Bibliometric Analysis of Manuscript Characteristics that Influence Citations: A Comparison of Six Major Family Medicine Journals
Notice bibliographique
Résumé
ABSTRACT Objective The premise of our study was to investigate the characteristics of family medicine (FM) manuscripts that influence citation rate, capturing features of manuscript construction that are discrete from the study design. Design We conducted a cross-sectional study of published articles (n = 199), from January to June 2008, from 6 major FM journals with the highest impact factor. Annals of Family Medicine (IF = 1.864), British Journal of General Practice (1.104), Journal of American Board of Family Medicine (1.015), Family Practice (0.976), Family Medicine (0.936), and BMC Family Practice (0.815). Citation counts for these articles were retrieved using Web of Science filter on SCImago and 25 article characteristics were tabulated manually. We then predicted the citation rate by performing univariate analysis, spearman rank-order correlation, and multiple regression model on the collected variables. Results Using spearman rank-order correlation, we found the following variables to have significant positive correlation with citations: number of references (r s and p -value, 0.31 and 0.001 respectively), total words (0.36, 0.001), number of pages (0.33, 0.001), abstract word count (0.17, 0.010) and abstract character count (0.16, 0.010). In a multivariate linear regression model: number of references ( p -value = 0.010 , R 2 = 0.06) and multi-institutional ( p -value = 0.050 , R 2 = 0.01) had a significant effect on citation rates. Conclusion Editors and authors of FM can enhance the impact of their journals and articles by utilizing this bibliometric study when assembling their manuscript.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,054 | 0,021 |
| 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 | 0,000 | 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 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 ».