急诊医学作为一门新兴的临床医学学科,在过去30余年里,伴随医学科学技术的进步和社会需要,急诊医学得到了快速的发展[1-2]。我国急诊医学期刊在促进和推动急诊医学理论与实践研究方面提供了丰富的文献资料,也为推动我国急诊医学研究的发展起到了积极贡献。在大数据时代下,充分挖掘这些现有的文献信息,探索急诊医学领域研究演化的关键路径及研究的前沿热点,为未来研究方向提供指导,将有助于推动急诊医学的发展。本研究基于文献计量学及科学知识图谱方法,运用CiteSpace软件[3]对2015~2019年的急诊医学期刊发表的相关研究进行多层次可视化的分析,以考察近5年来国内急诊医学研究状况及热点问题,并对其进行深入分析和探讨,以期为促进我过急诊医学发展提供一些参考[4]。
1 资料与方法 1.1 数据来源从《2019年版中国科技期刊引证报道(核心版)自然科学卷》[5]收录的临床医学综合类核心期刊中筛选出7本急诊医学领域的核心期刊:《中华急诊医学杂志》、《中华危重病急救医学》、《临床急诊杂志》、《中华危重症医学杂志(电子版)》、《创伤与急危重病医学》、《中国急救医学》、《中国中西医结合急救杂志》,在知网和万方的数据库检索这7本急诊医学核心期刊发表的论文,选择时间范围为2015年1月1日至2019年12月31日,最终共检索出8 425篇论文。剔除会议纪要、征订启示、征文通知、科研新闻速递、稿约、声明等,最终纳入7 753篇有效文献,每篇有效文献内容包括论文的标题、作者、机构、发表年份、关键词及摘要等信息。
1.2 数据清洗将知网和万方的数据库导出数据保存为refworks格式,由于两个数据库格式标准不同,利用Python的Pandas工具将格式做了统一化处理;由于机构的不同中文写法变异体很多,采取人工逐一检查校对的方法,对不同写法做了归一化处理,以保证数据的准确性;CiteSpace不能直接分析refworks格式数据,在数据分析前,使用Citespace的数据处理工具(Data Processing Utilities)将refworks格式转化成其能识别的WoS格式。
1.3 研究方法本研究的分析工具为CiteSpace.5.7.R5W[6],该软件是美国德雷赛尔大学陈超美博士基于共引分析理论和网络算法,应用Java开发的一款主要用于学术文献分析的可视化工具[7]。本研究利用CiteSpace软件对纳入的7 753篇急诊医学领域相关文献分别进行作者、机构和关键词分析。CiteSpace的配置如下:将时间跨度(Time Slicing)设置为2015~2019年,时间切片(Years Per Slice)为1,即每个切片为1年。词语来源(Term Souce)设置为标题(Title)、摘要(Abstract)、关键词(Author Keywords)[8]。节点类型(Node Types)分别选择作者(Author)、机构(Institution)和关键词(Keyword)进行分析。选取策略(Selection Criteria)为Top50,从每个时间切片中选择引用次数或出现次数(most cited or occurred items)最多的50个,剪枝方式选择寻径(Pathfinder),可视化方式选择静态视图(ClusterView-Static)[8]。
本研究主要利用该软件的作者、机构及关键词共现分析和强大的可视化功能,以探求了解急诊医学领域的研究热点及研究趋势。
2 结果 2.1 发文作者分析选择节点类型(Node Types)为作者(Author),按照上述分析方法,得出急诊研究领域的核心作者的图谱, 见附录图 1。有218个节点,301条线,作者发文量越多,节点就越大[9],图 1显现节点较大的有于学忠、朱华栋、张劲松、张茂等;作者之间合作次数越多,连线就越粗[9],图 1显现连线较粗的有张玉彪、柳云恩、侯明晓等。如果一篇论文由两位或两位以上的作者共同完成,则这些作者间构成共现关系[9]。
选择节点类型(Node Types)为作者(Author)和关键词(Keyword)节点,采用对数似偶然比(LLR)方法[10]对聚类进行标记。见附录图 2,有113个节点,267条连线,模块化Q值为0.5585, (>0.3)表示聚类是有效的[11]。图 2中每个色块代表一个聚类,色块内的节点属于该聚类,聚类标签反映该作者群的主要研究方向。
2.2 发文机构分析对2015年至2019年急诊医学研究机构进行可视化分析,可以反映出研究机构对急诊医学研究的关注和贡献。见附录图 3,有178个节点,90条线,北京协和医院急诊科、首都医科大学附属北京朝阳医院急诊科、解放军总医院急诊科、东部战区总医院急救医学科、西京医院急诊科、沈阳军区总医院急诊医学部、浙江大学医学院附属第二医院急诊科、武汉大学人民医院急诊科等的共现图谱不仅节点较大,而且且处于图谱中心位置,说明这些机构在急诊医学领域科研实力较强,占据主导作用,是急诊医学研究领域最具影响力的机构。机构共现图谱连线较少说明国内急诊医学研究机构间合作较少,目前主要以北京协和医院急诊科为中介点,同首都医科大学附属北京朝阳医院急诊科、天津医科大学总医院急诊医学科、中日友好医院急诊科、北京医院急诊科等机构开展合作研究,主要集中于京津地区,跨区域合作较少。
2.3 关键词共现分析 2.3.1 关键词共现对7 753篇论文进行关键词共现分析可知,关键词脓毒症、预后、心肺复苏、机械通气、危险因素、急性呼吸窘迫综合征、病死率、诊断、急性肾损伤、急性、患者、炎症反应、降钙素原、感染性休克、急性肺损伤、百草枯、治疗、心脏骤停、中毒、Meta分析出现频次较高。在此基础上,对共现词频排名TOP20的重要关键词进行排序,详见表 1。中介中心性(Betweeness Centrality)其取值范围为0~1,是衡量一个节点在网络中重要性的指标[12]。中介中心性较大的关键词是该学科领域中重要的知识基础[12]。
序号 | 频次 | 中心性 | 关键词 |
1 | 718 | 0.27 | 脓毒症 |
2 | 495 | 0.1 | 预后 |
3 | 209 | 0.17 | 心肺复苏 |
4 | 190 | 0.16 | 机械通气 |
5 | 187 | 0.09 | 危险因素 |
6 | 156 | 0.08 | 急性呼吸窘迫综合征 |
7 | 139 | 0.2 | 急性 |
8 | 134 | 0.15 | 病死率 |
9 | 133 | 0.07 | 诊断 |
10 | 126 | 0.05 | 急性肾损伤 |
11 | 123 | 0.02 | 炎症反应 |
12 | 115 | 0.04 | 降钙素原 |
13 | 111 | 0.11 | 患者 |
14 | 109 | 0.07 | 感染性休克 |
15 | 109 | 0.11 | 急性肺损伤 |
16 | 105 | 0.16 | 百草枯 |
17 | 101 | 0.05 | 治疗 |
18 | 94 | 0.05 | 中毒 |
19 | 93 | 0.24 | Meta分析 |
20 | 91 | 0.05 | 急诊 |
高频关键词出现的频次在一定程度上反映学科领域的研究热点问题。结合高频关键词图谱和词表,急诊研究的热点包括研究对象、研究途径和研究疾病3个方面。
利用CiteSpace生成关键词共现图,见附录图 4,有96个节点,225条线,图中节点大小代表关键词出现的频次,紫色外环的节点是中心性(Centrality)较高(中心性≥0.1)的节点。圆圈包围的紫色环代表中介中心性较大的关键词,是联系沟通其他节点的枢纽,环的厚度和中心度的值成比例[13]。
利用“Generate a Narrative”功能分析[8],可以发现急诊医学期刊近5年研究的重点主题及领域。依据“中介中心性”值排序,TOP10高中心性的关键词分别是脓毒症(0.27)、Meta分析(0.24)、重症(0.21)、急性(0.20)、心肺复苏(0.17)、机械通气(0.16)、百枯草(0.16)、病死率(0.15)、休克(0.15)、血流动力学(0.13)。说明急诊核心期刊研究重点集中于脓毒症、Meta分析、重症等主题。见表 2。
序号 | 中心性 | 关键词 |
1 | 0.27 | 脓毒症 |
2 | 0.24 | Meta分析 |
3 | 0.21 | 重症 |
4 | 0.20 | 急性 |
5 | 0.17 | 心肺复苏 |
6 | 0.16 | 机械通气 |
7 | 0.16 | 百枯草 |
8 | 0.15 | 病死率 |
9 | 0.15 | 休克 |
10 | 0.13 | 血流动力学 |
高频关键词中危险因素、急性呼吸窘迫综合征、诊断、急性肾损伤、炎症反应、降钙素原、感染性休克、治疗和中毒并没有成为中介中心性大的关键节点,说明除了要持续关注以上主题,还要加强纵深研究,促进研究向深度与广度发展。
2.3.2 关键词聚类利用CiteSpace对关键词进行聚类分析,同时采用对数似然比的方法标记聚类,每个色块代表一个聚类,色块内的节点属于该聚类,见附录图 5。聚类序号与聚类大小成反比,模块化Q值为0.5056(>0.3)表示聚类是有效的。共形成有意义的聚类6个,分别是病死率、急性肺损伤、心搏骤停、预后、机械通气、急性心肌梗死、血液灌流。
利用CiteSpace中的“Timeline”对急诊医学研究的动态前沿进行分析,结果显示2015年主要关注Meta分析、病死率、脓毒症、心肺复苏、预后、机械通气、急性心肌梗死等;2016年主要关注流行病学、肺纤维化、炎性因子、脑梗死、重症患者、百枯草中毒等;2017年主要关注炎性因子、细胞因子、小鼠、胰腺炎、抗菌药物、呼吸衰竭等;2018年主要关注液体复苏、专家共识、肠内营养、临床疗效等;2019年主要关注慢性阻塞性肺疾病、心肌损伤、重症肺炎、重症医学等。见附录图 6。
3 讨论本研究运用CiteSpace软件,对2015—2019年的急诊医学期刊相关研究进行多层次可视化的分析,考察了国内急诊医学期刊研究状况及热点问题,研究发现:于学忠、朱华栋、张劲松、张茂、刘欣伟、刘颖、徐军、聂时南等作者是急诊医学领域作者群中的中坚力量,这些核心作者群团队科研水平及质量较高,成果丰硕,影响范围也较广;北京协和医院急诊科、首都医科大学附属北京朝阳医院急诊科、解放军总医院急诊科、东部战区总医院急救医学科、西京医院急诊科、沈阳军区总医院急诊医学部等是发文量最多的机构,说明这些机构在急诊医学领域科研实力较强,占据主导作用;近5年急诊医学领域研究热点主要集中于病死率、急性肺损伤、心搏骤停、预后、机械通气、急性心肌梗死、血液灌流等主题。及时关注急诊医学领域研究演化的关键路径及研究的前沿热点,有助于推动急诊医学领域的发展,提升我国急诊医学研究的水平与影响力。
本研究存在一定局限性。首先,本研究的数据来源仅有知网和万方两个数据库,期刊数量有限,也缺少国外文献的分析,其次,本研究主要依托热点关键词来研究热点演变趋势,对主题词层面的热点有待进一步研究。
利益冲突 所有作者均声明不存在利益冲突
本文附录(图 1-6)可见于中华急诊网(www.cem.org.cn)本文html格式链接。
[1] | 孟庆义. 2020年急诊医学研究进展[J]. 中华急诊医学杂志, 2021, 30(2): 135-144. DOI:10.3760/cma.j.issn.1671-0282.2021.02.022 |
[2] | 陈飙, 姚荣华, 万雅丽, 等. 基于受众层面的急诊医学期刊传播效果调查研究[J]. 出版科学, 2020, 28(1): 73-80. DOI:10.13363/j.publishingjournal.2020.01.012 |
[3] | 荣霞. 我国期刊编辑出版研究热点及趋势研究: 基于CiteSpace可视化分析[J]. 出版广角, 2018(17): 49-51. DOI:10.16491/j.cnki.cn45-1216/g2.2018.17.013 |
[4] | 祝嫦娥, 周丹丹, 王佳泺, 等. 国内家庭医生研究的知识图谱分析: 基于CNKI数据库(2006—2017年)[J]. 南京中医药大学学报(社会科学版), 2019, 20: 121-126. |
[5] | 中国科技信息研究所. 2019年版中国科技期刊引证报道(核心版)自然科学卷[M]. 北京: 科学技术文献出版社, 2019. |
[6] | Chen CM. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. J Am Soc Inf Sci Technol, 2006, 57(3): 359-377. DOI:10.1002/asi.20317 |
[7] | 陈悦, 陈超美, 胡志刚, 等. 引文空间分析原理与应用——CiteSpace实用指南[M]. 北京: 科学出版社, 2017: 18-50. |
[8] | 何小菁. 基于CiteSpace的《医学与哲学》(2006—2015年)可视化研究[J]. 医学与哲学(A), 2017, 38: 85-90. |
[9] | 曹煜隆, 武迎宏. 应用CiteSpace对《中华医院感染学杂志》近3年发表文献的计量学及可视化分析[J]. 中华医院感染学杂志, 2017, 27(18): 4317-4320. DOI:10.11816/cn.ni.2017-172475 |
[10] | 谢小平, 潘桢杰, 王康, 等. 基于CiteSpace对《法医学杂志》1985—2018年刊发论文的文献信息可视化分析[J]. 法医学杂志, 2019, 35(4): 423-427. DOI:10.12116/j.issn.1004-5619.2019.04.008 |
[11] | Chen CM. Science mapping: a systematic review of the literature[J]. J Data Inf Sci, 2017, 2(2): 1-40. DOI:10.1515/jdis-2017-0006 |
[12] | 林骞, 徐浩. 基于CiteSpace软件中医数据挖掘文献的可视化分析研究[J]. 中国中西医结合杂志, 2020, 40(1): 46-51. DOI:10.7661/j.cjim.20191209.240 |
[13] | Chen CM, Ibekwe-Sanjuan F, Hou JH. The structure and dynamics of cocitation clusters: a multiple-perspective cocitation analysis[J]. J Am Soc Inf Sci Technol, 2010, 61(7): 1386-1409. |