A bibliometric analysis of geographic disparities in the authorship of leading medical journals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,104 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,833 | 0,970 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,008 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle