医院SCI论文统计技巧

1.医院论文查询

检索关键词包括语言为英文，时间（最好提前半年以免遗漏），医院名称（包括多个名称，可能命名不规范）

(eng[Language]) AND (((((("Third Clinical Institute"[Affiliation]) AND Wenzhou Medical University[Affiliation])) AND ("2019/01/01"[Date - MeSH] : "3000"[Date - MeSH]))) OR ((wenzhou people's hospital[Affiliation]) AND ("2019/01/01"[Date - MeSH] : "3000"[Date - MeSH])))

https://www.ncbi.nlm.nih.gov/pubmed/?term=(eng%5BLanguage%5D)+AND+((((((%22Third+Clinical+Institute%22%5BAffiliation%5D)+AND+Wenzhou+Medical+University%5BAffiliation%5D))+AND+(%222019%2F01%2F01%22%5BDate+-+MeSH%5D+%3A+%223000%22%5BDate+-+MeSH%5D)))+OR+((wenzhou+people%27s+hospital%5BAffiliation%5D)+AND+(%222019%2F01%2F01%22%5BDate+-+MeSH%5D+%3A+%223000%22%5BDate+-+MeSH%5D)))

文件下载保存为nbib格式用jiabef可以直接导入。

image.png

存在问题：
1.医院命名不规范
2.查不全
3.缺SCI指数
4.存在混肴

2.期刊SCI指数列表

import requests
import pandas as pd
import json
i=1
url='http://www.meddata.com.cn/api/journal/list?token=f7c285bdb2bbbce11caff5c422c4dbba&searchWorld=&searchValue=&sortWorld=106&sortType=-1&current='+str(i)+'&size=10000'
req=requests.get(url)
df=pd.DataFrame(json.loads(req.text))
ndf=pd.DataFrame(df.loc['records'].responseData)

for j in range(2,5):
    url='http://www.meddata.com.cn/api/journal/list?token=f7c285bdb2bbbce11caff5c422c4dbba&searchWorld=&searchValue=&sortWorld=106&sortType=-1&current='+str(j)+'&size=10000'
    req=requests.get(url)
    df=pd.DataFrame(json.loads(req.text))
    ndf=ndf.append(df.loc['records'].responseData,ignore_index=True)

ndf.to_excel('SCI.xlsx')

从pubmed下载的数据，都具备 nlm-id，可以作为唯一ID进行匹配。ISBN会有多个。

pubmed的速度非常慢。

3. 数据处理

3.1 建立nlm-id 和 SCI指数对应哈希

3.2 处理nbib文件
数据包含混肴信息，需要进行清理，确定第一作者单位是本院。
但是排在第一的可能是通讯作者，和论文中的第一单位并不一定一致。
https://www.ncbi.nlm.nih.gov/pubmed/31426842
Abstract格式有单位排名第一信息可以获取进行分析

最简单的方法还是直接在pubmed页码上进行人工查对。

use Encode;
use HTML::Entities;
use WWW::Mechanize;
use HTTP::Cookies;
my $cookie_jar = HTTP::Cookies->new;
my $mech=WWW::Mechanize->new(
cookie_jar =>$cookie_jar 
 );
 
$mech->agent('User-Agent=Mozilla/5.0 (Windows NT 6.1; rv:64.0) Gecko/20100101 Firefox/64.0');


open (FILE,"citations.nbib");#utf8编码
binmode(FILE, ":utf8");


open (FILEnew,">citationscheck.nbib");#utf8编码
binmode(FILEnew, ":utf8");




@line=<FILE>;

$content=join('',@line);


@pmid=split(/\n\n/,$content);

foreach $pmid (@pmid)
{

while($pmid=~m#([A-Z]{2,4})\s*-\s*(.+)#ig)
{

#print "$1 $2\n";
my $a=$1;
my $b=$2;

if($a eq 'PMID')

{

$url="https://www.ncbi.nlm.nih.gov/pubmed/".$b;
$mech->get($url);

my $content=$mech->content;


if ($content =~m#<dt>1</dt><dd>([^<]*)wenzhou people's hospital([^<]*)#i or ($b =~m#<dt>1</dt><dd>([^<]*)Third Clinical Institute([^<]*)#i and $b =~m#<dt>1</dt><dd>([^<]*)Wenzhou Medical University([^<]*)#i ))


{
print $b;
print "find hospital\n";

print FILEnew "$pmid\n\n";


}
last;
}



}



}

#print $pmid[1];

3.3 jabref 导入数据，保存为BIB文件。

"C:\Program Files\JabRef\jabref.exe" -o "e:\sci\citationnew.bib" -n true -i "e:\sci\citationsnew.nbib"

数据导入不充分，但是包括了nlm-id信息。

3.4 添加SCI-Index 信息

%sci_index=()
open (FILE,"hospital2.bib");#utf8编码
binmode(FILE, ":utf8");

open (FILEnew,">hospital2new.bib");#utf8编码
binmode(FILEnew, ":utf8");


while(<FILE>)
{
my $line=$_;
#  nlm-id               = {101589542},

if($line=~m#nlm(?:\S+?)id\s*=\s*\{([^}]+)\}#)

{

#print("now $1\n");
#print($sci_index{$1});

print("  nlm-id               = {$1},\n  sci-index               = {$sci_index{$1}},\n");
$line="  nlm-id               = {$1},\n  sci-index               = {$sci_index{$1}},\n";

}

print FILEnew $line;


}
close FILE;
close FILEnew;

4.4 信息导出

jabref可以自定义导出格式，生成各种形式。

"C:\Program Files\JabRef\jabref.exe" -o "e:\sci\sci2.html",tablesci -n true "E:\sci\sci2019.bib"

image.png

5.在线工具

http://www.mypubmedid.com/WebPortal/Manage/SearchSenior

总结

医院SCI论文统计可以通过pubmed进行检索，由于单位检索包括了所有作者单位，还需要人工进行审核。
由于单位命名的不准确性，编程自动校验容易遗漏。
pubmed选择Fromat Abstract，在页面进行浏览非常方便，快速确定第一单位本院论文。
Latin American Journal of Pharmacy这个杂志非常奇怪，pubmed没有收录，可能要SCI检索。