The h-Index of Editorial Board Members Correlates Positively With the Impact Factor of Sports Medicine Journals
Notice bibliographique
Résumé
Background: The h-index is a metric widely used to present both the productivity and impact of an author’s previous publications. Purpose: To evaluate and observe any correlations among the h-indices of 2015 editorial board members from 8 top sports medicine journals. Study Design: Systematic review. Methods: The sex, country of residence, degree, and faculty position of the editorial board members were identified using their respective scientific publication profiles. The h-index and other bibliometric indicators of these editorial board members were obtained using both the Web of Science (WoS) and Google Scholar (GS) databases. Nonparametric statistics were used to analyze differences in h-index values, and regression models were used to assess the ability of the editorial board member’s h-index to predict their journal’s impact factor (IF). Results: A total of 422 editorial board members were evaluated. The median h-index of all editors was 20 (interquartile range [IQR], 19) using GS and 15 (IQR, 15) using WoS. GS h-index values were 1.19 times higher than WoS, with significant correlation between these values ( r 2 = 0.88, P = .0001). Editorial board members with a PhD had significantly higher h-indices than those without (GS, P = .0007; WoS, P = .0002), and full professors had higher h-indices than associate and assistant professors (GS, P = .0001; WoS, P = .0001). Overall, there were significant differences in the distribution of the GS ( P < .0001) and WoS ( P < .0001) h-indices of the editorial board members by 2014 IF of the journals. Both the GS h-index (β coefficient, 0.01228; 95% CI, 0.01035-0.01423; P < .0001) as well as the WoS h-index (β coefficient, 0.01507; 95% CI, 0.01265-0.01749; P < .0001) of editorial board members were significant predictors of the 2014 IF of their journal. Conclusion: The h-indices of editorial board members of top sports medicine journals are significant predictors of the IF of their respective journals.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheBibliométrie Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | BibliométrieMétarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,012 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».