Need for Speed: Investigating Publication Times and Impact Factors of Plastic Surgery Journals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Prolonged publishing time in scientific journals can be discouraging for researchers because earlier publication can mean a higher h-index and more academic opportunities. In this study, we evaluated the publication time for articles in plastic surgery journals compared with journals in surgery and medicine. We also assessed correlations between publication speed and journal impact factors (IFs). METHODS: The overall indexes of all plastic surgery journals were compared with journals in the discipline of surgery and medicine. In addition, we evaluated original articles published in all plastic surgical journals and the highest-ranking journals from various surgical subspecialties listed in the 2018 Journal Citation Report, assessing the time intervals from submission to publication, submission to acceptance, and acceptance to publication. Correlation between time interval and journal IF were analyzed. RESULTS: < 0.05, Wilcoxon test). The median submission-to-publication time for all plastic surgery and all surgical journals was 29.7 weeks (IQR, 12.1 and 35.8) and 22.1 days (IQR,18.8 and 36.8), respectively. CONCLUSIONS: There is a significant submission to publication time lag in plastic surgery journals when compared with other nonplastic-surgery journals. There was a positive correlation between submission-to publication time and IF for plastic surgery journals but a negative correlation for surgery journals (Spearman Correlation). In the last 14 years, plastic surgery journals have remained slow in publishing 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.
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 | 0,007 | 0,305 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle