A bibliometric analysis of geographic disparities in the authorship of leading medical journals
Notice bibliographique
Résumé
BACKGROUND: It has previously been reported that authors from developing countries are underrepresented in medical journals. Here, we aimed to build a comprehensive landscape of the geographical representation in medical research publications. METHODS: We collected bibliometric data of original research articles (n = 10,558) published between 2010 and 2019 in five leading medical journals and geolocated these by the institute of the corresponding authors. We introduced two simple metrics, the International Research Impact and the Domestic Self-Citation Index, to assess publishing and citing patterns by cities and countries. RESULTS: We show that only 32 countries published more than 10 publications in 10 years equaling 98.9% of all publications. English-speaking countries USA (48.2%), UK (15.9%), Canada (5.3%), and Australia (3.2%) are most represented, but with a declining trend in recent years. When normalized to citation count, 9/32 countries published ≥ 10% more than expected. In total, 85.7% of the publication excess originate from the USA and UK. We demonstrate similar geographical bias at the municipal level. Finally, we discover that journals more commonly publish studies from the country in which the journal is based and authors are more likely to cite work from their own country. CONCLUSIONS: The study reveals Anglocentric dominance, domestic preference, but increased geographical representation in recent years in medical publishing. Similar audits could mitigate possible national and regional disparities in any academic field.
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 | 0,007 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,048 | 0,080 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».