由Altmetric评分衡量的腰痛临床试验的影响:横断面研究

介绍

作者和出版商都越来越有兴趣在互联网上分享他们的研究成果，以增加他们的读者群[1,2]。同样，研究的消费者(包括临床医生和患者)也会在互联网上与同行分享他们认为有趣、有用或有争议的文章。文章大规模传播的方式之一是在社交媒体上分享，如Facebook、Twitter、Instagram等。另一种方法是使用参考资料管理网站，如Mendeley或Connotea [2]。这两种方法都为获取、阅读和讨论研究文章提供了新的途径;因此，这些文章的传播增加了[2-4]。

量化一篇文章或一篇期刊的科学影响，最传统的方法是通过同行评议期刊的引用次数[5]。然而，与期刊引用数量相关的指数并不一定反映文章内容向临床医生和患者的传播程度更高。直到最近，科学文章对社交媒体和参考文献管理人员的影响还没有被量化。为了衡量这种类型的影响，一个新的分数(命名为Altmetric)被创造出来[2,6]。

Altmetric是一组英国研究人员开发的工具[7]。Altmetric旨在了解每篇文章在网上(如在社交媒体和参考资料管理员上)所吸引的关注所产生的个别影响[6]。的Altmetric注意力评分由两个独立的评分系统组成Altmetric提到分数和Altmetric读者分数(7]。的Altmetric提到一篇文章的得分反映了一篇文章在一系列媒体上被提及的程度，包括社交媒体(如Facebook, Twitter)，报纸，百科全书(如维基百科)，在线平台(如teachty1000和出版物同行评论)，YouTube上的视频，问答网站(如问答堆栈溢出)，以及政策文件或PDF格式的文件。每个提到的内容都有不同的权重，以反映每个来源的相对覆盖面，并对总分做出贡献。例如，在Facebook上的每一次提及算0.25分，而在Twitter上的每一次提及算1.0分。的Altmetric读者分数可以通过点击Altmetric“甜甜圈”符号(即Altmetric分数的可视化表示)和读者数量的总和。这个分数藏在甜甜圈里。第二个分数是Altmetric读者评分，衡量对在线参考管理的影响，如Mendeley, CiteULike和Connotea［7]。这个分数对于所有参考管理器都具有相同的权重(即，每提到一次，1.0分)。读者可以很容易地识别Altmetric提到在大多数期刊的网站上点击Altmetric“甜甜圈”。

大多数关于Altmetric迄今为止发表的只是介绍性教程或社论[2,4-6,8]。史密斯等人[9的重要性发表了一篇讨论论文Altmetric在健康科学领域，旨在量化这些文章的社会影响。帕蒂等[10他发表了一篇系统综述，检索了2010年至2016年在牙科领域发表的7篇文章，旨在分析Web of Science网站测量的期刊引用与牙科领域的研究之间的相关性Altmetric提到分数。本综述的结论是，期刊引用和Altmetric得分正相关(r=0.30和0.61)[10]。最后，Rosenkrantz等人[11]也观察到引文与Altmetric在放射学期刊上的得分。

有三篇文章[12-14，测量了两者之间的相关性Altmetric、twitter、博客和Mendeley(一种参考管理软件)。这些研究发现，与科学期刊相关的推文和博客数量大幅增加，这些变量与Altmetric分数。先前发表的文章[13,15,16]表明推文的数量可以预测文章发表前三天的引用量。这些发现表明Altmetric分数可能与期刊的影响因子相关[8]。Rinald [17他发表了一篇关于开放获取期刊在社交媒体上的知名度方面的好处的教程。然而，还需要更多的研究来确定可能与之相关的潜在变量Altmetric评分，如期刊影响因子、发表年数、研究质量和开放获取文章。

据我们所知，没有研究描述随机对照试验(rct)及其特征Altmetric的得分或预测因素Altmetric得分。在这项研究中，作者选择了对腰痛进行非药物干预的试验，因为腰痛在肌肉骨骼健康领域拥有最多的证据[18]。此外，背部疼痛非常普遍[19-21]，而且成本很高[19,20.,22]。根据一项研究，世界上最致残的疾病[21]，自1990年以来，腰痛一直是排名最高的肌肉骨骼疾病之一[21]。

因此，主要目的是分析可能与出版期刊(如在线访问)和出版试验(如试验质量)相关的潜在因素Altmetric在随机抽样的腰痛随机对照试验中得分。本研究的次要目的是描述这些试验的特征及其影响因素Altmetric分数。

方法

研究设计

这是一项横断面研究。

搜索策略

我们从物理治疗证据数据库(PEDro)中随机选取了200个腰痛随机对照试验样本[23]。我们选择PEDro是因为这是最全面的物理治疗试验数据库[24,25]，亦因为PEDro量表具有可接受的高信度及效度[18]。此外，所有纳入PEDro索引的试验均采用0- 10分PEDro量表对方法学质量进行评分[24-27]。项目说明如下:

1. 合格标准
2. 随机分配
3. 隐蔽的分配
4. 基线可比性
5. 受试者致盲
6. 治疗师的盲目
7. 结果评估者的盲化
8. 随访的完整性
9. 治疗分析的意图
10. 组间统计比较
11. 提出点测量和可变性测量

总PEDro分数是通过求和来计算的是的对第2-11项的回应。第一项不计入最终分数，因为这与外部效度有关。所有关于PEDro的试验都由至少两名训练有素的评分员进行评分，如果出现分歧，最终仲裁将由一名资深评分员进行。

2016年2月1日，我们确定了2010-2015年期间发表的PEDro索引的所有腰痛试验，并随机抽取40%的样本。我们排除了试验方案、试验的初步分析和二次分析。搜索策略说明如下:

策略搜索:“2010年至2015年”[出版年份]和“腰痛”[身体部位]和“疼痛”[问题]和“临床试验”[方法]。

数据提取

提取了几条数据，如文本框1。

有关资料Altmetric所有文章的得分和引用数(自发表以来的年份)是在2016年5月10日收集的，因为这些得分是非常动态的。

统计分析

文章自发表的年数和被引用次数确定为截至2016年5月10日。引用数以自发表以来的年数(引用数除以自发表以来的年数)标准化，因为预计较老的手稿与较新的手稿相比更有可能有更多的引用数。大部分数据采用描述性统计。

建立独立的多元回归模型来预测(1)Altmetric提到分数和(2)Altmetric读者得分。两个模型的自变量分别为:影响因子、论文以开放获取方式发表(是/否)、PEDro总分、发表年限、标准化被引数和标题类型。选择这些变量是因为它们似乎有可能与Altmetric分数。例如，我们选择自发表以来的年数和总PEDro分数的变量，因为它们与PEDro上的访问次数有关[18]。

最初，进行单变量回归分析，所有变量达到aP保留<0.20的值以纳入多变量模型。然后建立多元回归模型，最终模型只包含达到统计显著性的变量P< 0.05。结果表示为R²指数(解释模型的可变性)，每个变量的个人贡献通过β系数及其各自的95% ci表示。我们使用社会科学统计软件包(SPSS) 19版进行分析。

结果

遴选合资格物品

使用该搜索策略共检索了537项临床试验。67篇文章被排除在外，因为它们与腰痛以外的疾病有关或与正在进行的研究有关。从剩余的470篇文章中，随机选择200篇进行分析(图1）.

文章的描述特征

表1介绍了试验的特点。在200篇文章中，有186篇有Altmetric平均得分提到得分为18.2 (SD 41.3)，平均读者得分34.9 (SD 41.6)。大多数文章都是用英文发表的，有一个描述性的标题(描述目的，但不揭示主要结论的标题)，并以开放获取的形式发表在支持CONSORT声明的期刊上。此外，发表这些试验的期刊的平均影响因子为2.1 (SD 2.6)，平均总PEDro评分为5.8分(SD 1.6;表1）.

预测因素

的单变量分析Altmetric提到得分显示，发表在开放获取期刊上与Altmetric提到评分(表2）.最后的多元模型在表3。四个变量与Altmetric提到评分:影响因子(β-系数=3.4分)、出版年数(β系数= -4.9分)、被引用数除以出版年数(β-系数=5.2分)、描述性标题(β-系数= -29.4分)。该模型占解释方差的28%。对该模型的解释是，较老的文章和具有描述性标题的文章与较低的标题相关联Altmetric提到得分，而来自影响因子较高和引用量较大的期刊的文章与较高的影响因子相关Altmetric提到得分。

的单变量分析Altmetric读者得分显示，发表在开放获取期刊上与Altmetric读者评分(表4）.多变量分析表明，有一个自变量与Altmetric读者得分:被引用数除以发表以来的年份(β-系数=10.1分，95% CI 7.74-12.46)。这个单一变量占解释方差的31%。

‎ 查看此图

讨论

主要研究结果

本研究的主要目的是分析可能与糖尿病相关的潜在因素Altmetric得分。次要目的是描述腰痛随机对照试验及其特征Altmetric分数。我们发现，带有疑问句/陈述性标题的试验、发表在影响因子较高期刊上的试验、最近发表的试验以及引用次数较多的试验与较高的影响因子相关Altmetric提到得分。我们观察到，被引次数也与较高相关Altmetric读者得分。最后，我们发现Altmetric读者得分高于Altmetric提到得分。大多数文章都是用英文发表的，有描述性的标题，并以开放获取的形式发表在支持CONSORT声明的期刊上。

之前有三篇文章测量了被引用的数量和Altmetric医学期刊评分[10,11,29]，以及许多其他研究推文之间关系(主要的Altmetric分数组成部分)和引文([15是第一个)。这些文章的结论与我们的研究非常相似:被引和被引之间存在关联Altmetric分数。这一信息证实了传统的科学影响力衡量标准(基于引用)与社会影响力(基于社交媒体)相关联。我们的研究与前三项研究的不同之处在于，我们使用了多元回归分析，而不是简单的相关性。我们认为这种方法使我们能够专注于关键的自变量，并且我们提供的beta系数比相关系数更易于解释。例如，我们可以预测，每收到一个引用，将增加5.2和10.1分Altmetric提到和读者分别得分。在背痛试验中，科学影响似乎紧随社会影响而来。

我们观察到一种关联Altmetric提到评分和期刊的影响因子。该期刊的影响因子是一种衡量指标，它反映了前两年在该期刊上发表的科学文章被引用的数量[5]。我们可以推断，影响因子较高的期刊对更广泛的读者、医疗保健提供者和媒体具有更高的可信度，这可能反映了社交媒体上大量的帖子。许多这些期刊可能有完善的媒体策略，例如准备和分发新闻稿给媒体。这一举措鼓励了他们的论文在报纸、博客和社交媒体上的推广，比那些没有这样做的期刊更快、更有效。这些期刊还对文章的在线版本进行了格式化，这样读者就可以轻松地点击一个图标，在社交媒体上发布有关这项研究的详细信息，通常是在文章中嵌入一个关键人物。

我们还观察到使用陈述性/疑问句标题的试验与更高的Altmetric提到得分高于描述性标题。据我们所知，我们的研究是第一个调查文章标题格式对读者的影响的研究Altmetric分数。有证据表明，标题较短的文章更有可能被大量引用。30.-32]。贾玛利等[33]得出结论，带有疑问句标题的文章也与大量的引用和下载有关[33]。因此，作者应该意识到，为了吸引更广泛的读者，应该考虑使用较短的疑问句标题。最后，我们观察到最近发表的论文也有更高的Altmetric分数;最近的研究似乎更有可能被分享。这一发现应在未来的研究中进一步研究。

本研究的优势在于使用了具有代表性的试验样本(N=200，或所有PEDro索引的试验报告的40%，并归类为“腰痛”)。本研究的一个可能的局限性与外部有效性有关，因为我们的数据集只包含关于腰痛的文章。在其他健康学科中复制我们的研究是很重要的。

结论

我们的研究为作者如何提高文章的曝光度带来了新的见解。首先，研究人员最好选择高影响因子的期刊提交，并使用陈述性或疑问句的标题，因为这些因素可能会增加他们的研究在社交媒体上的知名度。此外，我们建议使用不同研究设计的新研究(例如，系统回顾和指南)，以便从外部验证我们的发现。