Social Media Impact of Articles Published by Dermatology Residents During Medical School: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: The Altmetric score (AS) is a novel measure of publication impact that is calculated by the number of mentions across various social media websites. This method may have advantages over traditional bibliometrics in the context of research by medical students. OBJECTIVE: This study aimed to determine whether dermatology matriculants who graduated from higher-ranked medical schools published more articles with greater impact (ie, a higher AS) than those from lower-ranked institutions. METHODS: A PubMed search for articles published by dermatology residents who started medical school in 2020 was conducted. Demographic information and Altmetric data were collected, and medical schools were sorted according to US News' top-25 and non-top-25 categories. RESULTS: Residents who completed their medical training at a top-25 institution published more papers (mean 4.93, SD 4.18 vs mean 3.11, SD 3.32; P<.001) and accrued a significantly higher total AS (mean 67.9, SD 160 vs mean 22.9, SD 75.9; P<.001) and average AS (mean 13.1, SD 23.7 vs mean 6.71, SD 32.3; P<.001) per article than those who graduated from non-top-25 schools. CONCLUSIONS: Our results indicate that students in top-25 schools may have greater access to research resources and opportunities. With a pass/fail United States Medical Licensing Examination Step 1 exam that may increasingly shift focus toward scholarly output from medical students, further discussion on how to create a more equitable dermatology match is essential.
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 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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».