Characterization of the Conversion of Meeting Presentation to Publication From the 2016 and 2018 ISSVA Workshops
Notice bibliographique
Résumé
Objectives: Presentations at scientific conferences and subsequent publications play a critical role in a specialty’s advancement. Previous estimates suggest that about half of the content presented at conferences is not published. The objective of this study is to characterize the conversion from meeting presentations to publications from the 2016 and 2018 International Society for the Study of Vascular Anomalies (ISSVA) Workshops. Methods: The PubMed interface (MEDLINE) and Google Scholar were used to search for published works. Excluded presentations included keynotes, research letters, and education-related theses. Parameters reviewed included conversion rate, time to publication, senior author subspecialty, study design and level of evidence, journal name, and 5-year impact factor. Results: 40.43% of searched conference abstracts were published in peer-reviewed journals. The median publication time from presentation was 16 months (range −28.9 to 41.1). The most frequent specialties of 224 senior authors were: plastic surgery (21.4%), dermatology (20.0%), and radiology (10.7%). Authors published in 111 separate journals, where the majority of publications appeared in Pediatric Dermatology (5.8%). A majority of publications (51.3%) had a case series study design and were level 4 evidence. The median 5-year impact factor was 3.49. Conclusions: From the 2016 and 2018 ISSVA meetings reviewed, less than half of presentations were converted to publications. Studies were published in a wide range of journals, in alignment with specialty. A significant portion of vascular anomalies research at ISSVA that may have the potential to improve patient care does not reach a wider audience.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».