人工智能驱动的科学度分析与最新见解:老年和脆弱人群的下尿路症状

这项基于人工智能（AI）的科学计量分析利用 Mynd 发现平台，探讨了老年患者下尿路症状（LUTS）领域的研究趋势。通过应用其创新的时效性指标，该研究识别出新兴研究方向、长期存在的研究主题以及文献中的关键空白。

Mynd 运用人工智能驱动的科学计量分析方法，基于 PubMed 摘要绘制下尿路症状（LUTS）与衰弱领域的研究趋势图。共分析了 13,737 篇被 PubMed 收录的出版物。通过无监督主题建模，Mynd 提取关键术语并构建层次化主题结构，以增强对上下文的理解。利用包括新型“新颖性指标”在内的定量指标，测量文献发表趋势，将主题分类为新兴、主流、衰退或热点主题。该方法为老年人群中 LUTS 研究提供了数据驱动的洞察。

尽管自20世纪80年代以来关于下尿路症状（LUTS）的研究持续稳步增长，但自2020年起论文发表数量有所下降。地理分布分析显示，科研重心正逐渐向亚洲转移。更深入的分析表明，诊断方法的研究正转向微创技术，而对侵入性尿动力学的研究兴趣则有所减弱。在治疗领域也观察到类似趋势。虚弱（frailty）在现有文献中仍显著被低估，仅占相关研究的2.5%，但其较高的新颖性得分表明该领域正受到日益增长的关注。

这些见解凸显了下尿路症状（LUTS）研究领域的不断演变，越来越多的研究关注以患者为中心、创伤更小的管理策略。然而，主要的研究空白仍然存在，尤其是在衰弱患者群体中的研究，亟需进一步开展研究，以确保为老年群体提供基于证据的、个体化的干预措施。