MétaCan
Menu
Retour à la cohorte
Enregistrement W4412671398 · doi:10.1101/2025.07.24.25332010

A Bibliometric Analysis of Preprints in Traditional, Complementary, and Integrative Medicine Research

2025· preprint· en· W4412671398 sur OpenAlexaff
Jeremy Y. Ng, Brenda X. Lin, Sabrina Abdella, Makonnen Abebe, Holger Cramer

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésIntegrative medicineBibliometricsPsychologyTraditional medicineComputer scienceLibrary scienceAlternative medicineMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Traditional, complementary, and integrative medicine (TCIM) encompasses a wide range of healthcare practices and is of growing global interest. Preprints, scientific manuscripts posted prior to formal peer review, offer opportunities to address challenges in TCIM research, including limited funding, publication delays, and concerns about methodological quality. By increasing the visibility and speed of research dissemination, preprints may help strengthen the TCIM evidence base. This bibliometric analysis examined the characteristics of TCIM-related preprints posted on servers with TCIM subject filters. Methods Preprints were sourced from the ASAPbio preprint server directory, limited to servers with TCIM-related categories. Data extraction (June 4, 2024 to January 14, 2025) included title, DOI, abstract, authors, affiliations, preprint posted date, publication journal (if applicable), publication date, preprint type, keywords, number of versions, citations, comments, and funding information. Author geographic distribution, collaboration networks, and key research topics were also analyzed. Results Between 2012 and 2024, 1,980 TCIM preprints were posted across 11 servers. Research Square hosted the most preprints, and China contributed the highest number. Among the 612 preprints later published in journals, BMC Trials was the most common destination, with a median time of 4.89 months from preprint to publication. Funding information was often missing, but when reported, the National Natural Science Foundation of China was the most frequent sponsor. Overall, citation and comment activity was low. Wellcome Open Research had the highest average citations and comments per preprint among all servers. Conclusion This study provides the first in-depth analysis of TCIM preprints, revealing active research areas and important gaps in preprint usage, geographical representation, and post-publication engagement. Findings highlight opportunities to improve transparency and research dissemination in TCIM through more consistent preprint practices and tracking.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,039
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Bibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0410,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,3230,367
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0040,004
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,484
Tête enseignante GPT0,550
Écart entre enseignants0,066 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetAcademic Publishing and Open AccessTravaux en français237 207