MétaCan
Menu
Retour à la cohorte
Enregistrement W6958829920 · doi:10.6084/m9.figshare.c.3620864.v1

Bibliometric analysis of rheumatology research in the Arab countries

2016· other· en· W6958829920 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2016
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeagueRheumatologyImpact factorQuarter (Canadian coin)BibliometricsProductivity

Résumé

récupéré en direct d'OpenAlex

Abstract Background The Arab world has seen an increase in the burden of musculoskeletal diseases. No bibliometric studies have characterized rheumatology research in the Arab world. This study evaluates the productivity and impact of rheumatology research in the Arab world. Methods We searched the Web of Science Core Collection for rheumatology publications, from 1976 to 2014, for each of the Arab League (AL) countries, North America, Europe and Asia. For the AL countries, the overall trend of publications and citations was analyzed, while considering the paper type and collaborations. Results The AL countries published 944 rheumatology papers over the period studied. The number of publications increased by a factor of 2.77 (95 % CI, 2.75–2.78) each decade, and citations increased by a factor of 2.36 (95 % CI, 0.96–5.82). The absolute number of papers included in the top-10 rheumatology journals remained constant but the proportion decreased. Papers involving collaboration among AL countries were found to increase over time. Conclusions Overall, the AL countries lag in research productivity and impact compared to other regions. Three countries are responsible for the majority of publications, while four countries receive the majority of citations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,064
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,1220,172
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,339
Écart entre enseignants0,222 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineÉvaluation
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetSoybean genetics and cultivationTravaux en français237 207