‘Why was my paper rejected?’: understanding editorial decisions in a high-impact cardiovascular nursing journal
Notice bibliographique
Résumé
Over the past decade, medical and health journals have seen a notable increase in the number of manuscript submissions. This surge reflects the growing body of global research and the drive among healthcare professionals and researchers to share and report their clinical and scientific findings. Despite the digital revolution, which has enabled broader dissemination of information, reputable scientific journals still operate with constraints on how many articles they can publish annually. Quality assurance, editorial standards, and reader engagement remain top priorities, limiting the volume of accepted work. As a result, the role of editors has grown increasingly complex: they have to sift through a rising tide of submissions to identify and publish only the most impactful, rigorous, and relevant science. This editorial offers some insight into why many submissions, even those of reasonable quality, may not be accepted for publication. At the European Journal of Cardiovascular Nursing, the acceptance rate for unsolicited articles has declined over time and stands at approximately 15% to date (Central Illustration). This figure aligns with what is observed in many other high-impact journals. Each submission undergoes an initial editorial review, and about half of the manuscripts are rejected without being sent for external peer review. This ‘desk rejection’ process serves two important purposes: first, it allows authors to rapidly submit their work to another journal; second, it conserves the valuable time and expertise of our reviewers.
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 | 0,174 | 0,530 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,019 |
| Communication savante | 0,042 | 0,024 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,019 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».