Se han propuesto muchos algoritmos y métricas de clasificación para identificar artículos de alto impacto. Tanto los recuentos de citas directas como los algoritmos basados en redes similares a PageRank se utilizan comúnmente. Idealmente, cuanto más completos sean los datos sobre la red de citas, más informativa será la clasificación. Sin embargo, obtener más datos sobre las relaciones de citas a menudo es costoso y desafiante. En algunos casos, obtener los recuentos de citas puede ser relativamente simple. En este artículo, analizamos el uso de los recuentos de citas adicionales pero sin relaciones de citas adicionales para formar métricas más informativas para identificar artículos de alto impacto. Como ejemplo, proponemos mejorar el algoritmo original de PageRank combinando la red de citas local con los recuentos de citas adicionales de una fuente de datos más completa. Aplicamos este método mejorado a los artículos de la American Physical Society (APS) para verificar su efectividad. Los resultados indican que el algoritmo de clasificación propuesto es robusto frente a datos faltantes y puede mejorar la identificación de artículos de alta calidad. Esto demuestra que es posible mejorar la efectividad de una métrica basada en redes calculada en una red de citas relativamente pequeña al incluir solo los datos adicionales de los recuentos de citas, sin las relaciones de citas adicionales.