Сравнение библиометрического анализа с использованием баз данных PubMed, Scopus и Web of Science
October 24th, 2019
Базы данных по литературе обычно используются для оценки публикаций по определенному предмету, дисциплине, стране или региону мира, что является практикой, известной как библиометрический анализ. В текущем протоколе подробно описано, как использовать базы данных PubMed, Scopus и Web of Science для библиометрического анализа.
Этот метод может помочь ответить на ключевые вопросы в области библиометрического анализа о доступных базах данных поиска и о том, как выбрать наиболее подходящий. Основным преимуществом этого протокола является то, что он обеспечивает пошаговой подход к использованию различных баз данных, так что любой исследователь может успешно выполнить библиометрический анализ. Для анализа результатов иорданских исследований в течение пятилетнего периода с 1 января 2013 года по 31 декабря 2017 года, используя PubMed, откройте форму Advanced Search и введите Иорданию в качестве поискового термина, указав Affiliation в качестве поля поиска.
Чтобы исключить все документы, автором которого является исследователь по имени Иордания, из аффилированной страны, которая не является Иорданией, ввести Иорданию в другую область и выбрать автора полевого типа. Выберите оператора NOT в качестве разъема между двумя полями и нажмите Поиск. Укажите даты публикации с 1 января 2013 года по 31 декабря 2017 года в окне результатов и выберите статью и обзор журнала из типов статей.
Для анализа результатов иорданских исследований в течение пятилетнего периода с 1 января 2013 года по 31 декабря 2017 года с помощью Scopus откройте веб-сайт Scopus и введите соответствующую информацию для входа в систему Elsevier. Далее введите Иорданию в качестве поискового термина и укажите страну Affiliation в качестве поля поиска. Ограничьте продолжительность поиска с 2013 по 2017 год.
Отметим, что с 2013 года означает с 1 января 2013 года и до 2017 года означает до 31 декабря 2017 года. Затем ограничьте тип документа статьей или обзором и нажмите кнопку Поиск. Для анализа результатов иорданских исследований в течение пятилетнего периода с 1 января 2013 года по 31 декабря 2017 года с помощью Web of Science откройте веб-сайт Web of Science и войдите в систему с соответствующей информацией об учетной записи Web of Science.
Введите Иорданию в поле поиска и укажите адрес. Определите продолжительность поиска в период с 2013 по 2017 год и нажмите Поиск. Ограничьте поиск с помощью фильтров article and Review и выберите для анализа результатов, сохраненных в истории поиска сейчас или позже.
Затем укажите, должны ли результаты отображаться в таблице, визуальной карте дерева или барах. Здесь показаны годы в иорданском издании в течение пятилетнего интервала с 2013 по 2017 год в соответствии с поиском Scopus и поиском Web of Science. По данным страны сотрудничества в поиске Scopus, Соединенные Штаты Америки являются наиболее распространенной страной, с которой иорданские исследователи сотрудничают, а затем Саудовской Аравией и Великобританией.
Согласно поиску Web of Science, Соединенные Штаты являются наиболее распространенной страной, с которой иорданцы сотрудничают, за которыми следуют Франция и Австрия. Из 10 наиболее распространенных дисциплин, в которых иорданцы опубликовали, медицина является наиболее распространенным, а затем инженерных и социальных наук в соответствии с поиском Scopus. Согласно поиску Web of Science, из 10 наиболее распространенных дисциплин, в рамках которых иорданцы опубликовали, инженерные, математические и компьютерные науки являются тройкой лидеров.
При попытке этого протокола, важно помнить, чтобы выбрать соответствующую базу данных, прежде чем начать анализ. Например, PubMed посвящен только биомедицинским наукам. После этого протокола и после загрузки результатов в формате CSV для пространственного представления результатов могут быть выполнены дополнительные методы анализа, такие как библиометрическое отображение.
После своего развития, этот протокол проложил путь для исследователей во всех областях, чтобы исследовать тенденции исследований в своих дисциплинах легко и эффективно.
View the full transcript and gain access to thousands of scientific videos
Обзор
Этот протокол описывает процесс проведения библиометрического анализа с использованием основных литературных баз данных, таких как PubMed, Scopus и Web of Science. Он предоставляет структурированный подход для исследователей по оценке публикаций в определенных областях или регионах.
Основные компоненты исследования
Область науки
- Библиометрический анализ
- Оценка исследований
- Использование баз данных
Фон
- Библиометрический анализ необходим для оценки исследовательского выпуска.
- Литературные базы данных служат ключевыми инструментами для этого анализа.
- Понимание того, как эффективно использовать эти базы данных, важно для исследователей.
- Этот протокол сосредоточен на практических шагах проведения библиометрических исследований.
Цель исследования
- Направлять исследователей в проведении библиометрического анализа.
- Сравнивать различные литературные базы данных для оценки исследований.
- Предоставлять четкую методологию для анализа исследовательского выпуска.
Используемые методы
- Использование PubMed, Scopus и Web of Science для получения данных.
- Пошаговые инструкции по настройке параметров поиска.
- Пример анализа исследовательского выпуска из Иордании.
- Критерии исключения для уточнения результатов поиска.
Основные результаты
- Успешное выявление соответствующих публикаций.
- Демонстрация эффективных стратегий поиска.
- Взгляд на исследовательский ландшафт Иордании в указанный период.
- Руководство по использованию расширенных функций поиска в базах данных.
Выводы
- Протокол позволяет исследователям эффективно проводить библиометрические анализы.
- Он подчеркивает важность выбора правильной базы данных.
- Исследователи могут воспроизводить методологию для различных регионов или предметов.
Часто задаваемые вопросы
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.
