Fifty top-cited classic papers in orthopedic elbow surgery: A bibliometric analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The number of citations that a paper has received reflects the impact of the article within a particular medical area. Citation analysis concerning the most cited articles have been widely reported in orthopedic surgery and its subspecialties. However, which articles are cited most frequently in orthopedic elbow surgery is unknown. This study aimed to identify and analyze the characteristics of the 50 most cited articles in elbow surgery. METHODS: Science Citation Index Expanded was used to search for citations in 181 journals chosen according to the relevance for elbow publications. The 50 most cited articles in elbow surgery were identified. The title, authors, year of publications, article type, journal source, country, institution, number of citations, decade published, citation density and level of evidence were recorded and analyzed. RESULTS: The 50 most cited articles were published between 1950 and 2010. The 1980s was the most productive decade. The number of citations ranged from 388 to 124. All the articles were written in English and published in nine journals. The majority of articles originated from United States, followed by Canada and United Kingdom. Fracture was the most discussed topic. The majority of the top cited articles were clinical studies, with the remaining basic research. The most common level of evidence was level IV. CONCLUSIONS: Identification of the most cited papers in elbow surgery shows an insight into the historical development of elbow surgery and provides the foundation for further investigations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,055 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,858 | 0,850 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle