Global knowledge graph of osteoporosis biomarkers based on large language model embeddings and complex network algorithms
Tan Q., Liang W., Liu M., Fan Q., Pan W., Zhou J.
การศึกษาในห้องปฏิบัติการ ตีพิมพ์ในวารสาร Front Endocrinol (Lausanne) ปี 2026 — สรุปอัตโนมัติจากบทคัดย่อ PubMed
หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป
- ระดับ A · หลักฐานทางคลินิกค่อนข้างแข็งแรง
- ระดับ B · หลักฐานทางคลินิกที่กำลังเติบโตและมีสัญญาณเชิงบวก
- ระดับ C · งานวิจัยในมนุษย์ระยะต้นที่กำลังสำรวจประโยชน์
- ระดับ D · รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลอง
- กำลังศึกษาเพิ่มเติม · หัวข้อใหม่ที่นักวิจัยกำลังสำรวจอย่างต่อเนื่อง
ข้อมูลหน้านี้ดึงมาจากฐานข้อมูล PubMed โดยตรง คำอธิบายภาษาไทยเป็นสรุปอัตโนมัติจากข้อมูลบรรณานุกรมและบทคัดย่อ ไม่ใช่การแปลทั้งฉบับ และไม่ใช่คำแนะนำทางการแพทย์
- ประเภทการศึกษา
- การศึกษาในห้องปฏิบัติการ
- วารสาร
- Front Endocrinol (Lausanne) (2026)
- จำนวนผู้เข้าร่วม (จากบทคัดย่อ)
- —
- แหล่งข้อมูล
- Europe PMC
- PMID
- 42181175
- PMCID
- PMC13193976
- DOI
- 10.3389/fendo.2026.1776707
บทคัดย่อ (ต้นฉบับภาษาอังกฤษ)
Background This study applies advanced artificial intelligence technologies to reconstruct the global research landscape of osteoporosis (OP) biomarkers and to predict emerging nodes with potential clinical value. Methods Literature from the Web of Science Core Collection and PubMed over the past 20 years was integrated. The OpenAI text-embedding-3-large model mapped keywords into a high-dimensional semantic space, enabling deep clustering through cosine similarity and reducing polysemy. The Walktrap community detection algorithm and Callon strategic diagram were used to identify high-centrality, low-density themes in the "fourth quadrant." Gemini 2.5 Pro was applied to generate entity-relation triples, which were validated through a human-in-the-loop process and integrated into a refined knowledge graph. Topological indicators such as betweenness centrality were used to detect emerging potential nodes. Results A total of 1595 core publications were included, showing a significant linear rise in annual output. Nine major research themes were identified. The strategic diagram highlighted three high-potential domains: inflammation and immune regulation, detection technologies and biosensing, and gut microbiota and metabolism. Knowledge-graph analysis revealed oxidative stress as a key bridging node integrating immune, metabolic, and other systems. Several emerging nodes with stro
สิ่งที่งานวิจัยนี้ไม่ได้พิสูจน์
- • งานวิจัยนี้ไม่ได้พิสูจน์ว่า SVF เป็นการรักษาที่ได้รับการรับรอง หรือใช้แทนการรักษามาตรฐานได้
- • เป็นการศึกษาก่อนคลินิก ผลในสัตว์ทดลองหรือห้องปฏิบัติการไม่สามารถนำมาสรุปผลในมนุษย์ได้
ระดับหลักฐาน
หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป
ดูวิธีจัดระดับหลักฐานดูงานวิจัยทั้งหมดที่เกี่ยวข้อง
กรองห้องสมุดงานวิจัยด้วยชื่อเรื่อง ชื่อผู้เขียน หรือปีที่ตีพิมพ์ของงานวิจัยนี้