Choosing the right journal for your systematic review
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: The importance of systematic reviews (SRs) as an aid to decision making in health care has led to an increasing interest in the development of this type of study. When selecting a target journal for publication, authors generally seek out higher impact factor journals. This study aimed to determine the percentage of scientific medical journals that publish SRs according to their impact factors (>2.63) and to determine whether those journals require tools that aim to improve SR reporting and meta-analyses. METHODS: In our cross-sectional study showing how to choose the right journal for a SR, we selected and analysed scientific journals available in a digital library with a minimum Institute for Scientific Information impact factor of 2.63. RESULTS: We analysed 622 scientific journals, 435 (69.94%) of which publish SRs. Of those 435 journals, 135 (21.60%) provide instructions for authors that mention SRs. Three hundred journals (48.34%) do not discuss criteria for article acceptance in the instructions for authors section, but do publish SRs. Only 118 (27.00%) scientific journals require items to be reported in accordance with the specific SR reporting forms. CONCLUSIONS: The majority of the journals do not mention the acceptance of SRs in the instructions for authors section. Only a few journals require that SRs meet specific reporting guidelines, making interpretation of their findings across studies challenging. There is no correlation between the impact factor of the journal and its acceptance of SRs for publication.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,350 | 0,589 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,029 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,017 | 0,018 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,020 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,022 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».