Academic and Online Attention to Palliative Care: A Bibliometric and Altmetric Perspective
Notice bibliographique
Résumé
Objective: With a combined bibliometric and altmetric study, we aimed to provide a visually detailed perspective on palliative care, which is attracting increasing attention from academia and society. We also evaluated the relationship between supporting and contrasting citation counts and the altmetric attention score (AAS) for the first time in the literature. Methods: Web of Science (WoS) database and Altmetric.com website were used to create Top100 (T100) citation and altmetric lists. Supporting and contrasting citations were found using Scite.ai database. Articles in both lists, published between 1975-2021, were analyzed in terms of study type, topic, first author, publication year, citation count, AAS, scite score, supporting and contrasting citation counts. Impact factor (IF), quartile of journal and journal citation indicator (JCI) were also examined. Results: A search of "Palliative care" in WoS yielded a total of 50.674 articles. A significant correlation was found between AAS and citation counts (p=0.001, r=0.328) in T100 citation list, and AAS and contrasting citations in T100 altmetric list (p=0,024, r=0,225). There was no statistically significant difference between IF, JCI and Q categories in both lists. Topic "PC for non-oncological diseases" were at the top of both lists. The USA, UK and Canada were countries with the most articles in T100 citation list. Conclusions: Palliative care articles that attract the attention of the academia also resonate on social media. Since AAS can be manipulated, it would be beneficial to use altmetric analysis in combination with bibliometric analysis rather than alone to formulate new policies on palliative care.
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 | 0,016 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,148 | 0,211 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».