0137) indica que a baixa densidade da rede de colaboração reflete conectividade restrita entre grupos de pesquisa; contudo, nenhuma análise formal de publicações por regiões Leste/Centro/Oeste foi realizada. Um modelo viável de colaboração interestadual poderia utilizar o CARSS como estrutura nacional de vigilância e coordenação de dados, consórcios médicos regionais como unidades para harmonizar a coleta de espécimes, procedimentos de teste de suscetibilidade e validação clínica multicêntrica, e plataformas de pesquisa universitárias como centros para sequenciamento genômico, bioinformática e desenvolvimento metodológico. Dicionários de dados compartilhados, conjuntos de dados interoperáveis anonimizados, comparações regulares entre regiões e projetos conjuntos de alerta precoce poderiam ajudar a transformar sinais de vigilância em prioridades de pesquisa e ações locais de gestão adaptadas. Esse modelo proposto representa um caminho de implementação derivado dos achados da rede, e não uma intervenção avaliada diretamente no presente estudo.

As tendências divergentes de resistência identificadas neste estudo têm profundas implicações clínicas. A queda acentuada na MRSA (48,8%→25,8%; β = –2,43% ao ano, p < 0,001) demonstra que intervenções nacionais coordenadas — incluindo vigilância obrigatória, campanhas de higiene das mãos e uso racional de antimicrobianos — podem combater efetivamente patógenos resistentes²².

As trajetórias divergentes provavelmente refletem diferenças entre patógenos quanto à pressão de seleção antimicrobiana, mecanismos de resistência, persistência ecológica, dinâmicas de transmissão e resposta às medidas de controle de infecção. A diminuição da MRSA pode estar associada à implementação mais ampla de programas de vigilância e controle de infecções, enquanto o aumento ou a persistência de altos níveis de resistência entre CRKP e CRAB pode refletir a disseminação contínua de determinantes de resistência a carbapenêmicos e a dificuldade em controlar organismos Gram-negativos multirresistentes. A redução moderada em CRPA indica que as tendências de resistência não podem ser generalizadas para todos os patógenos resistentes a carbapenêmicos. De forma semelhante, o aumento de VRE a partir de uma base relativamente baixa exige monitoramento contínuo. Como esses fatores não foram medidos diretamente, devem ser considerados interpretações plausíveis e não mecanismos causais comprovados.

Conforme a análise de surtos, mcr-1 e carbapenemase permaneceram tópicos de pesquisa proeminentes, refletindo a atenção contínua à resistência móvel à colistina e aos organismos resistentes a carbapenêmicos. O surgimento de peptídeos antimicrobianos e terapia com fagos indica um crescente interesse em alternativas aos antibióticos convencionais, enquanto o sequenciamento completo do genoma, aprendizado de máquina e CRISPR refletem uma atenção crescente à vigilância genômica, predição de resistência e abordagens direcionadas a genes. Estudos recentes destacaram ainda as possíveis aplicações da inteligência artificial na vigilância de RAM, identificação de marcadores de resistência, análise de biofilmes, diagnósticos e descoberta de antimicrobianos^12,23,24,25.

No entanto, a detecção desses termos como fronteiras de pesquisa não indica prontidão clínica. Os modelos de aprendizado de máquina exigem conjuntos de dados multicêntricos padronizados, validação externa e prospectiva, interpretabilidade dos modelos e integração com fluxos de trabalho laboratoriais e clínicos. A terapia com fagos enfrenta desafios relacionados à especificidade de cepas, consistência na fabricação, controle de qualidade, evolução da resistência e padronização regulatória, enquanto as estratégias antibacterianas baseadas em CRISPR permanecem limitadas pela eficiência de entrega, efeitos fora do alvo, biossegurança e requisitos de contenção. A pesquisa internacional enfatiza cada vez mais a validação multicêntrica, fabricação padronizada e caminhos regulatórios; essas dimensões também devem ser consideradas ao avaliar a maturidade translacional da pesquisa realizada na China. Como o presente estudo não comparou quantitativamente as fases de desenvolvimento clínico nacionais e internacionais, essa interpretação permanece qualitativa.

Estudos realizados em diversas populações clínicas e contextos de infecção demonstram variações substanciais na distribuição de patógenos e nos perfis de resistência antimicrobiana^{26,27,28,29,30,31,32,33,34,35,36,37,38}. Em conjunto, esses relatórios indicam que os padrões de resistência são influenciados por características dos pacientes, locais da infecção, exposição a antimicrobianos e epidemiologia local. Patógenos Gram-negativos resistentes a carbapenêmicos continuam sendo uma preocupação recorrente em múltiplos contextos, enquanto o tratamento empírico deve ser orientado pela vigilância local e por testes padronizados de suscetibilidade. Evidências sobre terapia combinada, combinações de β-lactâmicos/ inibidores de β-lactamase, derivados de tetraciclina e outros tratamentos alternativos também fornecem um contexto clínico para os temas terapêuticos identificados pelas análises de palavras-chave e de explosão de termos^30,39.

Conforme os achados de palavras-chave e agrupamentos, a formação de biofilmes continua sendo um mecanismo fenotípico importante que contribui para a tolerância antimicrobiana e a falha terapêutica. Estudos com Cutibacterium acnes ilustram como comunidades microbianas estruturadas podem aumentar a tolerância por meio de barreiras físicas e microambientes alterados⁴⁰. RNAs não codificantes também surgiram como reguladores potenciais da expressão de genes de resistência em Acinetobacter baumannii⁴¹. Paralelamente, inibidores de β-lactamases de nova geração, derivados de tetraciclina e regimes combinados ampliaram a pesquisa sobre opções terapêuticas para organismos resistentes a carbapenêmicos⁴². Esses avanços permanecem clinicamente relevantes diante da resistência de alto nível persistente de Klebsiella pneumoniae e Acinetobacter baumannii relatada em dados nacionais de vigilância⁴³.

Perspectivas de profissionais de saúde sobre a resistência antimicrobiana, particularmente em contextos especializados como doenças respiratórias crônicas, enfatizam a importância crítica dos fatores comportamentais humanos para o sucesso da gestão antimicrobiana⁴⁴Além disso, análises nacionais de fatores associados à resistência clínica a antimicrobianos identificaram a densidade de consumo de antibióticos como um fator determinante primário, confirmando que o aumento na utilização de carbapenêmicos e cefalosporinas de terceira geração está diretamente correlacionado ao aumento da resistência em Pseudomonas aeruginosa e outros patógenos Gram-negativos⁴⁵.

Várias limitações devem ser reconhecidas. Primeiro, diferenças na cobertura de bases de dados, práticas de indexação, estruturas de campos e terminologias em chinês e em inglês podem ter introduzido viés de recuperação e podem ter impedido a correspondência completa de registros semanticamente equivalentes. O presente estudo não realizou uma análise temática separada dos corpora em chinês e em inglês; portanto, diferenças específicas por idioma no foco da pesquisa não puderam ser avaliadas quantitativamente. Segundo, os indicadores bibliométricos não conseguem avaliar diretamente a qualidade metodológica ou o risco de viés de estudos individuais, e as medidas baseadas em citações podem favorecer publicações mais antigas, altamente visíveis ou indexadas internacionalmente. Terceiro, a exclusão de estudos veterinários e ambientais sem um componente explícito de saúde humana, juntamente com a cobertura limitada de anais de conferências, relatórios institucionais, teses e outras literaturas cinzentas, pode subrepresentar o panorama mais amplo da resistência antimicrobiana na abordagem Um Só Saúde, particularmente evidências provenientes de contextos comunitários e rurais. A exclusão de revisões sistemáticas e metanálises sem novos conjuntos de dados primários também pode subrepresentar a contribuição da síntese de evidências para a formação de focos críticos. Quarto, atrasos na publicação e na indexação podem ter reduzido a representatividade de estudos publicados próximo ao final do período do estudo. Quinto, o algoritmo de detecção de picos de Kleinberg pode gerar sinais falsos positivos quando palavras-chave apresentam flutuações temporais breves ou esporádicas. Além disso, não foi realizada uma análise formal de sensibilidade dos parâmetros do CiteSpace; portanto, a robustez dos resultados de rede, agrupamento e picos sob diferentes configurações de parâmetros do CiteSpace não foi avaliada. A ausência de consolidação formal de sinônimos pode ter fragmentado palavras-chave semanticamente equivalentes e pode ter afetado as estimativas de frequência de palavras-chave e da rede. Como não foi realizada uma análise formal de publicações por região Leste/Centro/Oeste da China, as diferenças regionais na produção de publicações não puderam ser avaliadas quantitativamente.

Estudos futuros devem testar parâmetros alternativos de sensibilidade a picos e limiares mínimos de duração, aplicar dicionários de sinônimos transparentes, comparar resultados entre bases de dados independentes e triangular sinais de pico com frequências anuais de palavras-chave e revisão por especialistas. Uma análise dedicada aos artigos mais citados não foi realizada; estudos futuros poderiam incorporar análise de artigos marcantes para caracterizar e validar independentemente as mudanças temporais nos temas de pesquisa sobre RAM. Uma análise de sobreposição de mapas duplos também estava além do escopo do presente estudo e pode ser considerada em trabalhos futuros para caracterizar os percursos de citação em nível de periódico.

Os padrões bibliométricos sugerem que a pesquisa sobre resistência antimicrobiana na China tem se deslocado cada vez mais do monitoramento descritivo para a investigação mecanicista e o desenvolvimento de intervenções inovadoras. Embora tenham sido feitos progressos significativos no controle do MRSA por meio de uma gestão abrangente, os patógenos Gram-negativos resistentes a carbapenêmicos continuam sendo uma ameaça crítica que exige atenção urgente. O surgimento de modelos preditivos baseados em inteligência artificial, terapia com fagos e intervenções baseadas em CRISPR pode oferecer oportunidades futuras para enfrentar a resistência antimicrobiana, embora sua transição da pesquisa laboratorial para a prática clínica permaneça desafiadora. Os resultados apoiam a continuidade do monitoramento, uma colaboração mais forte entre regiões e a manutenção da pesquisa tanto sobre antibióticos convencionais quanto sobre estratégias terapêuticas emergentes.

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
CiteSpace	Drexel University, Philadelphia, PA, USA	versão 6.4.R1	Realizar uma análise bibliométrica abrangente, incluindo análise de coautoria, análise de coocorrência de palavras-chave, análise de agrupamento e detecção de explosão.
China National Knowledge Infrastructure (CNKI)	China National Knowledge Infrastructure	Não aplicável	Compilar artigos de pesquisa fornecidos por fontes domésticas chinesas.
R	Software R	versão 4.3.2
Web of Science Core Collection (SCI-E)	Web of Science	Não aplicável	Pesquisar e recuperar sistematicamente a literatura internacional.