The 100 Most-Cited Articles on Optic Neuritis: Trends of Subtypes, Authorship, and Time
Notice bibliographique
Résumé
BACKGROUND: Optic neuritis (ON) is an optic nerve inflammation that may lead to different degrees of vision loss. In recent decades, ON research facilitated a better understanding of the disease and its subtypes. This bibliometric analysis aimed to detect the 100 most-cited medical articles related to ON in the last 50 years (1972-2021) and describe publication trends arising from the list. METHODS: The Scopus database was used to locate and screen the 100 most influential ON papers based on the number of citations per article. Each entry was reviewed for the first author (name, gender, institution, and country), year of publication, journal, number of citations, ON subtype, and study design. The mean impact factor (IF) of each journal was calculated. RESULTS: The median number of citations was 265 (range 182-2,396). Observational studies on neuromyelitis optica-associated ON were the most common (27%), and the most influential decade was 2002-2011 (54 papers). Seventy-nine percent of articles were published in neurology journals, and a positive correlation between the mean number of citations per article and the journal mean IF was observed ( r = 0.62, P < 0.001). Between 2009 and 2021, female authors led more ON studies (52%), and more publications originated outside the USA (68%), compared with previous years. CONCLUSIONS: This analysis summarizes the impact and shifting trends of ON research in the last decades.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».