Applying an Author-Weighted Scheme to Identify the Most Influential Countries in Research Achievements on Skin Cancer: Observational Study
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 Skin cancers are caused by the development of abnormal cells that can invade or spread to other parts of the body. The countries whose authors contribute the most amount of articles on skin cancer to academia is still unknown. Objective The objectives of this study are to apply an author-weighted scheme (AWS) to quantify the credits for coauthors on an article byline and allocate the author weights to the country-level credits in articles. Methods On July 20, 2019, we obtained 16,804 abstracts published since 1938, based on a keyword search of “skin cancer” in PubMed. The author names, countries/areas, and journals were recorded. International author collaborations on skin cancer were analyzed based on country-level credits in articles. We aimed to do the following: (1) present country distribution for the first authors and the most popular journals, (2) show choropleth maps to highlight the most influential countries, and (3) draw scatter plots based on the Kano model to characterize the features of country-level research achievements. We programmed Excel Visual Basic for Applications (Microsoft Corp) routines to extract data from PubMed. Google Maps was used to display graphical representations. Results Our results suggest that researchers in the United States have published most frequently, accounting for 30.37% (5103), while Germany accounts for 7.34% (1234), followed by Australia (997, 5.93%). The top three continents for the proportion of published articles are North America, Europe, and Asia, accounting for 32.29%, 31.71%, and 10.41%, respectively. Conclusions This study offers an objective picture of the representativeness and evolution of international research on the topic of skin cancer. The research approaches used here have the potential to be applied to other areas besides skin cancer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle