Bibliometric analysis of the keratoconus literature
Notice bibliographique
Résumé
Clinical Relevance Clinicians, researchers funding agencies and indeed the general public can benefit from knowledge of the most highly cited papers and most impactful authors, institutions, countries and journals in the field of keratoconus.Background Bibliometrics relating to the keratoconus literature were derived to enable identification of the most impactful papers published, as well as the leading authors, institutions, countries and journals.Methods A search was undertaken of the titles of papers on the Scopus database to identify keratoconus-related articles. The 20 most highly cited papers were determined from the total list of 4,419 papers found. Rank-order lists by count were assembled for the ‘top 20ʹ in each of four categories: authors, institutions, countries and journals. A subject-specific keratoconus-related h-index (hKC-index) was derived for each constituent of each category to serve as a measure of impact in the field. The top 10 constituents of each category were ranked by hKC-index and tabulated for consideration.Results The hKC-index of the keratoconus field is 125. The 4,419 papers have been cited a total of 98,010 times, and 18.5% of these papers have never been cited. The most highly cited paper is a general review of keratoconus by Yaron Rabinowitz, who is also the most impactful author in the field (hKC = 31). The Cedars Sinai Medical Center in the United States produces the most impactful keratoconus-related papers (hKC = 36), and the United States is the most impactful country (hKC = 91). The Journal of Cataract and Refractive Surgery is the most impactful journal (hKC = 55).Conclusion Keratoconus is a topic of high interest in the clinical and scientific literature. Highly cited papers and impactful authors, institutions, countries and journals are identified.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,012 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,235 | 0,237 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».