Stem cells patents: main features and citation analysis
Notice bibliographique
Résumé
This is a quantitative, patentometric, descriptive study that makes use of production and citation indicators to achieve specific purposes. Based on Price's square root law, the 181 most cited patents in the area of stem cells were the object of this study. After the collection of patents, information was extracted so that it could meet specific objectives, such as priority number, international patent classification, non-patent citation, and patent citation. It has been found that 80% of patents are from US-based companies; 6.7% are based in Japan; 3.6% in England, about 2% in France and Switzerland; 1.2% in Denmark and Ireland, and the others (3.3%) are distributed among companies in the Netherlands, Austria, Germany, China and Canada. Regarding the International Patent Classification (IPC), the patents of this research were classified into 5 sections, of which the area of human needs outstanded with 52.51%. The 181 patents found performed a total of 6,970 citations to other patents, of which 84 were the most cited. The patents that received the highest number of citations were US5486359-A and US6200806-B1, with 40 occurrences (0.26%), both filed in the US office. A hundred forty one out of the 181 patents cited non-patent documents (CR field). It was observed that, based on what could be identified, most citations of non-patent documents are citations of scientific journals (1,426), totaling 7,701 articles cited (+/- 5.5 articles/journal). Patent documents contain important information for understanding the development of science and technology. It is concluded that patents are important sources to be analyzed and that more detailed studies of what is cited in patents should be carried out.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,066 | 0,061 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».