Scientometric Analysis of the International Journal of Pharmaceutical Investigation Reflected as Publish or Perish
Notice bibliographique
Résumé
Objectives The present study provides a scientometric evaluation of the International Journal of Pharmaceutical Investigation (IJPI) for the period 2011 to 2025, using data extracted through the Publish or Perish software based on Google Scholar records. Materials and Methods The analysis aims to assess Publication growth, citation performance, authorship patterns, institutional productivity, and international collaboration. Results A total of 971 documents were published during the study period, showing a steady annual growth rate of 7.66%. The journal achieved an average of 11.64 citations per paper, indicating moderate scholarly influence. Authorship analysis revealed 3,059 contributing authors with an average of 4.07 co-authors per paper, reflecting a strong culture of collaborative research. India emerged of 4.07 co-authors per paper, reflecting a strong culture of collaborative research. India emerged as the most productive country with 391 publications and 7,677 citations, followed by Iran, Malaysia, and Saudi Arabia. Dr. A.P.J. Abdhul Kalam Technical University and Jamia Hamdard were identified as the most prolific and impactful institutions. The VOSviewer visualisations revealed multi-cluster collaboration networks among authors, organisations, and countries. Conclusion The study concludes that IJPI has evolved into a dynamic and steadily growing journal, contributing significantly to pharmaceutical research through sustained publication activity, collaboration and academic visibility.
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 | 0,021 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,083 | 0,123 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».