What can we learn from top-cited articles in inflammatory bowel disease? A bibliometric analysis and assessment of the level of evidence
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Despite increasing number of publications in inflammatory bowel disease (IBD), no bibliometric analysis has been conducted to evaluate the significance of highly cited articles. Our objectives were to identify the top-cited articles in IBD, assessing their characteristics and determining the quality of evidence provided by these articles. DESIGN AND OUTCOME MEASURES: IBD and related terms were used in searching the Web of Science to identify English language articles. The 50 top-cited articles were analysed by year, journal impact factor (JIF), authorship, females in authorship, institute, country and grants received. The level of evidence was determined using the Oxford Centre for Evidence-Based Medicine guidelines. RESULTS: The number of citations varied from 871 to 3555 with a total of 74 638, and a median 1339.50 (IQR=587). No correlations were found between the number of citations and number of years since publication (r=0.042, p=0.771), JIF (r=0.186, p=0.196), number of authors (r=0.061, p=0.674), females in authorship (r=0.064, p=0.661), number of institutes (r=0.076, p=0.602), number of countries (r=0.101, p=0.483) or number of grants (r=-0.015, p=0.915). The first authors were from the USA (n=24), the UK (n=6), Germany (n=5), France (n=5), Belgium (n=3) and Canada (n=3). The levels of evidence were 12 articles at level 1b, 9 articles at level 3a and 15 articles at level 3b and fewer were at other levels. CONCLUSIONS: Research papers represented 66% of articles. The majority of items have reasonably high levels of evidence, which may have contributed to the higher number of citations. The study also shows a gender gap in authorship in this area.
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 | 0,021 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,356 | 0,799 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».