From monitoring to generative intervention: The evolution of AI in exercise prescription – A bibliometric analysis - 19/08/26
De la surveillance à l’intervention générative : l’évolution de l’intelligence artificielle dans le domaine de la prescription de l’exercice – une analyse bibliométrique
Abstract |
Objectives |
The transition to precision health necessitates optimizing exercise prescriptions through high-dimensional data rather than generalized physical activity guidelines. However, disciplinary silos between computational engineering and clinical practice obscure the integration of these fields, leaving the intellectual structure and evolutionary trajectory linking artificial intelligence with exercise science fragmented and opaque. This systematic bibliometric analysis deconstructs the evolutionary trajectory and knowledge landscape of artificial intelligence applications within the domain of exercise prescription.
Materials and methods |
Bibliometric data were retrieved from the Web of Science Core Collection on November 27th, 2025. Inclusion criteria limited documents to English-language articles and reviews. Subject categories related solely to hardware engineering were excluded to ensure clinical relevance. The final dataset comprised 1758 unique records. A methodological triangulation strategy employed R-Bibliometrix, VOSviewer, and CiteSpace. R-Bibliometrix calculated annual publication growth regression and visualized knowledge flow via Sankey diagrams. VOSviewer constructed keyword co-occurrence networks to identify thematic clusters. CiteSpace applied Kleinberg's burst detection algorithm to trace temporal shifts in research hotspots.
Results |
Annual scientific production follows an exponential growth curve driven by the recent integration of generative algorithms. Geospatial metrics reveal a persistent disparity between production volume and citation impact within East Asian research networks compared to Western hubs. Network analysis delineates four thematic clusters linking ethical foundations, machine-learning algorithms, and mobile health applications. Burst detection indicates a distinct shift in academic interest toward generative behavioral interventions.
Le texte complet de cet article est disponible en PDF.Résumé |
Objectifs |
La transition vers une santé de précision exige une optimisation des prescriptions d’exercice fondée sur des données de haute dimension plutôt que sur des recommandations générales d’activité physique. Cependant, les cloisonnements disciplinaires entre l’ingénierie computationnelle et la pratique clinique occultent actuellement l’intégration de ces champs. En conséquence, la structure intellectuelle et la trajectoire évolutive reliant l’intelligence artificielle aux sciences de l’exercice demeurent fragmentées et opaques. Cette analyse bibliométrique systématique déconstruit la trajectoire évolutive et le paysage des connaissances des applications de l’intelligence artificielle dans le domaine de la prescription d’exercice.
Matériels et méthodes |
Les données bibliométriques ont été extraites du Web of Science Core Collection le 27 novembre 2025. Les critères d’inclusion ont limité les documents aux articles et revues en langue anglaise. Les catégories disciplinaires relevant uniquement de l’ingénierie matérielle ont été exclues afin de garantir la pertinence clinique. Le jeu de données final comprenait 1758 enregistrements uniques. Une stratégie de triangulation méthodologique a employé R-Bibliometrix, VOSviewer et CiteSpace. R-Bibliometrix a calculé la régression de la croissance annuelle des publications et visualisé les flux de connaissances via des diagrammes de Sankey. VOSviewer a construit des réseaux de co-occurrence de mots-clés pour identifier les clusters thématiques. CiteSpace a appliqué l’algorithme de détection de bursts de Kleinberg pour retracer les déplacements temporels des fronts de recherche.
Résultats |
La production scientifique annuelle suit une courbe de croissance exponentielle, stimulée par l’intégration récente des algorithmes génératifs. Les indicateurs géospatiaux révèlent une disparité persistante entre le volume de production et l’impact citationnel des réseaux de recherche est-asiatiques par rapport aux pôles occidentaux. L’analyse des réseaux délimite quatre clusters thématiques reliant les fondements éthiques, les algorithmes d’apprentissage automatique et les applications de santé mobile. La détection de bursts indique un basculement marqué de l’intérêt académique vers les interventions comportementales génératives.
Le texte complet de cet article est disponible en PDF.Keywords : Precision medicine, Generative Artificial intelligence, Large language models, Mobile applications, Machine learning
Mots clés : Médecine de précision, Intelligence artificielle générative, Grands modèles de langage, Applications mobiles, Apprentissage automatique
Plan
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?