Resumen A pesar del papel crítico de la señal respiratoria en el diagnóstico y monitoreo de enfermedades respiratorias, falta un análisis que mapee la evolución, tendencias y vacíos de investigación en este campo. Por lo tanto, se presenta un análisis bibliométrico sistemático de 2,017 documentos publicados en las bases de datos Scopus y Web of Science (1975–2025) para caracterizar el paisaje de investigación, mapear contribuciones influyentes y capturar tendencias recientes. Se utilizaron diversas herramientas para analizar conteos de publicaciones, citas, autores y metadatos de palabras clave. El análisis demostró un aumento gradual en las publicaciones impulsado por avances tecnológicos y enfermedades como H1N1 y COVID-19. El resultado muestra que Estados Unidos fue el líder en publicaciones, seguido de China, que contribuyó con el mayor impacto en citas. El documento más citado se centró en la imagenología por TC 4D, mientras que pocos estudios evaluaron técnicas para el análisis de señales respiratorias y discutieron la utilización de IA en el diagnóstico de señales respiratorias. Estos hallazgos subrayan la naturaleza global de la investigación sobre señales respiratorias en campos multidisciplinarios como la ingeniería, ciencias computacionales y medicina. Las palabras clave más utilizadas, como "sonidos pulmonares", "aprendizaje profundo", "aprendizaje automático" y "CNN", destacan un enfoque importante en las condiciones respiratorias y la integración de métodos computacionales avanzados para mejorar la precisión diagnóstica y la toma de decisiones clínicas. En resumen, este estudio agrega nuevos estudios bibliométricos para dar forma al desarrollo en la práctica clínica, apoyar el estudio interdisciplinario y permitir que los investigadores desarrollen nuevas respuestas a los problemas de salud respiratoria.
Ismail et al. (Vier,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: