Mouth Cancer Research: A Quantitative Analysis of World Publications, 2003-12
Notice bibliographique
Résumé
The paper presents an analysis of 37049 world papers in mouth cancer, indexed in Scopus database during 2003-12, experiencing an annual average growth rate of 5.15 % and citation impact of 9.72. The 15 most productive countries account for 88.14 % share in world output, with largest share (26.79 %) coming from USA, followed by Japan (9.31 %), UK (7.58 %), Germany (5.82 %), Italy (5.60 %), China (4.98 %), India (4.94 %), etc., during 2003-12. Eight out of 20 countries have achieved relative citation index above 1–France (1.74), Australia (1.58), Netherlands (1.55), Canada (1.43), USA (1.33k), Germany (1.21), UK (1.16), Italy (1.06), and Spain (1.05) during 2003-12. Medicine contributed the largest share (82.72 %) among subjects, followed by biochemistry, genetics & molecular biology (29.33 %), dentistry (14.36 %), pharmacology, toxicology & pharmaceutics (8.36 %), immunology & microbiology (1.90 %), etc during 2003-12. In cancer site, tongue, salivary glands and oropharynx contributed the largest share of 12.04 %, 10.02 % and 8.44 % respectively during 2003-12. Squamous cell carcinoma contributed the largest share of 27.20 % among types of mouth cancer research, followed by lymphomas (12.72 %), salivary gland carcinoma (10.02 %), and melanoma (3.36 %) etc during 2003-12. Surgery contributed the largest share (15.77 %) among treatment methods used, followed by chemotherapy (14.99 %), diagnosis (13.20 %), radiotherapy (12.86 %), pathology (12.48 %), etc. during 2003-12. Among several organisations, authors and journals, the top 20 contributed 14.1 %, 4.27 %, and 23.16 % share respectively during 2003-12. http://dx.doi.org/ 10.14429/djlit.34.7341
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,066 | 0,128 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».