A SCIENTOMETRIC ANALYSIS OF CHRONIC WASTING DISEASE RESEARCH PRODUCTIVITY
Notice bibliographique
Résumé
This study evaluates the chronic wasting disease research output from 1990–2021. We have made a scientometric analysis of contributions to peer-reviewed journals and international collaboration publications. Most productive authors, most productive institutions, and most cited research papers. The study uses 31 years (1990–2021) of publication data in chronic wasting disease research from the Web of Science international multidisciplinary bibliographical database. Chronic wasting disease research shared 1384 publications in collaboration with 53 countries and registered 37940 citations. There were 1384 research articles published in 409 journals, with 962 authors representing 1648 institutions. The most collaborative countries: The United States has the most collaboration records with 876, followed by Canada with 228 and the UK with 139. The most productive authors are "Miller MW," which has a 6549 global citation score with 100 publications, followed by "Hoover EA," which has a 3216 global citation score with 82 publications, and "Telling GC," which has a 2619 global citation score with 62 publications. The most preferred journals were "PRION," which has 1034 citations with 159 publications, followed by "PLOS One," which has 2021 citations with 79 publications, and "Journal of Virology," which has 2274 citations with 53 publications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,094 | 0,129 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».