《AAPS Open》：Drivers of citation impact in leading pharmaceutical sciences journals: a hybrid manual and API-driven bibliometric analysis
编辑推荐：
本文结合手动与API驱动，系统分析了2016-2018年间三本顶尖药学期刊（AAPS Journal, European Journal of Pharmaceutical Sciences, Journal of Pharmaceutical Sciences）中3252篇原创研究的引用情况。研究识别了影响引用的多维度因素，证实了综述文章、开放获取、社交媒体（X）提及、多学科交叉的积极影响，并为未来自动化文献计量研究提供了可扩展的混合方法框架。
本研究旨在探讨在顶尖药学科学期刊中，有哪些因素会驱动文章的引用影响。为此，研究团队采用了一种结合手动与应用程序编程接口（API）驱动的混合文献计量分析方法，对三本代表性期刊在2016至2018年间发表的原創研究文章进行了系统性的识别与评估。
引言背景
引用次数常被用作衡量学术影响力的指标。然而，传统的文献计量方法多依赖于从引文数据库中手动提取数据，存在可扩展性的局限。近年来，人工智能即服务（AIaaS）的兴起，通过提供基于云的预训练模型和算法管道，革新了机器学习的部署方式。API（应用程序编程接口）作为一种正式的交互契约，使得通过简单的HTTP请求将复杂的AI功能集成到各类软件生态系统中成为可能。本研究正是利用这种混合方法，旨在高效、系统地识别影响药学领域科学期刊文章引用的预测因素。
研究方法
本研究是一项横断面文献计量分析，纳入了2016年至2018年间在三本成熟的药学期刊——《药物科学杂志》（JPHSCI，影响因子3.8）、《欧洲药学科学杂志》（EUJPHS，影响因子4.7）和《美国药学科学家协会杂志》（The AAPS Journal，影响因子4.1）——上发表的文章。选择这些期刊是因为它们的主要范围集中于药学科学，被PubMed和Web of Science广泛收录，并且每年发表大量的原创药学研究，为多变量建模提供了足够大且同质化的语料库。
研究最终纳入了3252篇符合标准的原创研究文章。文章元数据通过手动和自动化API管道（NCBI E-utilities、Google Scholar、Altmetric APIs）两种方式提取。因变量为引用次数。预测变量则涵盖了发表年份、期刊、研究主题、设计、通讯作者地理区域、开放获取状态、给药途径、制剂类型、治疗领域、社交媒体提及（X和Facebook）、涉及的学科数量、机构数量和参考文献数量等多个维度。
为了提升数据收集的准确性、可扩展性和可重复性，研究团队开发了一个使用Python和公开API的自动化管道。通过NCBI的Entrez Programming Utilities（E-utilities）API检索PubMed索引文章的元数据，同时使用Google Scholar交叉验证引用计数，并使用Altmetric API提取社交媒体指标。这种混合验证策略在保持自动化效率优势的同时，提高了数据的一致性并减少了人为转录错误。
在统计分析中，将原始的引用计数变量二分为“高引用”（引用数达到或高于中位数）和“低引用”（引用数低于中位数）。研究使用多变量逻辑回归（α=0.05）来识别高于中位数引用的独立预测因子。
研究结果
所有文章的中位引用次数为23次（范围0-976）。在多变量模型中，识别出多个与高引用状态显著相关的独立预测因子：
- •
发表年份：与2016年的文章相比，2017年（OR 0.784）和2018年（OR 0.581）发表的文章获得高引用的几率更低，这反映了引文积累需要时间窗口。
- •
研究设计：与基础科学研究相比，综述文章获得高引用的几率超过三倍（OR 3.385），而建模与模拟研究获得高引用的几率则较低（OR 0.754）。
- •
研究主题：与体外研究相比，基于动物的研究获得高引用的可能性更低（OR 0.611）。
- •
地理区域：与来自欧洲的文章相比，通讯作者来自非洲（OR 2.165）和中东地区（OR 1.936）的文章更有可能获得高引用。
- •
开放获取状态：开放获取文章更有可能获得高引用（OR 1.240）。
- •
给药途径：与口服给药的文章相比，未指定给药途径（OR 0.803）和关于注射给药（OR 0.689）的文章获得高引用的可能性较低。
- •
制剂类型：与描述固体制剂的文章相比，描述胶体系统（微球/水凝胶）的文章更有可能获得高引用（OR 1.598）。
- •
治疗领域：与没有特定疾病类别的文章相比，传染病研究获得高引用的可能性较低（OR 0.622）。
- •
社交媒体：在X（前身为Twitter）上被提及超过两次的文章更有可能获得高引用（OR 1.572），而Facebook提及则未显示出显著关联。
- •
学科与参考文献：每增加一个学科，文章获得高引用的几率增加20%（OR 1.205）；每增加一篇参考文献，几率增加2%（OR 1.020）。
- •
合作机构：相反，每增加一个合作机构，文章获得高引用的几率降低10%（OR 0.896）。
研究还发现，尽管三本期刊的影响因子有所不同，但在多变量模型中，期刊本身与高引用状态并无显著关联，这可能是因为这些期刊的研究概况总体相似。此外，资金来源在本研究中并未显示出与引用影响的统计学显著关联。
讨论与结论
这项文献计量分析识别了影响药学领域文章引用频率的多个因素。研究证实了“开放获取引用优势”的存在，即免费在线访问的文章更有可能被下载、阅读和引用。社交媒体，特别是X上的提及，与更高的引用率相关，这提示研究者和期刊可以利用此类平台来提高研究的可见度。
研究发现，跨学科研究和更全面的文献覆盖（参考文献数量多）对提升引用有积极影响。然而，合作机构数量增加反而与引用几率轻微下降相关，这可能与大型团队协作中存在的协调挑战有关。
在具体研究内容上，综述文章、涉及口服给药途径的研究以及关于胶体系统（如微球和水凝胶）等先进制剂技术的研究更受关注，引用率更高。而传染病领域的研究，尽管重要，但其引用分布可能更为集中，导致中位数引用几率相对较低。
本研究采用的混合手动/API提取管道不仅保证了分析的准确性和可重复性，而且可以轻松适配于其他生物医学和药学领域，为研究者提供了一种可扩展的解决方案，以自动化大规模文献计量研究，从而节约时间和资源。
优势与局限
本研究的优势包括：来自三本代表性药学期刊的3252篇原创研究文章的大样本、使用了经过严格验证的混合手动/API驱动管道以确保数据提取的准确性和可扩展性，以及通过多变量分析得出调整后的预测因子估计值。然而，研究也存在局限性：仅聚焦于三本期刊在2016-2018年间的文章，结论可能无法完全推广到其他出版物或时期；依赖Google Scholar获取引用次数可能受其索引覆盖范围变化的影响。
未来方向
未来的工作应将此API驱动框架应用于更广泛的期刊（如《分子药学》、《国际药学杂志》）和更长的发表时间窗口，同时整合更多替代计量指标（如Mendeley、新闻媒体、政策引用），并利用自然语言处理技术评估引用语境。构建实时的文献计量仪表盘和探索连续的引用模型，将进一步提升跟踪、预测和优化健康科学领域学术影响力的能力。
