Top 100 most‐cited papers in core dental public health journals: bibliometric analysis
Notice bibliographique
Résumé
OBJECTIVE: This quali-quantitative study analysed the 100 most-cited papers in core dental public health (DPH) journals focusing on understanding international knowledge production. METHODS: The DPH journals were selected from titles and scopes at Web of Science Core Collection database up to March 2020. Further comparisons were performed at Scopus and Google Scholar databases. Some bibliometric parameters were extracted as follows: title, number of citations, citation density (number of citations per year), first author's country, year of publication, study design and subject. VOSviewer software was used to create graphical bibliometric maps. RESULTS: Papers were ranked by the total number of citations, which ranged from 104 to 1,019, and six papers were cited more than 400 times. Papers were published from 1974 to 2013, mainly in Community Dentistry and Oral Epidemiology. Most frequent study designs were cross-sectional (30%) and nonsystematic review (25%). Most papers were from Europe (54%) and North America (31%). First authors were predominantly from the United Kingdom (17%), United States of America (17%) and Canada (14%). VOSviewer map of co-authorship demonstrated the existence of clusters in the research collaboration. Although epidemiology was the most frequent subject (84%), health services research presented eight times higher citation density. CONCLUSIONS: Top 100 most-cited papers in core DPH journals were predominantly observational studies from Anglo-Saxon countries. Top 100 most-cited papers in core DPH journals tend to be cross-sectional studies carried out in the United States with highest citation in health services research. Locker D, Petersen PE and Sheiham A are a landmark for DPH field.
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 | 0,136 | 0,306 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,685 | 0,915 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».