MétaCan
Menu
Retour à la cohorte
Enregistrement W4285388007 · doi:10.1097/tp.0000000000004224

Four Decades of Clinical Liver Transplantation Research: Results of a Comprehensive Bibliometric Analysis

2022· article· en· W4285388007 sur OpenAlexaff
Decan Jiang, Tengfei Ji, Wenjia Liu, Jan Bednarsch, Markus Selzner, Johann Pratschke, Georg Lurje, Tiansheng Cao, Isabel M.A. Brüggenwirth, Paulo N. Martins, Sven Arke Lang, Ulf P. Neumann, Zoltán Czigány

Notice bibliographique

RevueTransplantation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Transplantation Techniques and Outcomes
Établissements canadiensUniversity Health Network
Organismes subventionnairesRWTH Aachen University
Mots-clésCitationLiver transplantationMedicineTransplantationLibrary scienceCitation analysisBibliometricsImpact factorWeb of scienceInternal medicinePolitical scienceComputer scienceMeta-analysis

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nearly 40 y have passed since the 1983 National Institutes of Health Consensus-Development-Conference, which has turned liver transplantation (LT) from a clinical experiment into a routine therapeutic modality. Since' clinical LT has changed substantially. We aimed to comprehensively analyze the publication trends in the most-cited top-notch literature in LT science over a 4-decade period. METHODS: A total of 106 523 items were identified between January 1981 and May 2021 from the Web of Science Core Collection. The top 100 articles published were selected using 2 distinct citation-based strategies to minimize bias. Various bibliometric tools were used for data synthesis and visualization. RESULTS: The citation count for the final dataset of the top 100 articles ranged from 251 to 4721. Most articles were published by US authors (n = 61). The most prolific institution was the University of Pittsburgh (n = 15). The highest number of articles was published in Annals of Surgery, Hepatology, and Transplantation ; however, Hepatology publications resulted in the highest cumulative citation of 9668. Only 10% of the articles were classified as evidence level 1. Over 90% of first/last authors were male. Our data depict the evolution of research focus over 40 y. In part, a disproportional flow of citations was observed toward already well-cited articles. This might also project a slowed canonical progress, which was described in other fields of science. CONCLUSIONS: This study highlights key trends based on a large dataset of the most-cited articles over a 4-decade period. The present analysis not only provides an important cross-sectional and forward-looking guidance to clinicians, funding bodies, and researchers but also draws attention to important socio-academic or demographic aspects in LT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,055
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0660,113
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,250
Tête enseignante GPT0,461
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetOrgan Transplantation Techniques and OutcomesTravaux en français237 207