Topical Review: Bibliometric Analysis of the Emerging Field of Myopia Management
Notice bibliographique
Résumé
SIGNIFICANCE: Identification of the most impactful articles, authors, institutions, countries, and journals in myopia management provides a useful baseline reference for clinicians, researchers, and funding agencies in respect of this emerging field.This work aims to assemble publication metrics for myopia management to identify the most impactful articles, authors, institutions, countries, and journals in this emerging field of research. A search of the titles of articles was undertaken on the Scopus database to identify myopia management-related articles. The 25 most highly cited articles were determined from the total list of 1064 articles found. Rank-order lists by count were assembled for the top 25 in each of four categories: authors, institutions, countries, and journals. A subject-specific myopia management-related h-index (hMM-index) was derived for the entire field, in addition to each of the four categories, to serve as measures of impact in the field. Top 15 lists were generated for each category ranked by hMM-index and tabulated for consideration. An article by Christine Wildsoet and colleagues, describing choroidal and scleral mechanisms of compensation for spectacle lenses in chicks, has generated the most citations (412); Earl Smith is the most impactful author (hMM = 19); the University of Houston produces the most impactful articles (hMM = 31); the United States is the most highly ranked country (hMM = 60); and Optometry and Vision Science is the most impactful journal. Although still in its infancy, myopia management is a topic of emerging interest in the clinical and scientific ophthalmic literature. Impactful authors, institutions, countries, and journals are identified. Optometry is revealed as the leading profession in relation to the publication of myopia management-related articles.
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 | 0,019 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,173 | 0,216 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».