发布时间：
引用次数这个就不用多介绍了吧。很多数据库和在线查询平台都可以实现引用次数的查看，例如Google和微软学术搜索Microsoft Academic Search，还有利用医学文献助手筛查PubMed文献质量H指数（H Index）H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。H指数的计算基于其研究者的论文数量及其论文被引用的次数。赫希认为：一个人在其所有学术文章中有N篇论文分别被引用了至少N次，他的H指数就是N。可以按照如下方法确定某人的H指数：将其发表的所有SCI论文按被引次数从高到低排序；从前往后查找排序后的列表，直到某篇论文的序号大于该论文被引次数。所得序号减一即为H指数。以上有关H指数的内容来自维基百科查看H指数的最简单的方法就是利用Google Scholar，注意是英文版的，中文版的不要。另外FireFox和Chrome也有相应的插件可以选用。I10指数（I10-Index）I10-index是由Google提出来的，指作者发表文章数被引用10次以上的个数。比如我发表了100篇文章（呵呵，有点大了啥），其中90篇被他人引用了10次以上，那么本人的I10-index就是90。如果说影响因子是针对期刊的话，那么H指数和I10指数就是针对个人的。论文的影响因子高，只能说该论文找了一个好婆家，具体引用情况并不一定。而H指数和I10指数就是确切反应论文引用的一种量化标准。G指数（G-Index）G-Index（G指数）相比于上述几个指标来有点默默无闻。G-Index是由Leo Egghe于2006年提出的， 评价作者论文数量的一个指标。
sci的意思介绍如下：
SCI的全称是Scientific Citation Index ，中文翻译是科学引文指数，是美国科学信息研究所(ISI)编辑出版的引文索引类刊物。创刊于1964年。分印刷版、光盘版和联机版等载体。印刷版、光盘版从全球数万种期刊中选出3300种科技期刊，涉及基础科学的100余个领域。每年报道60余万篇最新文献，涉及引文900万条。进入SCI这一刊物的论文即为SCI论文。
拓展资料：
SCI刊物还分为影响因子高区(大于)、中区(在和之间)和低区(小于)3类。 衡量期刊特性的，除了影响因子外，还有及时指数(Immediacy Index)和被引用半衰期(Cited Half Life)。
及时指数是指一种期刊当年发表的文献在当年被引用的次数与当年的文献总数之比。此指标表示期刊论文所述的研究课题在当前的热门程度。
被引用的半衰期是指一种期刊各年发表的文献，在当年被引用次数逐年累计达到被引用总数的50%所用的年数。 被引用半衰期反映期刊论文研究题目的延续时间，即期刊论文时效性的长短，或知识更新的快慢。
SCI是美国《科学引文索引》的英文简称。
1、SCI是美国《科学引文索引》的英文简称，其全称为：ScienceCitationIndex，创刊于1961年，它是根据现代情报学家加菲尔德(EngeneGarfield)1953年提出的引文思想而创立的。时至今日加菲尔德仍是SCI主编之一。
SCI是由ISI(InstituteforScientificInformationInc)。美国科学情报所出版。现为双月刊ISI除了出版SCl外，还有联机型据（SCISEARCH ISTP(IndextoScientific&TechnicalProceeding)；也由其出版。
2、SCI是一部国际性索引，包括有：自然科学、生物、医学、农业、技术和行为科学等，主要侧重基础科学。所选用的刊物来源于94个类、40多个国家、50多种文字，这些国家主要有美国、英国、荷兰、德国、俄罗斯、法国、日本、加拿大等，也收录一定数量的中国刊物。
3、SCI涵盖很多分类，医学，生物，自然科学，物理，化学，金融，艺术等等，相当于是人类文明的图书馆，具有非常重要的历史意义和科研价值。
医学SCI论文发表的准备工作：
并不是每一篇文章都能发表在SCI期刊，关键看研究领域及学术成果。论文评估主要以同行发表文献为依据。也可借助专业、高端的医学翻译服务商。众所周知，数据分析关系到论文结果的可靠性。在选用统计学方法时，一定要仔细区分。
切勿为了得出显着性差异，而选用国际上不常用的统计学方式。再者，遇到偏差较大的数据时，要采用加大样本量或重复试验的方式加以处理，一定不要擅自修改数据。预期结果可能跟实际结果有所差异，在撰写论文时以实际结果为基础。这些差异可能成为讨论的亮点。论文发表不是以结果符合预期为标准，而是以有助于同行研究为根本。
H指数（Hindex）是一个混合量化指标，可用于评估研究人员的学术产出数量与学术产出水平。H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。H-index，又称为h指数或h因子（h-factor），是一种评价学术成就的新方法。h代表“高引用次数”（highcitations），一名科研人员的h指数是指他至多有h篇论文分别被引用了至少h次。h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高，则表明他的论文影响力越大。例如，某人的h指数是20，这表示他已发表的论文中，每篇被引用了至少20次的论文总共有20篇。生物学家的h指数都偏高，表明h指数就像其他指标一样，不适合用于跨学科的比较。
h-index又称为h指数或h因子（h-factor），是一种评价学术成就的新方法。h代表“高引用次数”（high citations），一名科研人员的h指数是指他至多有h篇论文分别被引用了至少h次。
h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高，则表明他的论文影响力越大。
科学家H因子的计算方法可描述为：将科学家某个时段（也可是全部）的论文，按被引次数从高往低排，然后每篇论文得到一个序号，将每篇论文的序号和被引次数进 行比较，找到序号h，使得这一篇论文的序号h小于或等于它的被引次数，而下一篇论文（序号为h+1）的序号大于它的被引次数。
扩展资料
例如，某人的h指数是20，这表示他已发表的论文中，每篇被引用了至少20次的论文总共有20篇。要确定一个人的h指数非常容易。
到SCI网站，查出某个人发表的所有SCI论文，让其按被引次数从高到低排列，往下核对，直到某篇论文的序号大于该论文被引次数，那个序号减去1就是h指数。中国读者较为熟悉的霍金的h指数比较高，为62。
生物学家当中h指数最高的为沃尔夫医学奖获得者、约翰斯·霍普金斯大学神经生物学家施奈德，高达191，其次为诺贝尔生理学或医学奖获得者、加州理工学院生物学家巴尔的摩，160。生物学家的h指数都偏高，表明h指数就像其他指标一样，不适合用于跨学科的比较。
参考资料来源：百度百科-h-index
h-index ，又称为h指数或h因子（h-factor），是一种评价学术成就的新方法。
h-index的发明者为赫希。 h代表“高引用次数”（high citations），一名科研人员的h指数是指他至多有h篇论文分别被引用了至少h次。h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高，则表明他的论文影响力越大。
例如，某人的h指数是20，这表示他已发表的论文中，每篇被引用了至少20次的论文总共有20篇。
要确定一个人的h指数非常容易，到SCI网站，查出某个人发表的所有SCI论文，让其按被引次数从高到低排列，往下核对，直到某篇论文的序号大于该论文被引次数，那个序号减去1就是h指数。中国读者较为熟悉的霍金的h指数比较高，为62。
生物学家当中h指数最高的为沃尔夫医学奖获得者、约翰斯·霍普金斯大学神经生物学家施奈德，高达191，其次为诺贝尔生理学或医学奖获得者、加州理工学院生物学家巴尔的摩，160。生物学家的h指数都偏高，表明h指数就像其他指标一样，不适合用于跨学科的比较。
Impact Factor
IF值的意思是影响因子。是汤森路透（Thomson Reuters）出品的期刊引证报告（Journal Citation Reports，JCR）中的一项数据。
影响因子目前的计算方法是：IF=C/(M+N)。以2017年IF的计算为例，M为该期刊2015年发表的文章数量，N为该期刊2016年发表的文章数量，C为该期刊2015和2016年两年发表的文章在2017年这一年被引用的总次数。
扩展资料
影响因子现已成为国际上通用的期刊评价指标，不仅是一种测度期刊有用性和显示度的指标，而且也是测度期刊的学术水平，乃至论文质量的重要指标。影响因子是一个相对统计量。
影响因子并非一个最客观的评价期刊影响力的标准。一般来说影响因子高，期刊的影响力就越大。对于一些综合类，或者大项的研究领域来说，因为研究的领域广所以引用率也比较高。比如，生物，和化学类的期刊，这类期刊一般情况下就比较容易有较高的影响力。
参考资料来源：百度百科-影响因子
IF是Impact Factor的简称，指期刊的影响因子。由于国际上有众多良莠不齐的期刊文献，为了有一个公认的评价标准。近年来，在基础研究评估的诸多指标体系中，都引进了文献计量学的方法，其中期刊影响因子就被作为重要指标考虑因子之一。期刊影响因子与期刊的有用性、显示度、论文质量有关，是将这些因素量化的结果。高质量的期刊是由于有一定数量的高质量论文支撑的结果，正是有这些高质量的论文，才可能产生高水平的期刊，亦即期刊影响因子高。
缺失值的处理：缺失值是人群研究中不可避免的问题，其处理方式的差异可能在不同程度上引入偏倚，因此，详细报告数据清理过程中缺失值的处理方法有助于读者对潜在偏倚风险进行评价。例如，瑞舒伐他汀试验在统计分析部分详细说明了缺失值的填补策略，包括：将二分类结局中的缺失值视为未发生事件；将生物标志物和心电图测量中的缺失值进行多重填补（multiple imputation）；为了证明缺失值处理的合理性和填补结果的稳定性，研究还比较了多重填补与完整数据（complete-case）分析的结果。2、数据的预处理：实施统计分析之前往往需要将原始数据进行预处理，如：对连续变量进行函数转换使其更接近正态分布，基于原始数据构建衍生变量，将连续变量拆分为分类变量或将分类变量的不同类别进行合并等。医学论文应报告处理原始数据的方法及依据，瑞舒伐他汀试验即在统计分析部分描述了对血液生物标志物的对数转换。3、变量分布特征描述：确定统计分析使用的变量，并针对每一个变量的分布特征进行描述，是决定研究选用何种统计分析方法的基础。医学期刊虽然普遍对此提出要求，但作者往往套用常用方法，如：连续变量符合正态分布时，采用均数（标准差）描述，否则采用中位数（四分位间距）描述；分类变量采用频数（百分比）描述等。事实上，应根据研究设计类型、统计分析目的和数据特征选择恰当的描述方法。例如，CKB选择采用年龄、性别和地区校正的均值和率来描述人群分布特征，而非简单的报告连续变量的均数和分类变量的构成比。4、主要分析（primary analysis）：指针对研究结局的统计分析，是研究论文的核心证据。因此，医学论文应详细描述主要分析的实施过程和适用性。在试验性研究中，应明确统计分析数据集、试验效应指标、相对或绝对风险及其置信区间的计算方法、以及假设检验的方法。
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
刚开始写文章的时候，总会是有种恐惧感。脑袋里思绪万千，可是真要表达出来，却总觉得一片空白。虽然看了一肚子的学术文章，但是写下来的文字就跟小说或者散文一样，零零碎碎地弄不成一片。那么多的术语也不知道怎么摆放才好。这种焦虑一开始多多少少都会有一些，都需要用时间和练习去弥补。写学术文章其实有点像编程。刚开始学习编程语言的时候，不明白语法规则，就不敢乱写。即使写了，编译器老是报错，找原因的时候又觉得语法规则怎么设计得那么复杂，找了半天都不知道是什么原因。但是当最终掌握了这门编程语言之后，写起代码来就是信手拈来了，该定义的自然而然就定义了，该用函数地方的就用函数了。不复杂的流程都可以边想边写了。复杂的流程，只要把逻辑想清楚了，一切似乎就是顺其自然地完成了。这个时候再回头看语法规则，又会觉得有规则限定就是好，要是代码写成了散文，调试起来会疯掉的。科研写作也是一个技术活，也要经历一个熟能生巧的过程，首先你要熟悉学术写作的基本方式。在能够基本上准确的传达信息的基础上，自然而然地就会开始发展自己的写作风格。不要一开始就去复制导师的写作风格，因为对问题的了解程度肯定是达不到的，强行去模仿别人的风格就会太牵强。同时在写文章的时候，就把文章当做一段代码来思考就行了，不用想的太复杂。不要把堆砌学术术语当作是写作的目标，成功的作家并不是要把事物用很复杂的方式呈现出来，而是准确的传递自己的信息。就跟写出来的代码主要是能正确的运行，写得好看不好看，那是下一步的要求了。比如读者看科技新闻或者文章的时候，也不会是抱着欣赏艺术的方式，而是能够很快的从中提取到自己有用的信息。在写作初期，多收集同事或者同行的反馈意见是最有用的，可以帮助自己发现各种各样的问题，然后才能在后续的写作中知道要提高什么。写作後期, 如过是英文论文,可以请专业的论文润色公司如英论阁 提供语言协助 收起
据学术堂了解，不少人对医学学术论文写作不是很了解，今天就给大家总结了医学学术论文写作的八个步骤，希望能帮助到大家。第一步,确定论文的选题从广义上说,选任何本专业范围内的题目都能够写出东西来,只要你有新观点、新发现、新角度、新研究方法、新材料等等.但是这后面的五新大大限制 了论文的选题.这是由于作者多数是第一次写这么长的学术论文,缺乏经验,也缺乏深厚的知识积累,难以把握;同时,二三万字这个条件也对选题有很大的制约,如果题目过大,无法在这个相对狭小的范围内展开.所以,选题是否得当,对于论文的成功,影响很大。第二步,文献检索其实就是围绕已经确定的论文选题,回顾相关的理论和研究.这一步的工作是较为艰苦的,需要有思想准备.这一步是必要的,如果没有这一步,你的论文内容很可能重复了别人已经做过的工作,等于白做;查找的过程,也是启发思路、产生观点火花的过程,不走这一步,等于掐掉了自己新观点、新视角、新材料的来源.这也是为下一步做观点、角度、材料上的准备.第三步,提出选题的理论假设,或要研究的具体问题选题是指准备写的论文的大体方向和范围,真要动手写作,就会遇到两类具体的问题.第一类属于观点方面的：我的具体观点是什么你可以设想出一个或几个观点,但它们仅仅是一种假设,通过许多证据、材料,通过严密的论证和适当的论证框架结构,证明你的假设是成立的,这才能形成论文的主体.第二类属于实用方面的：我要具体论证什么问题你可以提出许多原因、各种环境条件的影响,它们是不是与所论证的问题相关,相关到什么程度,这需要通过科学的调查和分析.不论哪一种情况,这涉及论文的中心思想或论证主题,一定要明确,并且贯穿论文的始终.第四步,研究方法决定人文社会科学的研究方法,大体可以归为两大范畴,思辨研究和实证研究,后者又可分为定性研究、定量研究两种具体的研究方法.人们为探究社会事实或社会现象,而采用不同的研究取向,不同的研究取向又有不同的研究方法,不同的研究假设、收集资料的方式和对结果的判断标准.但是各种研究方法在现在的论文写作中,已经越来越多地呈现相容和内在的连接.一般地说,根据自己的选题和讨论的具体问题,可以以一种研究方法为主,辅以其他的方法.第五步,设计论文框架结构一般文章的写作也需要有这一步,但对论文来说,更为必要,其要求也更细一些.一般情况下,一篇论文要有绪章、入题的第一章、主体章节,以及结束语.章节的设置在写前要有个大体的布局逻辑,使之结构合理;章和章之间有一种逻辑联系,防止盲目写下去,淹没主题,不知所云.这一步很少有一次完成的,往往会根据收集材料的情况、调查访问中遇到的新情况,经常变动.但是就像建筑师在盖房子前必须有图纸一样,到了写论文这个层次上,大体的文章框架不能仅仅存于脑子中,一般要形成文字,相对细致一些,具体到节更好(但节的层次开始时不要固定化),便于写作时心中有数.到了设计论文框架这一步,因为有了文字化的章节设计,除了请导师指导外,这是在正式动笔写前较广泛地征求其他专家意见的一个好机会.框架还不是厚厚的论文,看时花费的时间不多,又可以大体看出文章的价值或存在的问题.这时修改论文结构比写完后修改要轻松、容易得多,时间也较为宽余,不要错过这个机会.第六步,分析、归类,将分别充实到论文各部分中,再进行解释、论证这实际就是论文写作本身,所以这样描述,意在让作者理解论文写作的过程.各种材料和论据,不是天生就可以证明论点或说明具体问题的,需要通过作者对材料的组织和论证,才能使其变得富有生命力,极其自然、有力地为自己所论的题目服务.在这一步,需要温习一下学过的逻辑学或社会调查统计的知识,用正确的逻辑思维和严谨的数据组织方式,紧紧围绕已经确定的理论假设或具体问题,调动自己所学的各种知识,通过正论(这是主要的)、反论、设论、驳论、喻论等等手法,论证观点或问题,得出结论,完成论文.论证中肯定会出现种种材料使用或缺乏的问题、逻辑推理的问题、论据与论题不相配的问题等等,需要停下来再找材料和访问专家,充实或削减原来论文框架中的内容,必要时对框架结构进行局部调整.这种情形是正常的、经常发生的.在时间的安排上,对此要做出计划.如果时间安排不当,有时论文功亏一篑的原因就在于写作时间安排过紧,来不及调整论文结构,这很不值得.第七步,必要时重新估量选题,修正论证对象范围这是与第六步同时出现的另一种情形,即通过较为广泛地征求意见和本人的思考,感到原来的选题对自己不适当,或难以完成,那么就要及时调整整个论文写作的计划,改变选题.这种情形也是正常的,关键在于不要长时期犹豫不决,必须较快地做出决定,以便有时间重起炉灶.由于前面已经对本专业的学术研究有过较多的思考和文献检索,即使改变选题,重新做起,花费的时间不会很多,对此过多的担心是不必要的.选题不当、难以完成的另一种情况不在于选题本身,而在于选题论证的范围过大.解决这个问题并不难,把论证对象的范围缩小就是了.这里最大的障碍在于作者舍不得割爱,花费了许多功夫准备论文,一旦许多材料用不上,难以割舍.这种情况当然会涉及到重新设计论文框架结构的问题.不过,将较大的论证对象的范围缩小,总比相反的情形要容易得多.第八步,规范化的检查和调整文中的引证标示、注释及编号、文后的参考文献编排,以及不属于论文本身的内容提要(包括英文提要)、关键词等等,都要按照规范化的要求进行检查和调 整.这些虽然属于技术性问题,但也反映出作者的治学态度.特别是引证,凡是使用了别人观点的地方,都必须注明材料来源,不能含糊不清,更不能将别人的研究成果变成自己的.标明的材料来源也要十分清楚,论着名称、作者或编者、出版社或发表的刊物名称、出版或发表时间等等,一应俱全.
h-index是什么意思内容如下：
h指数（h-index）是一种衡量学术成果的指标，可以度量一个学者的论文数量和被引用次数之间的关系。h指数的定义为：一个学者有h篇论文的引用次数不少于h次，但其余的N-h篇论文的引用次数都不超过h次。其中N表示该学者总共发表的论文数量。
简单地说，h指数旨在衡量学者的学术声誉和影响力，同时还考虑了他们的文章数量。与其他简单的指标如总引用次数相比，h指数更加具有代表性和学术实质意义。
例如，一个学者的h指数为10，这意味着他/她有10篇文章被引用了至少10次。这与仅拥有一篇高度引用的论文或者数篇引用次数非常低的论文的情况相比，更能证明学者在该领域中的真正影响力和贡献。
h指数广泛应用于科学、技术、医学和社会科学等领域中的学术评估中，是评定学术成果优劣的一种重要方法之一。
有关h指数的补充信息：
指数是一种相对指标：由于h指数必须要考虑到学者的全部文章数量，并且还受到领域和年代等因素的影响，因此一个较高的h指数在某些领域可能仍然不足以证明学者的真正影响力和成就。
指数遵循传统规则：根据h指数的定义，它要求学者的论文数量和引用次数达到一定的平衡状态。因此，在评估中，h指数是在排除极端值的基础上计算得出的。
指数可以跟踪变化：随着时间的推移，学者的h指数会随着新论文的发表和旧论文引用次数的增长而变化。因此，在评估工作中应该考虑到学者的时效性和影响力的动态变化。
指数不同领域和不同作者之间不能简单比较：在不同的学术领域，不同的作者，以及同一作者在不同阶段所作出的贡献都会有所不同，因此，直接将不同学科、不同学者的h指数进行比较并不科学合理。
总之，h指数是一种有用的学术评估指标，但需要在实际应用中进行综合分析和取舍。在评估学者学术贡献时，应该同时考虑到h指数以及其他指标和因素，以便全面、公正地评价他们的成就和影响力。
h指数可用于评估研究人员的学术产出数量与学术产出水平。如果作者的Np篇论文中的h篇至少被h引文，而另一篇（Np-h）篇论文被h引文，则科学家的索引为h，每个最多被引用一次。
g指数是h指数的衍生指数。首先需要绘制与图h指数相同的图表。将超过h分数限制的项目的引用总数加起来，然后找到该引用集的子集的平均值。如果作者在她列出的h个部分中有一些引用率很高的文章，那么他们就会使该人的g得分远高于其h得分。
如果h得分为5表示作者至少有5篇论文，且每篇论文至少被五次引文引用；如果h分数为10意味着他有10篇论文，且每篇论文至少被引用10次。
g指数的注意事项：
论文按被引次数排序后相对排前的累积被引至少g2次的最大论文序次g，亦即第(g+1)序次论文对应的累积引文数将小于(g+1)2。
2006年, Egghe提出了g指数， g指数定义为:论文按被引次数排序后相对排前的累积被引至少g2次的最大论文序次g，亦即第(g+1)序次论文对应的累积引文数将小于(g+1)2。从定义可以看出，g≥h，而按被引量排序靠前的文章的被引次数越大，g指数越大。
CiteScore
影响因子是评价学术期刊的一项重要指标，曾被认为是学术界的金标准。但近年来由于在学术评价体系中被滥用受到各方人士的强烈抵制。2016年7月5日，几大顶尖级学术出版机构包括多家著名期刊也联合在预印本网站BioRxiv上发表文章呼吁期刊降低对影响因子计算的痴迷和依赖程度，并强调用引用分布曲线（Citation Distribution）来取代影响因子的简单算术平均。其他一些权威机构也纷纷提出多元化的文献计量评价指标，以期打破影响因子一家独大的局面。2016年12月8日，出版业巨头Elsevier重磅推出了他们基于Scopus数据库的全新期刊评价体系：CiteScore。Scopus数据库涵盖了世界上最广泛的科技和医学文献的文摘、参考文献及索引，因此被各界人士认为是影响因子最有力的竞争对手。与影响因子相比，Cite Score具有以下优势。
一，期刊涵盖数量众多，中文期刊显著增加。
CiteScore涵盖的期刊数量达到22256本，比影响因子的11000种期刊多了一倍。尤为重要的是，相比SCI数据库中的几十种中文期刊，Scopus收录了几百种重要的中文期刊。有学者表示，这对中文期刊会是一件好事。以往很多优秀的中文期刊由于不在SCI检索范围内，在高校职称评定时不被认可，因此稿源越来越少。如果将来国内认可CiteScore，那么对于被收录在Scopus数据库中的这些优秀的中文期刊又是一次极好的机会。
二，指标计算公式有所不同。
与影响因子的计算某期刊连续2年论文在第3年度的篇均引用次数类似，CiteScore计算的是期刊连续3年论文在第4年度的篇均引用次数。但两者有一个重要的区别，影响因子计算时的可引用内容只有论文和综述，剔除了编辑评述、读者来信、更正信息和新闻等计入分母，但其引用数仍被计入分子。而CiteScore将所有文献内容都视作可能被引用的内容，包括编辑评述、读者来信、更正信息和新闻等。这些内容的引用很少，因此会拉低期刊的得分。
三、影响因子没有学科领域的区分，而CiteScore有不同领域的相对排名。
大家都知道，把不同领域的文章混在一起谈影响因子，是没什么意义的。比如数学和工程的跟化学和生物领域的科研人员就没法说到一块去。一个是顶了天都不到2的影响因子，另一个是到10都很正常。CiteScore也是只有比较同一领域的期刊才有意义，对选择发表论文才具有专业引导作用。所以在查询网站中还有Highest CiteScore Percentile在CiteScore后面，这就能够看出期刊在不同领域的相对排名。
四、CiteScore是免费的。
与影响因子只对购买者开放不同，CiteScore对任何在线用户免费开放。任何人都可以通过官方网站来查看期刊CiteScore，也可以分析期刊的引用情况。
CiteScore一经推出，学术界人士普遍表示支持。多数人认为，影响因子是应该有个对手了，只要有进步，有比较都是好的，我们不要一家之言！本人也认为，影响因子已经在评价指标第一把交椅上坐得太久了，以致现在负面影响隐隐有超过积极影响的架势，也是时候有另一个因子取而代之了。但是影响因子毕竟在学术界还是影响深远，全盘否定而推出一个完全不同的指标有可能是操之过急。CiteScore在计算方法上与影响因子大同小异，虽然只是治标，但可能更加符合现在的需求。无论如何，有创新总是好的，多元化的计量评价指标才能让评价体系越来越趋于完善。