Honorary authorship in biomedical journals: how common is it and why does it exist?
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
BACKGROUND: The number of coauthors in the medical literature has increased over the past 50 years as authorship continues to have important academic, social and financial implications. AIM AND METHOD: The study aim was to determine the prevalence of honorary authorship in biomedical publications and identify the factors that lead to its existence. An email with a survey link was sent anonymously to 9283 corresponding authors of PubMed articles published within 1 year of contact. RESULTS: A completed survey was obtained from 1246 corresponding authors, a response rate of 15.75%. One-third (33.4%) admitted that they had added authors who did not deserve authorship credit. Origin of the study from Europe and Asia (p ≤ 0.001 and 0.005, respectively), study type as case report/case series (p=0.036) and increasing number of coauthors were found to be the associated factors on multivariate analysis. Journal impact factor was also found to be associated with honorary authorship (mean journal impact factor was 4.82 (SD 6.32) for those who self-reported honorary authorship and 5.60 (SD 7.13) for those who did not report unjust authorship, p=0.05). In retrospect, 75% of the authors indicated that they would remove unjustified names from the authorship list. Reasons for adding honorary authors were complimentary (39.4%), to avoid conflict at work (16.1%), to facilitate article acceptance (7.2%), and other (3.6%). CONCLUSIONS: Honorary authorship is relatively common in biomedical publications. Researchers should comply with the International Committee of Medical Journal Editors' criteria for authorship.
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 | 0,181 | 0,332 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,032 | 0,047 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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