Criterios MEDLINE para la selección de revistas científicas. Metodología e indicadores: Aplicación a las revistas médicas españolas con especial atención a las de salud pública
Bibliographic record
Abstract
Debido en buena parte a los rigurosos procesos de selección que aplica a las revistas que indiza, Medline es la base de datos en Biomedicina y Ciencias de la Salud más prestigiosa del mundo. El objetivo de este trabajo es analizar sus criterios de selección y traducirlos en indicadores para su aplicación a las revistas médicas españolas candidatas a ingresar en el Index-Medicus. Se proponen las muestras de análisis y la metodología a aplicar derivada de los cinco grupos de criterios contemplados por Medline: Ámbito y Cobertura; Calidad del Contenido; Calidad del Trabajo Editorial; Calidad de Producción y Audiencia. Propuesta de indicadores cualitativos y cuantitativos. Ámbito y Cobertura: indicadores que muestran la pujanza productiva de la revista en el ámbito nacional e internacional de la especialidad. Calidad del Contenido: análisis de la revista y de sus protagonistas a partir de las citas internacionales que han recibido sus trabajos y de los Factores de Impacto (FI). Calidad Trabajo Editorial: indicadores relativos a los responsables de la política editorial y científica de la revista, a los procesos editoriales y al sistema de revisión de originales que aplica. Indicadores relacionados con el cumplimiento de las directrices Vancouver. Calidad de Producción: indicadores sobre calidad gráfica e informativa de la revista (estándares internacionales). Audiencia: indicadores sobre atracción, audiencia, visibilidad e interés de la revista para los objetivos que persigue Medline.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.079 | 0.326 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.006 | 0.005 |
| Bibliometrics | 0.066 | 0.050 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".