Maxillary Sinus Lift: A Bibliometric and Altmetric Analysis of the 100 Most Cited Articles
Notice bibliographique
Résumé
AIM: To analyze the scientific profile of the 100 most cited articles on maxillary sinus lift. MATERIALS AND METHODS: A search was conducted in the Web of Science Core Collection database in February 2024. Two reviewers retrieved the 100 most cited articles. The number of citations for the articles was compared in the Scopus and Google Scholar databases. The VOSviewer software was employed to generate collaborative network maps for authors and keywords. Dimension was consulted to measure altimetry data. Google Trends was used to explore the global popularity of research on maxillary sinus lift. RESULTS: The number of citations ranged from 120 to 1259. The articles were published between the years 1991 and 2017. The most frequent study design was observational (21%), and the surgical technique was the lateral window (76%). The most used bone graft was autogenous (15%). The journal with the highest number of articles was Clinical Oral Implants Research (29%). The United States was the most prevalent country (27%), and New York University had the highest number of publications (8%). However, the European continent stood out (66%). Froum SJ was the author with the highest number of publications (6%). The most common keywords were "dental implants" (38%). Intense mentions were identified primarily on Mendeley. According to Google Trends, Ukraine was the country that researched maxillary sinus lift the most. CONCLUSION: It can be concluded that the 100 most cited articles on sinus elevation were observational studies that evaluated the lateral window technique for sinus elevation.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,188 | 0,130 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».