Development and implementation of a novel metric score (<scp>SciMet</scp>) for scientific publications
Notice bibliographique
Résumé
There is no formal or standard measure of quality, clinical impact, and scientific merit in the current literature in gynecologic oncology besides formal citation metrics. We aimed to develop and implement a multiparametric score to identify influential articles with transformative impact in gynecology oncology. We conducted a systematic search using PubMed from January 2010 to December 2022 for gynecologic oncology publications. Publications were ranked based on citations per year, top 100 were selected. After excluding 17, 83 original articles were included. A multiparametric score (SciMet) was developed to assess its relevance and impact considering citations per year, journal impact factor, study design, sample size, and altmetric attention score; numeric scores were assigned based on quartiles. This scoring system was applied to articles with citations per year values above the median (39 articles). Thirty-nine studies were analyzed based on the score. Number of CPY ranged from 42.7 to 261.2; journal IF, from 17.76 to 202.7; and sample size from 20 to 1 672 983. The total SciMet score ranged from 17 to 47 (median of 34). The top 10 included studies addressed screening interventions for ovarian cancer, PARP inhibitors and bevacizumab use as first-line maintenance in ovarian cancer, surgical trials in cervical cancer, and HPV vaccination impact on cervical intraepithelial neoplasia or cancer development. Articles with higher scores were mostly randomized clinical trials, and besides having high metrics, led to changes in management of gynecologic cancers, resulting in their incorporation into guidelines that shape established norms in the 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 | 0,093 | 0,305 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,059 | 0,044 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».