MétaCan
Menu
Retour à la cohorte
Enregistrement W4362524064 · doi:10.1136/bmjgh-2022-011514

The impact of COVID-19 on global health journals: an analysis of impact factor and publication trends

2023· article· en· W4362524064 sur OpenAlexaff
Jiaxin He, Xinliang Liu, Xinyang Lu, Meiling Zhong, Changli Jia, Don Eliseo Lucero‐Prisno, Zheng Feei, Hao Li

Notice bibliographique

RevueBMJ Global Health · 2023
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensLakehead University
Organismes subventionnairesWuhan University
Mots-clésCoronavirus disease 2019 (COVID-19)Impact factorSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakWeb of scienceBibliometricsOutbreakMedicineDemographyGeographyLibrary sciencePolitical scienceMeta-analysisInternal medicineSociologyVirologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 has affected research productivity across all areas of knowledge. Current evidence suggests that COVID-19 has had a blockbuster effect on journal impact factors (JIFs) and publication trends, while little is known on global health journals. METHODS: Twenty global health journals were included to analyse the impact of COVID-19 on their JIFs and publication trends. Indicator data, including numbers of publications, citations, articles with different types, etc, were extracted from journal websites and Web of Science Core Collection database. The JIFs from 2019 to 2021 were simulated for longitudinal and cross-sectional analyses. Interrupted time-series analysis and non-parametric tests were applied to assess whether COVID-19 had decreased non-COVID-19 publications from January 2018 to June 2022. RESULTS: In 2020, 615 out of 3223 publications were COVID-19 related, accounting for 19.08%. The simulated JIFs of 17 out of 20 journals in 2021 were higher than those in 2019 and 2020. Notably, 18 out of 20 journals had a decrease in their simulated JIFs after excluding COVID-19-related publications. Moreover, 10 out of 20 journals decreased their monthly numbers of non-COVID-19 publications after the COVID-19 outbreak. For all the 20 journals as a whole, after the COVID-19 outbreak in February 2020, the total number of non-COVID-19 publications significantly decreased by 14.2 compared with the previous month (p=0.013), and since then, on average, the publications had decreased by 0.6 per month until June 2022 (p<0.001). CONCLUSIONS: COVID-19 has impacted the structure of COVID-19-related publications, the JIFs of global health journals and their numbers of non-COVID-19 publications. Although journals may benefit from increased JIFs, global health journals should avoid relying on a single metric. More follow-up studies including more years of data with a combination of metrics should be conducted to generate more robust evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Communication savante
Catégories consensuellesMétarecherche, Bibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0410,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0280,354
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,720
Tête enseignante GPT0,746
Écart entre enseignants0,027 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetscientometrics and bibliometrics researchTravaux en français237 207