The involvement of clinicians in the most highly cited publications on artificial intelligence in ophthalmology indexed journals
Notice bibliographique
Résumé
Significant advances in artificial intelligence (AI) have led to promising applications in ophthalmology. This study highlights the involvement of clinicians in the most cited ophthalmology publications on AI in ophthalmology journals indexed by Web of Science. Articles examining AI in ophthalmology journals were processed from Web of Science. After selecting relevant articles, we performed bibliometric analyses at the article and author levels as of March 2024. The primary outcome measure was the number of citations per article. Secondary outcomes included article measures (publication year, subspecialties, article type, databases, imaging) and author attributes (gender, academic metrics, location). The top 100 publications were cited between 58 and 734 times, with a median of 91 citations. Publication reprint addresses were mainly based in America (44) and in Europe (22). Common subspecialties were retina (60), glaucoma (44) and cornea (18). Most imaging modalities were fundus photography (47), optical coherence tomography (47) and visual fields (19). 76 studies were aimed at the development and evaluation of a diagnostic technology. Some private databases (44 %) and public databases (40 %) were specified. Among the 399 men and 163 women authors, 297 were physicians (52.9 %). Women and men had significantly different h-indexes (women: 23 [interquartile range (IQR): 13–46] vs. men: 38.5 [17–65]; P = 0.02) and number of published documents (women: 104 [32–277] vs. men: 188.5 [63.5–394]; P = 0.03). The most influential articles in AI and ophthalmology by number of citations predominantly used AI for image recognition and improving diagnostic technology in retina followed by glaucoma. Physicians had a predominant role in these, highlighting the continued importance of clinician involvement in this research.
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 | 0,008 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,019 | 0,031 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».