Analysis of Iranian Breast Cancer Research: A Scientometric Study
Notice bibliographique
Résumé
Background and Aim: Scientometric studies are one of the most effective methods of scientific evaluation in databases. The aim of this study was to investigate Breast cancer in Iran from 2000-2016. Materials and Methods: This study has an applied approach and was conducted using scientometric indices. The st tistical population was the indexed articles related to Breast cancer between the years 2000 and 2016 by Iranian researchers at the Science Web site. Results: During the period 2000-2016, researchers have published 2198 articles on Breast cancer that indicate a steady and steady increase in the number of studies conducted in this area. The results of the study showed that Qaderi is the most prolific researcher in the field of Breast cancer in terms of the number of articles in Iran, Ebrahimi and Montazeri are in the second and third positions respectively. The highest H-index belongs to Montazeri, Qaderi and Abraham, respectively. Researchers in the field of Breast cancer have collaborated with researchers from 65 countries and more with the United States and Canada. The most co-operation has been between researchers in Tehran and Tabriz. The analysis of the keywords used in Breast cancer research in the form of supragloss showed that Iran, Apoptosis and Polymorphism were the most frequent keywords in the studied works. Conclusion: The upward trend in Breast cancer research indicates the growing importance of this area in Iran. Given the global growth of Breast cancer research and the importance of international research participation, Iranianresearchers should more and more engage in scientific collaboration with their counterparts abroad.
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 | 0,015 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,060 | 0,090 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| 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 | 0,000 |
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; 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 ».