Variability in research productivity among Canadian surgical specialties
Notice bibliographique
Résumé
Background: Academic productivity, as measured by number and impact of publications, is central to the career advancement and promotion of academic surgeons. We compared research productivity metrics among specialties and sought factors associated with increased productivity. Methods: Academic surgeons were identified through departmental webpages and their scholarly metrics were collected through Scopus in a standardized fashion. We collected total number of documents, h-index, and average number of publications per year in the preceding 5 years. We explored whether presence of a training program, graduate degree, academic rank and size of the clinical group affected productivity metrics. Linear regression was used for multivariable analysis. Results: We collected data on 2172 surgeons from 15 separate academic centres across Canada. Wide variability existed in metrics among specialties, with cardiac and neurosurgery being the most productive, and vascular surgery and plastic surgery being the least productive. The average number of publications was 71, and the average h-index was 18.7. The average h-index for cardiac surgery was 25.7 compared with 8.3 for vascular surgery (p < 0.001). Our multivariable model identified academic rank, surgical specialty, graduate degree, presence of a training program, and larger clinical group as being associated with increased academic productivity. Conclusion: There is variability in research productivity among Canadian surgical specialties. Cardiac surgery and neurosurgery are productive, whereas vascular surgery and plastic surgery are less productive than other surgical disciplines. Obtaining a research-oriented graduate degree, being part of a larger clinical group, and presence of a training program were all associated with higher productivity, even after adjusting for academic rank and specialty.
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 | 0,028 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».