A bibliometric analysis of <i>Community Dentistry and Oral Epidemiology</i>: Fifty years of publications
Notice bibliographique
Résumé
OBJECTIVES: In celebration of the journal's 50th anniversary, the aim of the study was to review the whole collection of Community Dentistry and Oral Epidemiology (CDOE) publications from 1973 to 2022 and provide a complete overview of the main publication characteristics. METHODS: The study used bibliometric techniques such as performance and science mapping analysis of 3428 articles extracted from the Scopus database. The data were analysed using the 'Bibliometrix' package in R. The journal's scientific production was examined, along with the yearly citation count, the distribution of publications based on authors, the corresponding author's country and affiliation and citation count, citing source and keywords. Bibliometric network maps were constructed to determine the conceptual, intellectual and social collaborative structure over the past 50 years. The trending research topics and themes were identified. RESULTS: The total number of articles and average citations has increased over the years. D Locker, AJ Spencer, A Sheiham and WM Thomson were the most frequently published authors, and PE Petersen, GD Slade and AI Ismail published papers with the highest citations. The most published countries were the United States, United Kingdom, Brazil and Canada, frequently engaging in collaborative efforts. The most common keywords used were 'dental caries', 'oral epidemiology' and 'oral health'. The trending topics were healthcare and health disparities, social determinants of health, systematic review and health inequalities. Epidemiology, oral health and disparities were highly researched areas. CONCLUSION: This bibliometric study reviews CDOE's significant contribution to dental public health by identifying key research trends, themes, influential authors and collaborations. The findings provide insights into the need to increase publications from developing countries, improve gender diversity in authorship and broaden the scope of research themes.
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 | 0,012 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,141 | 0,187 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| 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 ».