Research Synthesis Methods

Research Synthesis Methods

研究综合方法

  • 2区 中科院分区
  • Q1 JCR分区

期刊简介

《Research Synthesis Methods》是由Wiley-Blackwell出版社于2010年创办的英文国际期刊(ISSN: 1759-2879,E-ISSN: 1759-2887),该期刊长期致力于数学与计算生物学领域的创新研究,主要研究方向为MATHEMATICAL & COMPUTATIONAL BIOLOGYMULTID-MULTIDISCIPLINARY SCIENCES。作为SCI、SCIE收录期刊(JCR分区 Q1,中科院 2区),本刊采用OA未开放获取模式(OA占比0.5017...%),以发表数学与计算生物学领域等方向的原创性研究为核心(研究类文章占比81.82%%)。凭借严格的同行评审与高效编辑流程,期刊年载文量精选控制在88篇,确保学术质量与前沿性。成果覆盖Web of ScienceWeb of Science、Scopus等国际权威数据库,为学者提供推动生物领域高水平交流平台。

投稿咨询

投稿提示

Research Synthesis Methods该刊近年未被列入国际预警名单,年发文量约88篇,录用竞争适中,主题需确保紧密契合生物前沿。投稿策略提示:避开学术会议旺季投稿以缩短周期,语言建议专业润色提升可读性。

  • 生物 大类学科
  • English 出版语言
  • 是否预警
  • SCI、SCIE 期刊收录
  • 88 发文量

中科院分区

《新锐期刊分区表》(2026年3月发布)

Top期刊 综述期刊 大类学科 小类学科
生物学
2区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
1区

期刊分区表(2025年3月升级版)

Top期刊 综述期刊 大类学科 小类学科
生物学
2区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
1区

期刊分区表(2023年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
生物学
2区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 MULTIDISCIPLINARY SCIENCES 综合性期刊
1区 2区

期刊分区表(2022年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
生物学
2区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
1区

期刊分区表(2021年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
综合性期刊
2区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 MULTIDISCIPLINARY SCIENCES 综合性期刊
1区 2区

JCR分区

2025-2026年最新版

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 3 / 67

96.3

学科:MULTIDISCIPLINARY SCIENCES SCIE Q1 15 / 140

89.6

学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 2 / 67

97.76

学科:MULTIDISCIPLINARY SCIENCES SCIE Q1 18 / 140

87.5

2023-2024年最新版

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 6 / 65

91.5

学科:MULTIDISCIPLINARY SCIENCES SCIE Q1 18 / 134

86.9

学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 2 / 65

97.69

学科:MULTIDISCIPLINARY SCIENCES SCIE Q1 16 / 135

88.52

CiteScore(2026年6月最新版)

CiteScore SJR SNIP CiteScore 排名
CiteScore:12.1 SJR:3.143 SNIP:2.967
学科类别 分区 排名 百分位
大类:Social Sciences 小类:Education Q1 45 / 1698

97%

期刊发文

  • Minimum distance estimation of mean and standard deviation from reported quantile

    Author: Tang, Xiaoyu; Tong, Tiejun; Zhang, Xin; Chu, Haitao

    Journal: RESEARCH SYNTHESIS METHODS. 2026; Vol. , Issue , pp. -. DOI: 10.1017/rsm.2026.10090

  • Machine learning for identifying randomised controlled trials when conducting systematic reviews: Development and evaluation of its impact on practic

    Author: Qin, Xuan; Yao, Minghong; Luo, Xiaochao; Liu, Jiali; Ma, Yu; Liu, Yanmei; Li, Hao; Deng, Ke; Zou, Kang; Li, Ling; Sun, Xin

    Journal: RESEARCH SYNTHESIS METHODS. 2025; Vol. 16, Issue 2, pp. 350-363. DOI: 10.1017/rsm.2025.3

  • Sensitivity analysis for reporting bias on the time-dependent summary receiver operating characteristics curve in meta-analysis of prognosis studies with time-to-event outcome

    Author: Zhou, Yi; Huang, Ao; Hattori, Satoshi

    Journal: RESEARCH SYNTHESIS METHODS. 2025; Vol. , Issue , pp. -. DOI: 10.1017/rsm.2025.14

  • A novel robust meta-analysis model using the t distribution for outlier accommodation and detectio

    Author: Wang, Yue; Zhao, Jianhua; Jiang, Fen; Shi, Lei; Pan, Jianxin

    Journal: RESEARCH SYNTHESIS METHODS. 2025; Vol. , Issue , pp. -. DOI: 10.1017/rsm.2025.8

  • Key concepts and reporting recommendations for mapping reviews: A scoping review of 68 guidance and methodological studie

    Author: Li, Yanfei; Ghogomu, Elizabeth; Hui, Xu; Fenfen, E.; Campbell, Fiona; Khalil, Hanan; Li, Xiuxia; Gaarder, Marie; Nduku, Promise M.; White, Howard; Hou, Liangying; Chen, Nan; Xu, Shenggang; Ma, Ning; Hu, Xiaoye; Liu, Xian; Welch, Vivian; Yang, Kehu

    Journal: RESEARCH SYNTHESIS METHODS. 2025; Vol. 16, Issue 1, pp. 157-174. DOI: 10.1017/rsm.2024.9