Research trends among new investigators at ISOQOL: a bibliometric analysis from 2019 to 2023
Notice bibliographique
Résumé
BACKGROUND: New investigators (NI), encompassing graduate students, recent doctoral graduates, and early-career faculty, are instrumental in advancing quality of life (QoL) research through innovative methodologies and diverse perspectives. Within the International Society for Quality of Life Research (ISOQOL), the New Investigators Special Interest Group (NI-SIG) fosters collaboration and supports this community. This study utilizes bibliometric analysis to examine the contributions of NI-SIG members, focusing on publication trends, collaboration patterns, and thematic developments in QoL research. METHODOLOGY: Data on publications authored by 56 NI-SIG members between 2019 and 2023 were extracted from Web of Science and Scopus. A two-step screening process, guided by the Wilson and Cleary model of QoL, identified 561 unique documents for analysis. Descriptive metrics included publication trends, citations, journal impact factors, and geographic distribution, while network analysis explored co-authorship patterns. Thematic mapping was conducted using clustering algorithms to identify established and emerging research areas. RESULTS: Publication output rose steadily from 2019 to 2022, peaking at 163 publications before declining to 135 in 2023, accompanied by a reduction in average citations per document from 4.8 to 1.3. The majority of publications appeared in leading journals such as Quality of Life Research (n = 128), Journal of Patient-Reported Outcomes (n = 17), and BMJ Open (n = 15). Geographic analysis revealed that most contributors were from high-income countries, with the United States, Canada, and Australia accounting for over 50% of publications. Co-authorship network analysis highlighted a robust, interconnected cluster of authors, though opportunities remain to enhance global partnerships, particularly with low- and middle-income countries. Thematic analysis identified well-established areas, including psychometric validation and cancer, alongside emerging topics such as mixed methods in QoL research. CONCLUSION: This study highlights robust collaborations among NI-SIG members while identifying opportunities to enhance international collaboration and methodological innovation. Expanding partnerships with underrepresented regions and embracing advanced technologies such as natural language processing could foster inclusivity and drive transformative advancements in QoL measurement and application.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheBibliométrie Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,016 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,114 | 0,165 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».