Comparaison de l'analyse bibliométrique à l'aide de bases de données PubMed, Scopus et Web of Science
October 24th, 2019
Les bases de données littéraires sont couramment utilisées pour évaluer les publications dans un sujet, une discipline, un pays ou une région du monde, une pratique connue sous le nom d'analyse bibliométrique. Le protocole actuel détaille comment utiliser les bases de données PubMed, Scopus et Web of Science pour effectuer une analyse bibliométrique.
Cette méthode peut aider à répondre aux questions clés dans le domaine de l’analyse bibliométrique sur les bases de données de recherche disponibles et sur la façon de choisir la base de données la plus appropriée. Le principal avantage de ce protocole est qu’il fournit une approche étape par étape à l’utilisation de différentes bases de données afin que tout chercheur puisse effectuer une analyse bibliométrique avec succès. Analyser les résultats de la recherche jordanienne sur une période de cinq ans entre le 1er janvier 2013 et le 31 décembre 2017, en utilisant PubMed, ouvrir le formulaire de recherche avancée et entrer en Jordanie comme terme de recherche, en précisant l’affiliation comme champ de recherche.
Pour exclure tous les documents rédigés par un chercheur nommé Jordanie d’un pays affilié qui n’est pas la Jordanie, tapez la Jordanie dans un autre domaine et sélectionnez le type de champ Auteur. Sélectionnez l’opérateur NOT comme connecteur entre les deux champs et cliquez sur Recherche. Préciser les dates de publication entre le 1er janvier 2013 et le 31 décembre 2017, dans la fenêtre de résultats, et sélectionner l’article et la revue des journaux à partir des types d’articles.
Pour analyser les résultats de la recherche jordanienne sur une période de cinq ans entre le 1er janvier 2013 et le 31 décembre 2017, à l’aide du Scopus, ouvrez le site Web du Scopus et entrez les informations de connexion Elsevier appropriées. Ensuite, entrez en Jordanie comme terme de recherche, et spécifiez le pays d’affiliation comme champ de recherche. Limitez la durée de la recherche de 2013 à 2017.
Notez qu’à partir de 2013 signifie du 1er janvier 2013, et jusqu’en 2017 signifie jusqu’au 31 décembre 2017. Ensuite, limitez le type de document à l’article ou à l’examen, et cliquez sur Recherche. Pour analyser les résultats de la recherche jordanienne sur une période de cinq ans entre le 1er janvier 2013 et le 31 décembre 2017, à l’aide de Web of Science, ouvrez le site Web de science et connectez-vous avec les informations appropriées sur les comptes Web of Science.
Entrez La Jordanie dans le champ de recherche et spécifiez Adresse. Identifiez la durée de la recherche entre 2013 et 2017, et cliquez sur Recherche. Limitez la recherche à l’aide des filtres Article et Review, et sélectionnez pour analyser les résultats enregistrés dans l’historique de recherche maintenant ou plus tard.
Ensuite, indiquez si les résultats doivent être affichés dans une table, une carte visuelle des arbres ou des barres. Ici, les tendances annuelles de la publication jordanienne au cours de l’intervalle de cinq ans 2013 à 2017 selon la recherche Scopus et la recherche sur le Web of Science sont montrées. Selon le pays de collaboration dans la recherche Scopus, les États-Unis d’Amérique est le pays le plus commun avec lequel les chercheurs jordaniens collaborent, suivie par l’Arabie saoudite et le Royaume-Uni.
Selon la recherche sur le Web of Science, les États-Unis sont le pays le plus commun avec lequel les Jordaniens collaborent, suivis de la France et de l’Autriche. Sur les 10 disciplines les plus courantes dans lesquelles les Jordaniens ont publié, la médecine est la plus courante, suivie par l’ingénierie et les sciences sociales selon la recherche Scopus. Selon la recherche sur le Web of Science, parmi les 10 disciplines les plus courantes dans lesquelles les Jordaniens ont publié, l’ingénierie, les mathématiques et l’informatique sont les trois premières.
Lorsque vous essayez ce protocole, il est important de se rappeler de sélectionner la base de données appropriée avant de commencer votre analyse. Par exemple, PubMed est consacré uniquement aux sciences biomédicales. Suivant ce protocole et après avoir téléchargé les résultats en format CSV, des méthodes d’analyse supplémentaires comme une cartographie bibliométrique peuvent être effectuées pour la représentation spatiale des résultats.
Après son élaboration, ce protocole a ouvert la voie à des chercheurs dans tous les domaines pour explorer les tendances de la recherche dans leurs disciplines facilement et efficacement.
View the full transcript and gain access to thousands of scientific videos
Aperçu
Ce protocole décrit le processus de réalisation d'une analyse bibliométrique à l'aide de grandes bases de données littéraires telles que PubMed, Scopus et Web of Science. Il fournit une approche structurée permettant aux chercheurs d'évaluer les publications dans des domaines ou régions spécifiques.
Composantes clés de l'étude
Domaine de la science
- Analyse bibliométrique
- Évaluation de la recherche
- Utilisation des bases de données
Contexte
- L'analyse bibliométrique est essentielle pour évaluer la production de recherche.
- Les bases de données littéraires servent d'outils clés pour cette analyse.
- Comprendre comment utiliser efficacement ces bases de données est crucial pour les chercheurs.
- Ce protocole se concentre sur les étapes pratiques pour mener des études bibliométriques.
Objectif de l'étude
- Orienter les chercheurs dans la réalisation d'analyses bibliométriques.
- Comparer différentes bases de données littéraires pour l'évaluation de la recherche.
- Fournir une méthodologie claire pour analyser la production de recherche.
Méthodes utilisées
- Utilisation de PubMed, Scopus et Web of Science pour la récupération des données.
- Instructions étape par étape pour définir les paramètres de recherche.
- Exemple d'analyse de la production de recherche en Jordanie.
- Critères d'exclusion pour affiner les résultats de recherche.
Résultats principaux
- Identification réussie des publications pertinentes.
- Démonstration de stratégies de recherche efficaces.
- Aperçu du paysage de recherche en Jordanie pendant la période spécifiée.
- Orientation sur l'utilisation des fonctionnalités de recherche avancées dans les bases de données.
Conclusions
- Le protocole permet aux chercheurs de mener des analyses bibliométriques efficacement.
- Il souligne l'importance de choisir la bonne base de données.
- Les chercheurs peuvent reproduire la méthodologie pour diverses régions ou sujets.
Questions fréquemment posées
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.
