MétaCan
Menu
Retour à la cohorte
Enregistrement W4387695005 · doi:10.3346/jkms.2023.38.e333

Causes for Retraction in the Biomedical Literature: A Systematic Review of Studies of Retraction Notices

2023· review· en· W4387695005 sur OpenAlexaff
Soo Young Hwang, Dong Keon Yon, Seung Won Lee, Min Seo Kim, Jong Yeob Kim, Lee Smith, Ai Koyanagi, Marco Solmi, André F. Carvalho, Eun Young Kim, Jae Il Shin, John P. A. Ioannidis

Notice bibliographique

RevueJournal of Korean Medical Science · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesH. Lundbeck A/S
Mots-clésMisconductSubspecialtyMedicineMeta-analysisMEDLINESystematic reviewConfidence intervalScientific misconductPublication biasFamily medicineInternal medicineAlternative medicinePathologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Many studies have evaluated the prevalence of different reasons for retraction in samples of retraction notices.We aimed to perform a systematic review of such empirical studies of retraction causes.Methods: The PubMed/MEDLINE database and the Embase database were searched in June 2023.Eligible studies were those containing sufficient data on the reasons for retraction across samples of examined retracted notices.Results: A 11,181 potentially eligible items were identified, and 43 studies of retractions were included in this systematic review.Studies limited to retraction notices of a specific subspecialty or country, journal/publication type are emerging since 2015.We noticed that the reasons for retraction are becoming more specific and more diverse.In a meta-analysis of 17 studies focused on different subspecialties, misconduct was responsible for 60% (95% confidence interval [CI], 53-67%) of all retractions while error and publication issues

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarechercheIntégrité de la recherche
Domaine: Évaluation · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
gptMéta-épidémiologie (sens large)Intégrité de la recherche
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquehigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,058
score de la tête « metaresearch » (Gemma)0,223
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,305

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,223
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,011
Bibliométrie0,0250,025
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,158
Tête enseignante GPT0,497
Écart entre enseignants0,339 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

MétarechercheIntégrité de la rechercheMéta-épidémiologie (sens large)

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeRevue systématique
DomaineÉvaluation
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Korean Medical ScienceMême sujetAcademic integrity and plagiarismCatégorieMétarechercheTravaux en français237 207