Comparación del análisis bibliométrico con PubMed, Scopus y Web of Science Databases
October 24th, 2019
Las bases de datos de literatura se utilizan comúnmente para evaluar publicaciones en un determinado tema, disciplina, país o región del mundo, una práctica conocida como análisis bibliométrico. El protocolo actual detalla cómo utilizar las bases de datos PubMed, Scopus y Web of Science para realizar análisis bibliométricos.
Este método puede ayudar a responder preguntas clave en el campo de análisis bibliométrico sobre las bases de datos de búsqueda disponibles y cómo elegir la más adecuada. La principal ventaja de este protocolo es que proporciona un enfoque paso a paso para utilizar diferentes bases de datos para que cualquier investigador pueda realizar un análisis bibliométrico con éxito. Para analizar la producción de investigación jordana durante un período de cinco años entre el 1 de enero de 2013 y el 31 de diciembre de 2017, utilizando PubMed, abra el formulario Búsqueda avanzada e introduzca Jordania como término de búsqueda, especificando Afiliación como campo de búsqueda.
Para excluir todos los documentos creados por un investigador llamado Jordania de un país afiliado que no sea Jordania, escriba Jordania en otro campo y seleccione el tipo de campo Autor. Seleccione el operador NOT como conector entre los dos campos y haga clic en Buscar. Especifique las fechas de publicación entre el 1 de enero de 2013 y el 31 de diciembre de 2017 en la ventana de resultados y seleccione Artículo de diario y Revisión en tipos de artículo.
Para analizar el resultado de la investigación jordana durante un período de cinco años entre el 1 de enero de 2013 y el 31 de diciembre de 2017, utilizando Scopus, abra el sitio web de Scopus e introduzca la información de inicio de sesión de Elsevier adecuada. A continuación, escriba Jordania como término de búsqueda y especifique El país de afiliación como campo de búsqueda. Limitar la duración de la búsqueda de 2013 a 2017.
Tenga en cuenta que a partir de 2013 significa que a partir del 1 de enero de 2013 y hasta 2017 significa hasta el 31 de diciembre de 2017. A continuación, limite el tipo de documento a Artículo o Revisión y haga clic en Buscar. Para analizar el resultado de la investigación jordana durante un período de cinco años entre el 1 de enero de 2013 y el 31 de diciembre de 2017, utilizando Web of Science, abra el sitio web de Web of Science e inicie sesión con la información de cuenta de Web of Science correspondiente.
Escriba Jordania en el campo de búsqueda y especifique Dirección. Identifique la duración de la búsqueda entre 2013 y 2017 y haga clic en Buscar. Restringir la búsqueda mediante los filtros Artículo y Revisión y seleccione analizar los resultados guardados en el historial de búsqueda ahora o más adelante.
A continuación, indique si los resultados deben mostrarse en una tabla, un mapa de árbol visual o barras. Aquí, se muestran las tendencias anuales en la publicación jordana durante el intervalo de cinco años 2013 a 2017 de acuerdo con la búsqueda Scopus y la búsqueda de la Web of Science. Según el país de colaboración en la búsqueda de Scopus, los Estados Unidos de América son el país más común con el que colaboran los investigadores jordanos, seguido de Arabia Saudita y el Reino Unido.
Según la búsqueda de la Web de la Ciencia, Estados Unidos es el país más común con el que colaboran los jordanos, seguido de Francia y Austria. De las 10 disciplinas más comunes en las que han publicado los jordanos, la medicina es la más común, seguida de la ingeniería y las ciencias sociales según la búsqueda de Scopus. Según la búsqueda de la Web de Ciencias, de las 10 disciplinas más comunes dentro de las cuales los jordanos han publicado, la ingeniería, las matemáticas y las ciencias de la computación son las tres principales.
Al intentar este protocolo, es importante recordar seleccionar la base de datos adecuada antes de iniciar el análisis. Por ejemplo, PubMed se dedica únicamente a las ciencias biomédicas. Siguiendo este protocolo y después de descargar los resultados en formato CSV, se pueden realizar métodos de análisis adicionales como una asignación bibliométrica para la representación espacial de los resultados.
Después de su desarrollo, este protocolo allanó el camino para que los investigadores en todos los campos exploraran las tendencias de investigación en sus disciplinas de manera fácil y eficiente.
View the full transcript and gain access to thousands of scientific videos
Información general
Este protocolo describe el proceso de realizar un análisis bibliométrico utilizando importantes bases de datos literarias como PubMed, Scopus y Web of Science. Proporciona un enfoque estructurado para que los investigadores evalúen publicaciones en campos o regiones específicas.
Componentes clave del estudio
Área de la ciencia
- Análisis bibliométrico
- Evaluación de la investigación
- Utilización de bases de datos
Fundamentos
- El análisis bibliométrico es esencial para evaluar la producción de investigación.
- Las bases de datos literarias sirven como herramientas clave para este análisis.
- Entender cómo usar eficazmente estas bases de datos es crucial para los investigadores.
- Este protocolo se centra en los pasos prácticos para realizar estudios bibliométricos.
Propósito del estudio
- Orientar a los investigadores en la realización de análisis bibliométricos.
- Comparar diferentes bases de datos literarias para la evaluación de la investigación.
- Proporcionar una metodología clara para analizar la producción de investigación.
Métodos utilizados
- Uso de PubMed, Scopus y Web of Science para la recuperación de datos.
- Instrucciones paso a paso para establecer parámetros de búsqueda.
- Ejemplo de análisis de la producción de investigación de Jordania.
- Criterios de exclusión para refinar los resultados de búsqueda.
Principales resultados
- Identificación exitosa de publicaciones relevantes.
- Demostración de estrategias de búsqueda efectivas.
- Perspectivas sobre el panorama de investigación de Jordania durante el período especificado.
- Orientación sobre el uso de funciones de búsqueda avanzadas en las bases de datos.
Conclusiones
- El protocolo permite a los investigadores realizar análisis bibliométricos de manera efectiva.
- Destaca la importancia de elegir la base de datos adecuada.
- Los investigadores pueden replicar la metodología para varias regiones o materias.
Preguntas frecuentes
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.
