Top 50 Highly Cited Articles on Dual Energy Computed Tomography (DECT) in Abdominal Radiology: A Bibliometric Analysis
Notice bibliographique
Résumé
This study aims to identify the 50 most highly cited articles on dual energy computed tomography (DECT) in abdominal radiology. Thomson Reuters Web of Science All Databases was queried without year or language restriction. Only original research articles with a primary focus on abdominal radiology using DECT were selected. Review articles, meta-analyses, and studies without human subjects were excluded. Fifty articles with the highest average yearly citation were identified. These articles were published between 2007 and 2017 in 12 journals, with the most in <i>Radiology </i>(12 articles). Articles had a median of 7 authors, with all first authors but one primarily affiliated to radiology departments. The United States of America produced the most articles (16), followed by Germany (13 articles), and China (7 articles). Most studies used Dual Source DECT technology (35 articles), followed by Rapid Kilovoltage Switching (14 articles), and Sequential Scanning (1 article). The top three scanned organs were the liver (24%), kidney (16%), and urinary tract (15%). The most commonly studied pathology was urinary calculi (28%), renal lesion/tumor (23%), and hepatic lesion/tumor (20%). Our study identifies intellectual milestones in the applications of DECT in abdominal radiology. The diversity of the articles reflects on the characteristics and quality of the most influential publications related to DECT.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,132 | 0,089 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéePrédiction automatique; les deux têtes enseignantes 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 ».