The top 100 most cited articles on fertility-sparing treatments for cervical cancer: A bibliometric analysis
Notice bibliographique
Résumé
Background The primary objective of this paper was to assess and analyze the top 100 most cited articles currently cited in studies of fertility-sparing treatments for cervical cancer. Methods Searching the Web of Science Core Collection database for the top 100 most cited articles on fertility-sparing treatments for cervical cancer, different aspects of the articles were analyzed, including countries, journals, institutions, authors, keywords and topics. Results The search was conducted up to August 2023, and the number of citations for the top 100 articles ranged from 19 to 212. These articles originated from 28 different countries, with Professor Plante, M. from Canada and Professor Sonoda, Y. from the USA having the highest number of articles, both with 10. Professor Plante, M. was the first author of 9 articles and corresponding author of 9 articles. The Memorial Sloan Kettering Cancer Center in the USA published the most articles (21) and received a total of 258 citations. Gynecologic Oncology published 37 of the top 100 articles, with 524 citations and an average of 14.16 citations per article. Conclusions The study concludes that the USA has made the most significant contributions to this field based on the number of articles, authors, and institutions. Additionally, keyword clustering and burst analysis revealed the research hotspots and future trends in this area.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,131 | 0,127 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».