Association between Graduate Degrees and Publication Productivity in Academic Neurosurgery
Notice bibliographique
Résumé
OBJECT: Many neurosurgeons pursue graduate degrees as part of their training. In some jurisdictions, graduate degrees are considered a necessary condition of employment in academic neurosurgery. However, the relationship between possession of a graduate degree and eventual research productivity is not well established. We used bibliometric methods to analyze publications from academic Canadian neurosurgeons, with an emphasis on level of graduate training. METHODS: All neurosurgeons holding academic appointments at Canadian institutions from 2012-2016 were included. Over that time frame, Scopus was used to quantify the number of papers, number of citations, 5-year h-index and 5-year r-index, CiteScore, authorship position, and paper type (clinical or basic science). Publication output was compared between neurosurgeons grouped as MD-only, MD-Masters, or MD-PhD. RESULTS: In total, 2557 abstracts from 131 Canadian neurosurgeons were analyzed. We found that MD-Masters neurosurgeons published significantly more total papers, clinical papers, and first/last author papers than MD-only neurosurgeons. MD-PhD neurosurgeons had the same findings, in addition to more basic science papers, in journals with a higher CiteScore, 5-year h-index, and 5-year r-index than both other groups. These results were preserved even with significant outliers removed. There was no difference if graduate degrees were obtained before or after starting residency. There was no correlation with career length and number of recent papers published. CONCLUSION: The attainment of a graduate degree has an important association with future publication productivity for academic neurosurgeons. These data should be useful for hiring committees considering the value of graduate degrees from applicants for positions in academic neurosurgery.
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 | 0,012 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».