Scientific Impact and Clinical Influence: Identifying Landmark Studies in Burns
Notice bibliographique
Résumé
Although many reviews describe significant advances in burn care, no studies have yet examined why these papers had such profound impact. Our objective was to identify the most highly cited, as well as the most clinically influential studies in burns, and describe their characteristics, to inform future research in the field. Web of Science was searched using keywords related to burns to identify the 100 most-cited burns papers. Study design, year and journal of publication, and subject of the paper were recorded. A mixed-methods approach was used to identify papers in burn research leading to change in clinical practice. Characteristics of these papers were compared with identify any factors predictive of future citations or clinical influence. The 100 highly cited papers were cited between 159 and 907 times. There was no correlation between total citations and journal impact factor, year of publication, or subject area. Level of evidence did not predict future citations or influence, but may be influenced by evolving research standards. Of 23 clinically influential studies, 6 were not among 100 most-cited. Using papers only from the 100 most-cited list was not sufficient to identify leading researchers in burns. Citation analysis is a beneficial, however not alone sufficient to identify landmark papers, particularly for multidisciplinary fields such as burns.
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 | 0,081 | 0,358 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,070 | 0,073 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».