Guidelines for Authors and Reviewers of <b> <i>Plastic Surgery</i> </b>
Notice bibliographique
Résumé
Credible clinical research is a precondition of evidence-based surgery. If clinical research is not conducted and reported properly, such research can be unreliable, unclear, and misleading. Our journal, Plastic Surgery, aims to improve its quality and thus enhance interest, submissions, and readership. To do so, we must ensure that the articles published in our journal align with these goals. This article guides future clinical research contributors, how to design, conduct and report valuable and reliable research. Readers are informed how to choose a title and keywords that properly reflect the content of the article. The proper organization of a manuscript, and the information that goes into each section is described. Valuable tools like the EQUATOR Network Guidelines, the FINER Criteria and the PICOT Format are described for the reader. These resources help formulate a proper research question and ensure transparency in reporting. Commonly used study designs, and the research questions they answer are presented. This ensures that those engaged in research are choosing the right study design for their research. We outline the statistical information that should be presented in the Methods section and differentiate between the content that should be found in the Results and Discussion sections. As Plastic Surgery strives to publish high-quality, reliable research, it is by the standards presented in this article that we will judge all manuscripts submitted for publication.
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 | 0,342 | 0,752 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,022 | 0,023 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,028 | 0,019 |
| Science ouverte | 0,013 | 0,011 |
| Intégrité de la recherche | 0,023 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,115 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».