Publication Trajectories of Today's Canadian Academic Plastic Surgeons: A Bibliometric Analysis
Notice bibliographique
Résumé
Introduction: The landscape of academic research has evolved notably in recent decades, shifting towards earlier career publications and more interdisciplinary collaborations. This study aims to identify research productivity trends among Canadian academic plastic surgeons. Methods: The Web of Science and MEDLINE databases were searched by plastic surgeon names and for each result, the author list position, year of publication, journal, and citation counts were collected. Surgeons’ demographics, including gender and medical school graduation year, were obtained from provincial college websites. Publication rates over a plastic surgeon's career trajectory were analyzed by surgeons’ current decade of practice. Results: There were 3661 included entries in our database, corresponding to 2831 unique publications by 245 surgeons (71%, 175/245 men). The median year of medical school graduation was 2002 (SD 12 years). Surgeons in more recent decades of practice (decade 1 or decade 2) published earlier and more frequently per career decade. A wide distribution of publication rates (range 0-66) was found for surgeons currently in their fourth decade of practice. From 2005 to 2020, the number of publications per year increased dramatically, from 36 publications in 2005 to 198 publications in 2020. Citations normalized by years from publication remained stable. The proportion of first authorship decreased from 0.63 and 0.42 in the pre-medicine and educational decades, to 0.09 and 0.08 by the third and fourth decades of practice (p < .001). Conclusion: An emerging trend of earlier and increased publications among newer generations of surgeons was seen. Incentives to participate and mentor in research for surgeons gaining seniority are suggested.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,613 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,131 | 0,182 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».