Vergleichen der bibliometrischen Analyse mit PubMed-, Scopus- und Web of Science-Datenbanken
October 24th, 2019
Literaturdatenbanken werden häufig verwendet, um Publikationen in einem bestimmten Fach, einer Disziplin, einem Land oder einer Region der Welt zu bewerten, eine Praxis, die als bibliometrische Analyse bekannt ist. Das aktuelle Protokoll beschreibt, wie PubMed, Scopus und Web of Science-Datenbanken für bibliometrische Analysen verwendet werden.
Diese Methode kann Ihnen helfen, wichtige Fragen im feld bibliometrische Analyse zu den verfügbaren Suchdatenbanken und zur Auswahl der am besten geeigneten zu beantworten. Der Hauptvorteil dieses Protokolls besteht darin, dass es einen schrittweisen Ansatz für die Verwendung verschiedener Datenbanken bietet, sodass jeder Forscher eine bibliometrische Analyse erfolgreich durchführen kann. Um die jordanische Forschungsergebnisse während eines Fünfjahreszeitraums zwischen dem 1. Januar 2013 und dem 31. Dezember 2017 mit PubMed zu analysieren, öffnen Sie das Formular Erweiterte Suche und geben Jordan als Suchbegriff ein, indem Sie Zugehörigkeit als Suchfeld angeben.
Um alle Dokumente auszuschließen, die von einem Forscher namens Jordan aus einem angegliederten Land verfasst wurden, das nicht Jordanien ist, geben Sie Jordanien in ein anderes Feld ein, und wählen Sie den Feldtyp Autor aus. Wählen Sie den OPERATOR NOT als Verbinder zwischen den beiden Feldern aus, und klicken Sie auf Suchen. Geben Sie die Veröffentlichungsdaten zwischen dem 1. Januar 2013 und dem 31. Dezember 2017 im Ergebnisfenster an, und wählen Sie Journalartikel und Überprüfung aus Artikeltypen aus.
Um die jordanische Forschungsergebnisse während eines Zeitraums von fünf Jahren zwischen dem 1. Januar 2013 und dem 31. Dezember 2017 mit Scopus zu analysieren, öffnen Sie die Scopus-Website und geben Sie die entsprechenden Elsevier-Login-Informationen ein. Geben Sie als Suchbegriff Jordanien ein, und geben Sie das Zugehörigkeitsland als Suchfeld an. Beschränken Sie die Suchdauer von 2013 auf 2017.
Beachten Sie, dass von 2013 bedeutet vom 1. Januar 2013, und bis 2017 bedeutet bis zum 31. Dezember 2017. Beschränken Sie dann den Dokumenttyp auf Artikel oder Überprüfung, und klicken Sie auf Suchen. Um die jordanische Forschungsergebnisse während eines Zeitraums von fünf Jahren zwischen dem 1. Januar 2013 und dem 31. Dezember 2017 mithilfe von Web of Science zu analysieren, öffnen Sie die Web of Science-Website und melden Sie sich mit den entsprechenden Web of Science-Kontoinformationen an.
Geben Sie Jordanien in das Suchfeld ein, und geben Sie Adresse an. Identifizieren Sie die Dauer der Suche zwischen 2013 und 2017, und klicken Sie auf Suchen. Beschränken Sie die Suche mithilfe der Filter Artikel und Überprüfung, und wählen Sie diese Option aus, um die im Suchverlauf gespeicherten Ergebnisse jetzt oder später zu analysieren.
Geben Sie dann an, ob die Ergebnisse in einer Tabelle, einer visuellen Baumkarte oder Balken angezeigt werden sollen. Hier werden die jährlichen Trends der jordanischen Veröffentlichung im Fünfjahres-Intervall 2013 bis 2017 nach der Scopus-Suche und der Web of Science-Suche dargestellt. Nach Angaben des Landes der Zusammenarbeit bei der Scopus-Suche sind die Vereinigten Staaten von Amerika das häufigste Land, mit dem jordanische Forscher zusammenarbeiten, gefolgt von Saudi-Arabien und dem Vereinigten Königreich.
Laut der Web of Science-Suche sind die Vereinigten Staaten das häufigste Land, mit dem Jordanier zusammenarbeiten, gefolgt von Frankreich und Österreich. Von den 10 häufigsten Disziplinen, in denen Jordanier veröffentlicht haben, ist die Medizin die häufigste, gefolgt von Ingenieurwissenschaften und Sozialwissenschaften nach der Scopus-Suche. Laut der Web of Science-Suche, von den 10 häufigsten Disziplinen, in denen Jordanier veröffentlicht haben, sind Ingenieurwissenschaften, Mathematik und Informatik die ersten drei.
Beim Versuch dieses Protokolls ist es wichtig, die entsprechende Datenbank auszuwählen, bevor Sie mit der Analyse beginnen. PubMed widmet sich beispielsweise nur den biomedizinischen Wissenschaften. Nach diesem Protokoll und nach dem Herunterladen der Ergebnisse im CSV-Format können zusätzliche Analysemethoden wie eine bibliometrische Zuordnung für die räumliche Darstellung der Ergebnisse durchgeführt werden.
Nach seiner Entwicklung ebnete dieses Protokoll den Weg für Forscher in allen Bereichen, die Forschungstrends in ihren Disziplinen einfach und effizient zu erforschen.
View the full transcript and gain access to thousands of scientific videos
Überblick
Dieses Protokoll beschreibt den Prozess der Durchführung einer bibliometrischen Analyse unter Verwendung großer Literaturdatenbanken wie PubMed, Scopus und Web of Science. Es bietet einen strukturierten Ansatz für Forscher zur Bewertung von Publikationen in bestimmten Bereichen oder Regionen.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Bibliometrische Analyse
- Forschungsbewertung
- Datenbanknutzung
Hintergrund
- Bibliometrische Analyse ist wesentlich für die Bewertung von Forschungsergebnissen.
- Literaturdatenbanken dienen als wichtige Werkzeuge für diese Analyse.
- Das Verständnis, wie man diese Datenbanken effektiv nutzt, ist für Forscher entscheidend.
- Dieses Protokoll konzentriert sich auf praktische Schritte zur Durchführung bibliometrischer Studien.
Zweck der Studie
- Um Forscher bei der Durchführung bibliometrischer Analysen anzuleiten.
- Um verschiedene Literaturdatenbanken für die Forschungsbewertung zu vergleichen.
- Um eine klare Methodik für die Analyse von Forschungsergebnissen bereitzustellen.
Verwendete Methoden
- Nutzung von PubMed, Scopus und Web of Science für die Datenretrieval.
- Schritt-für-Schritt-Anweisungen zum Festlegen von Suchparametern.
- Beispiel zur Analyse von Forschungsergebnissen aus Jordanien.
- Ausschlusskriterien zur Verfeinerung der Suchergebnisse.
Hauptergebnisse
- Erfolgreiche Identifizierung relevanter Publikationen.
- Demonstration effektiver Suchstrategien.
- Einblicke in die Forschungslandschaft Jordaniens während des angegebenen Zeitraums.
- Anleitung zur Nutzung erweiterter Suchfunktionen in Datenbanken.
Schlussfolgerungen
- Das Protokoll ermöglicht es Forschern, bibliometrische Analysen effektiv durchzuführen.
- Es unterstreicht die Bedeutung der Wahl der richtigen Datenbank.
- Forscher können die Methodik für verschiedene Regionen oder Themen replizieren.
Häufig gestellte Fragen
Executive Industry Relevance
Bibliometric analysis enables biopharma R&D teams to assess research output, identify emerging trends, and evaluate competitive landscapes across therapeutic areas. By comparing database coverage and search capabilities, organizations can optimize literature surveillance for target validation and mechanistic de-risking. This protocol supports data-driven decision-making in early discovery and portfolio prioritization.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogate therapeutic hypotheses by mapping publication trends in disease mechanisms and pathway involvement.
- Operational Value: Identify high-impact journals and key opinion leaders to inform target selection and validation strategies.
- Predictive Value: Assess research activity levels to gauge target maturity and de-risk biological assumptions.
Screening & Assay Development
- Scientific Value: Leverage database-specific tools like MeSH in PubMed for precise keyword optimization in assay-related literature searches.
- Operational Value: Use Scopus and Web of Science analytics to generate reproducible search workflows for compound screening support.
- Reproducibility: Apply standardized search protocols across teams to ensure consistent literature inputs for assay development.
Translational & Preclinical Research
- Translational Continuity: Track yearly publication trends to align discovery findings with evolving clinical and translational research focus areas.
- Biomarker Alignment: Identify collaboration networks and disciplinary spread to assess biomarker relevance across disease models.
- Risk-Adjusted Advancement: Use open access and publication volume trends to inform preclinical investment decisions.
Pipeline & Workflow Integration
This method integrates into the discovery continuum by informing early biology through literature landscape analysis, supporting screening readiness via standardized search protocols, and enabling translational continuity through trend monitoring.
- Discovery Biology: Supports hypothesis testing by revealing publication density and evolution in specific biological pathways.
- Screening: Enhances assay readiness by providing reproducible, database-specific search strategies for compound-related literature.
- Analytics: Delivers quantitative outputs such as publication counts, collaboration networks, and open access metrics for comparative analysis.
- Translational Research: Connects discovery to preclinical work by tracking shifts in research focus and interdisciplinary engagement over time.
- Enterprise Reuse: Establishes a reusable literature surveillance capability applicable across projects, targets, and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target selection by reducing uncertainty through comprehensive literature mapping.
- Operational Value: Ensures standardization and scalability of literature searches across global R&D sites using database-specific protocols.
- Strategic Value: Improves go/no-go decisions by providing quantitative insights into research trends and competitive activity.
- Portfolio Impact: Enables risk-adjusted prioritization by identifying emerging science and declining interest areas.
Implementation Considerations
- Requires expertise in database navigation and search syntax for PubMed, Scopus, and Web of Science.
- Depends on institutional access to subscription-based platforms and familiarity with advanced search features.
- Necessitates cross-team agreement on search terms, filters, and exclusion criteria for reproducible results.
- Involves adaptation of search fields (e.g., Affiliation vs. Address) based on database-specific metadata structures.
- Limited by database coverage biases, requiring complementary use of multiple platforms for comprehensive analysis.
