Akademik Veri Yönetim Sistemi
9th INTERNATIONAL HEALTH SCIENCE AND LIFE CONGRESS, Antalya, Türkiye, 15 - 18 Nisan 2026, ss.1, (Özet Bildiri)
Bu çalışma, yapay zeka (YZ) ve makine
öğrenmesi (MÖ) uygulamalarının yaşlı bireyler bağlamında bilimsel üretimini
2015–2025 yılları arasında sistematik biçimde haritalamayı amaçlamaktadır. Web
of Science (WoS) veri tabanından elde edilen 2.360 makale, bibliometrix (R)
paketi kullanılarak bibliyometrik yöntemlerle analiz edilmiştir. Bulgular;
yayın sayısının 2015'teki 11 makaleden 2025'te 884 makaleye ulaşarak yaklaşık
76 katlık çarpıcı bir artış gösterdiğini ortaya koymaktadır. Çin (%37) ve ABD
(%15,4) en verimli ülkeler olarak öne çıkmakta; Harvard Üniversitesi ve Sichuan
Üniversitesi ise en fazla katkı sunan kurumlar arasında yer almaktadır. Tematik
analiz; demans, depresyon, frailty, düşme tespiti ve ölüm tahmini konularının
araştırma gündeminin merkezinde olduğunu göstermektedir. Atıf analizleri,
sosyal robot teknolojisi, giyilebilir sensörler ve derin öğrenme tabanlı klinik
karar destek sistemlerinin en etkili çalışmaların odağını oluşturduğunu açığa
çıkarmaktadır. Bu bulgular, alanın hızlı büyümesine karşın klinik uygulama ile
araştırma çıktıları arasındaki boşluğun kapanması için disiplinlerarası iş
birliğine ve standart metodolojik çerçevelere olan ihtiyacı vurgulamaktadır.
This study aims to systematically map
the scientific output on artificial intelligence (AI) and machine learning (ML)
applications in the context of older adults between 2015 and 2025. A total of
2,360 articles retrieved from the Web of Science (WoS) database were analyzed
using bibliometric methods via the bibliometrix package in R. The findings
reveal a striking growth trajectory: the number of publications increased
approximately 76-fold, from just 11 articles in 2015 to 884 in 2025. China
(37%) and the United States (15.4%) emerged as the most productive countries,
while Harvard University and Sichuan University ranked among the leading
institutions. Thematic analysis indicated that dementia, depression, frailty,
fall detection, and mortality prediction constitute the core of the research
agenda. Citation analyses further revealed that social robot technology,
wearable sensors, and deep learning-based clinical decision support systems are
the focal points of the most influential studies. These findings highlight the
field's rapid expansion while underscoring the need for interdisciplinary
collaboration and standardized methodological frameworks to bridge the gap
between clinical practice and research outcomes. Future studies should
prioritize external validation of AI/ML models and address existing
geographical imbalances in knowledge production.