Detailansicht

Predicting future citation counts of scientific manuscripts submitted to Transplant International for publication
Michael Kossmeier
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Georg Heinze
Alle Rechte vorbehalten / All rights reserved
URN
urn:nbn:at:at-ubw:1-15814.99969.505471-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Zitierungen sind ein vielverwendetes Maß für den wissenschaftlichen Einfluss von Publikationen, Autoren, Journalen und Institutionen. Das Ziel der vorliegenden Studie war es, frühe Indikatoren für die Anzahl an zukünftigen Zitationen von Manuskripten zu identifizieren, die bei dem wissenschaftlichen Journal Transplant International zur Publikation eingereicht wurden. Hierzu wurden 21 erklärende Variablen, die bereits früh im Reviewprozess zur Verfügung stehen und mit dem Manuskript selbst, den Autoren des Manuskripts oder dem Review Prozess im Zusammenhang stehen, berücksichtigt, um die Zitationshäufigkeit in dem konstanten Zeitfenster zwei Jahre nach dem Publikationsjahr zu erklären und vorherzusagen. Zudem wurde evaluiert, wie erfolgreich der Peer-Reviewprozess von Transplant International in der Vergangenheit war, die vielversprechendsten Manuskripte aus der gesamten Menge aller eingereichten Manuskripte zu identifizieren und für die Publikation zu akzeptieren. Eine multiple Negativ-Binomial-Regression zeigte, dass eingereichten Manuskripten bei Transplant International mit einer höheren Anzahl an Seiten (multiplikativer Effekt für jede zusätzliche Seite: 1.073, 95% KI [1.015, 1.134]), einem früheren Publikationsmonat (multiplikativer Effekt für jedes spätere Publikationsmonat: 0.954, 95% KI [0.925, 0.984]), und Review-Artikeln, verglichen mit Originalstudien (multiplikativer Effekt für Review-Artikel: 1.956, 95% KI [1.246, 3.072]), eine signifikant höhere erwartete Zitationshäufigkeit vorhergesagt wurde. Für ein reduziertes Prognosemodell wurden neun Prädiktoren ausgewählt: Die Anzahl an Seiten, Review (vs. Originalstudien), das Publikationsmonat, Manuskripte zu Forschung an menschlichen Versuchspersonen (vs. Tierstudien), die Anzahl an Quellen im Literaturverzeichnis, die Anzahl an Autorinnen und Autoren, die Anzahl an verschiedenen Institutionen der Autorinnen und Autoren, die durchschnittliche Anzahl an Tagen, die Peer-Reviewer benötigten, um das Manuskript zu begutachten und die Anzahl an Tagen, die es dauerte, um zu einer ersten Entscheidung im Peer-Reviewprozess zu kommen. Darüber hinaus zeigten sich von Transplant International akzeptierte Manuskripte nach der Publikation im Mittel signifikant öfter zitiert als abgelehnte Manuskripte, die später in anderen Journalen erschienen (Median 4 vs. 2, p < .001). Obwohl das Prognosemodell akzeptable prognostische Güte aufwies, waren hypothetische, auf den Prognosen des Modells basierte Entscheidungen ein Manuskript zur Publikationen anzunehmen oder abzulehnen, den tatsächlichen Entscheidungen der Editoren von Transplant International deutlich unterlegen. Beide Befunde legen nahe, dass der Peer-Reviewprozess von Transplant International in der Vergangenheit erfolgreich war, Manuskripte mit hohem wissenschaftlichen Einfluss in der Zukunft auszuwählen und zu publizieren.
Abstract
(Englisch)
Citations are widely used as a measure for the scientific impact of publications, authors, journals and institutions. The goal of the present study was to identify early indicators for future citation counts of manuscripts submitted to the scientific journal Transplant International. We considered a comprehensive set of 21 manuscript, author and peer review related variables available early in the peer review process to explain and predict future citation counts in the fixed timeframe two years after the year of publication. In addition, we evaluated how successful the peer review process at Transplant International was at identifying and accepting the most promising manuscripts for publication. A multiple negative binomial regression showed that submitted manuscripts to Transplant International with more pages (count multiplier per additional page: 1.073, 95% CI [1.015, 1.134]), an earlier month of publication (count multiplier per additional month: 0.954, 95% CI [0.925, 0.984]), and reviews compared to original articles (count multiplier for reviews: 1.956, 95% CI [1.246, 3.072]) were predicted to attract significantly more citations. For a reduced predictive model, nine variables were selected as prognostic factors: The number of pages, review (vs. original) articles, month of publication, human study (vs. animal study), the number of references, the number of authors, the number of unique author institutions, the mean time it took peer-reviewers to complete the review, and the time it took from submission to a first decision in the journal peer-review process. Moreover, accepted manuscripts at Transplant International were cited significantly more often on average compared to rejected but published elsewhere manuscripts (Median 4 vs. 2, p < .001). Although the predictive model attained an acceptable performance, hypothetical acceptance decisions based on predictions of the prognostic model using information available in the early peer review process performed considerably worse than the actual editorial decision. Both findings suggest that the peer review process at Transplant International in its current form was successful in selecting submitted manuscripts for publication with high scientific impact in the future.

Schlagwörter

Schlagwörter
(Englisch)
Predictive and explanatory modeling (LASSO) negative binomial regression citation counts journal impact factor prognostic validity of peer-review
Schlagwörter
(Deutsch)
Statistisches Vorhersage- und Erklärungsmodell (LASSO) Negativ-Binomial-Regression Zitationen Journal Impact Factor Peer-Review Evaluation
Autor*innen
Michael Kossmeier
Haupttitel (Englisch)
Predicting future citation counts of scientific manuscripts submitted to Transplant International for publication
Publikationsjahr
2017
Umfangsangabe
83 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
Georg Heinze
Klassifikation
31 Mathematik > 31.73 Mathematische Statistik
AC Nummer
AC13792503
Utheses ID
42310
Studienkennzahl
UA | 066 | 951 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1