張 雪 陳秀娟 張志強(qiáng)*

(1.中國(guó)科學(xué)院成都文獻(xiàn)情報(bào)中心，四川 成都 610041；2.中國(guó)科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院圖書情報(bào)與檔案管理系，北京 100190)

醫(yī)學(xué)信息學(xué)是一門交叉學(xué)科，是伴隨著計(jì)算機(jī)技術(shù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用而產(chǎn)生和發(fā)展起來(lái)的。20世紀(jì)70年代初期，在國(guó)際信息處理協(xié)會(huì)(International Federation for Information Processing，IFIP)上第一次出現(xiàn)“醫(yī)學(xué)信息學(xué)”一詞，20世紀(jì)70年代末，第三次國(guó)際醫(yī)學(xué)信息學(xué)大會(huì)(Medical and Health Informatics,MedInfo)上首次規(guī)范了醫(yī)學(xué)信息學(xué)學(xué)科名稱[1]，1978年成立了國(guó)際醫(yī)學(xué)信息學(xué)學(xué)會(huì)(International Medical Informatics Association，IMIA)，是國(guó)際醫(yī)學(xué)信息學(xué)領(lǐng)域公認(rèn)的領(lǐng)導(dǎo)[2]。多年來(lái)國(guó)內(nèi)外不同學(xué)者從不同角度對(duì)醫(yī)學(xué)信息學(xué)的定義進(jìn)行了概括，如美國(guó)學(xué)者Allan于1977年提出：醫(yī)學(xué)信息學(xué)的研究范圍包括“處理與醫(yī)療衛(wèi)生服務(wù)過(guò)程中的信息及其獲取、分析和傳播有關(guān)的問(wèn)題”[3]；德國(guó)學(xué)者Reichertz等在1983年提出醫(yī)學(xué)信息學(xué)的應(yīng)用領(lǐng)域是以“信息的獲取、檢索、評(píng)價(jià)、儲(chǔ)存以及流程控制和人機(jī)對(duì)話”為特色的[4]；Wyatt等在2002年提出：“醫(yī)學(xué)信息學(xué)是通過(guò)對(duì)信息規(guī)律的研究來(lái)改善對(duì)患者數(shù)據(jù)、醫(yī)學(xué)知識(shí)、人口數(shù)據(jù)以及其他與患者護(hù)理相關(guān)信息和社區(qū)衛(wèi)生的管理”[5]?？偟膩?lái)說(shuō)，醫(yī)學(xué)信息學(xué)就是將信息學(xué)的理論、方法、技術(shù)應(yīng)用在醫(yī)學(xué)領(lǐng)域，促進(jìn)醫(yī)學(xué)信息的有序化，醫(yī)療工作的高效化。近年來(lái)精準(zhǔn)醫(yī)學(xué)、智慧醫(yī)療以及健康管理等領(lǐng)域迅速發(fā)展，為醫(yī)學(xué)信息學(xué)帶來(lái)了很大挑戰(zhàn)，與大數(shù)據(jù)的無(wú)縫融合、智能分析挖掘、安全與隱私保護(hù)等問(wèn)題成為醫(yī)學(xué)信息學(xué)研究的新的前沿方向[6]。

作為一門交叉學(xué)科，醫(yī)學(xué)信息學(xué)發(fā)展迅速，為深入開(kāi)展醫(yī)學(xué)信息學(xué)的研究，與國(guó)際科研熱點(diǎn)接軌，需要了解和掌握國(guó)際上開(kāi)展本學(xué)科研究先進(jìn)國(guó)家的科研方向和內(nèi)容，對(duì)學(xué)科發(fā)展軌跡和趨勢(shì)進(jìn)行梳理[7]。目前，我國(guó)也有多位學(xué)者對(duì)國(guó)內(nèi)外醫(yī)學(xué)信息學(xué)的發(fā)展進(jìn)行了研究，常見(jiàn)的是以某個(gè)數(shù)據(jù)庫(kù)一定年限內(nèi)的文獻(xiàn)為數(shù)據(jù)源。如呂艷華等[8]以中國(guó)知網(wǎng)和萬(wàn)方數(shù)據(jù)庫(kù)為數(shù)據(jù)源，分析1984-2011年中國(guó)醫(yī)學(xué)信息學(xué)主要研究領(lǐng)域和熱點(diǎn)分布，得出我國(guó)醫(yī)學(xué)信息學(xué)學(xué)科發(fā)展迅速，但理論研究薄弱，研究熱點(diǎn)不明顯，研究體系不完善，合著范圍狹窄等問(wèn)題；袁曉園等[9]以WOS為數(shù)據(jù)源，檢索1970-2012年我國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域國(guó)際發(fā)文，總結(jié)出我國(guó)醫(yī)學(xué)信息學(xué)研究集中于核醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)存儲(chǔ)研究，計(jì)算機(jī)自然語(yǔ)言處理和文本挖掘在中國(guó)傳統(tǒng)醫(yī)學(xué)診斷中的運(yùn)用等六大研究主題；王燕鵬[10]以WOS核心合集為數(shù)據(jù)源，檢索2005-2014年中國(guó)及美國(guó)醫(yī)學(xué)信息學(xué)學(xué)術(shù)文獻(xiàn)，對(duì)比發(fā)現(xiàn)計(jì)算機(jī)技術(shù)在兩國(guó)醫(yī)院管理和臨床診療中的應(yīng)用均十分廣泛，但美國(guó)在醫(yī)學(xué)信息學(xué)教育體系等方面的建設(shè)水平更高。還有部分學(xué)者以特定高影響力期刊為數(shù)據(jù)源，如崔雷等[7]對(duì)1900-2006年國(guó)際上重要的4種醫(yī)學(xué)信息學(xué)期刊的高被引論文進(jìn)行同被引聚類分析，得出國(guó)外醫(yī)學(xué)信息學(xué)科學(xué)研究的重點(diǎn)為醫(yī)學(xué)信息學(xué)/計(jì)算機(jī)在臨床實(shí)踐中應(yīng)用效果的評(píng)價(jià)分析、計(jì)算機(jī)系統(tǒng)內(nèi)知識(shí)表達(dá)和運(yùn)算、自然語(yǔ)言處理、電子病案、分類與編碼表、概念表達(dá)的基礎(chǔ)與應(yīng)用研究；許丹等[11]對(duì)數(shù)據(jù)庫(kù)收錄的年份起至2010年SCI收錄的醫(yī)學(xué)信息學(xué)7種核心期刊論文進(jìn)行可視化引文分析，總結(jié)出醫(yī)學(xué)信息學(xué)領(lǐng)域的研究熱點(diǎn)內(nèi)容可以分為醫(yī)學(xué)術(shù)語(yǔ)標(biāo)準(zhǔn)化的內(nèi)容、計(jì)算機(jī)化醫(yī)囑錄入系統(tǒng)在醫(yī)學(xué)實(shí)踐中的應(yīng)用、醫(yī)療決策支持系統(tǒng)、醫(yī)學(xué)信息學(xué)計(jì)算機(jī)化應(yīng)用；秦方等[12]對(duì)2010版JCR中Medical Informatics目錄下22種期刊2007-2011年論文為研究對(duì)象，認(rèn)為信息技術(shù)應(yīng)用與衛(wèi)生信息分析方法是醫(yī)學(xué)信息學(xué)的兩大研究維度，今后的發(fā)展趨勢(shì)可能是以服務(wù)衛(wèi)生保健為目標(biāo)，開(kāi)發(fā)新的功能。

縱觀以上文獻(xiàn)，它們雖反映了醫(yī)學(xué)信息學(xué)學(xué)科發(fā)展軌跡和規(guī)律，但存在研究時(shí)間相對(duì)較早、側(cè)重于引文、側(cè)重于國(guó)別對(duì)比分析、研究范圍集中于熱點(diǎn)分析等不足。本文以2016版《期刊引證報(bào)告》(Journal Citation Reports，JCR)收錄的10種醫(yī)學(xué)信息學(xué)高影響力外文期刊近十年的論文為研究對(duì)象，結(jié)合文獻(xiàn)計(jì)量學(xué)方法，對(duì)醫(yī)學(xué)信息學(xué)發(fā)文量、國(guó)家、機(jī)構(gòu)分布、作者合著以及研究熱點(diǎn)及趨勢(shì)進(jìn)行分析總結(jié)。與之前研究相比，本文以高影響力期刊近十年文獻(xiàn)為數(shù)據(jù)源，既保證了文獻(xiàn)的新穎性，又保證了文獻(xiàn)的質(zhì)量，同時(shí)研究范圍較廣，在熱點(diǎn)分析的基礎(chǔ)上，分析了文獻(xiàn)量、國(guó)家、機(jī)構(gòu)、核心作者等指標(biāo)，以期追蹤該學(xué)科發(fā)展的核心國(guó)家、機(jī)構(gòu)、核心作者以及前沿、熱點(diǎn)問(wèn)題，為科研人員查找閱讀前沿文獻(xiàn)提供方向，課題選擇提供相關(guān)文獻(xiàn)信息，促進(jìn)我國(guó)醫(yī)學(xué)信息學(xué)科研工作的發(fā)展和進(jìn)步。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

JCR由美國(guó)科學(xué)信息研究所(Institute for Scientific Information，ISI)編輯出版，它是在多年積累的SCI數(shù)據(jù)庫(kù)的基礎(chǔ)上，專門對(duì)期刊的引證與被引證關(guān)系進(jìn)行系統(tǒng)歸類、整理、分析，并通過(guò)計(jì)算機(jī)自動(dòng)處理編輯而成，是國(guó)際上公認(rèn)的權(quán)威期刊評(píng)價(jià)工具[13]。在JCR 2016年版中限定學(xué)科為Medical Informatics，共檢索到24種醫(yī)學(xué)信息學(xué)相關(guān)期刊，其影響因子的平均值為2.29，通過(guò)閱讀期刊簡(jiǎn)介和相關(guān)文獻(xiàn)，剔除相關(guān)度較低的期刊(如偏向于統(tǒng)計(jì)學(xué)、數(shù)學(xué)、藥物等學(xué)科的期刊)及影響因子低于平均值的期刊共14種，保留10種核心期刊(見(jiàn)表1)作為本研究的文獻(xiàn)數(shù)據(jù)集來(lái)源。在Web of Science核心合集中，以以上10種期刊刊名為檢索詞，10個(gè)檢索字段之間的關(guān)系為“OR”，時(shí)間限定為2008-2017年，文獻(xiàn)類型為Article、Proceedings Papers、Review 3種，共檢索得到11 823篇文獻(xiàn)，下文將以這些期刊文獻(xiàn)為研究樣本，利用文獻(xiàn)計(jì)量的方法進(jìn)行分析以展示國(guó)際醫(yī)學(xué)信息學(xué)的發(fā)展趨勢(shì)與研究熱點(diǎn)。

表1 醫(yī)學(xué)信息學(xué)10種高影響力期刊

1.2 研究方法

1.2.1 文獻(xiàn)計(jì)量分析法

文獻(xiàn)計(jì)量學(xué)是將數(shù)學(xué)、統(tǒng)計(jì)學(xué)等確定性計(jì)量方法運(yùn)用于圖書及其他交流介質(zhì)，對(duì)這些文獻(xiàn)的計(jì)量特征進(jìn)行統(tǒng)計(jì)分析，進(jìn)而揭示和研究文獻(xiàn)情報(bào)分布規(guī)律，文獻(xiàn)情報(bào)科學(xué)管理以及學(xué)科發(fā)展趨勢(shì)的一門學(xué)科。本文采用BICOMB，TDA(Thomson Data Analyzer)對(duì)文獻(xiàn)量、國(guó)家、機(jī)構(gòu)、作者、關(guān)鍵詞進(jìn)行數(shù)據(jù)清洗、詞頻統(tǒng)計(jì)分析，并生成高頻作者、機(jī)構(gòu)、關(guān)鍵詞共現(xiàn)矩陣，采用洛特卡定律、普萊斯定律確定高產(chǎn)作者。

1.2.2 社會(huì)網(wǎng)絡(luò)分析法

社會(huì)網(wǎng)絡(luò)是社會(huì)行動(dòng)者及其關(guān)系的集合，社會(huì)網(wǎng)絡(luò)分析方法(Social Network Analysis，SNA)是對(duì)社會(huì)網(wǎng)絡(luò)的關(guān)系結(jié)構(gòu)及其屬性加以分析的一套規(guī)范和方法[14]。本文在高頻機(jī)構(gòu)、核心作者共詞矩陣的基礎(chǔ)上，運(yùn)用UCINET進(jìn)行點(diǎn)度中心度、接近中心度、中介中心性及凝聚子群統(tǒng)計(jì)分析，并用NetDraw繪制高頻機(jī)構(gòu)及核心作者可視化圖譜，以期發(fā)現(xiàn)高頻機(jī)構(gòu)、核心作者網(wǎng)絡(luò)整體結(jié)構(gòu)特性及合作情況。

1.2.3 共詞分析法

共詞分析是由Callon等提出的概念[15]。共詞分析是以文獻(xiàn)中共現(xiàn)的詞語(yǔ)作為研究對(duì)象，研究詞間關(guān)聯(lián)度，建立起對(duì)知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)的描述，從而揭示學(xué)科領(lǐng)域的結(jié)構(gòu)和研究前沿[16]，如果兩篇文章有兩個(gè)以上的相同關(guān)鍵詞，則認(rèn)為這兩篇文章在研究主題的概念、理論或方法上是相關(guān)的，內(nèi)容是相似的，共詞文章數(shù)量越多，表明這類關(guān)鍵詞“距離”就越近，用于分析學(xué)科結(jié)構(gòu)和探究學(xué)科范式的多元統(tǒng)計(jì)方法因子分析、多維尺度分析、聚類分析可以按這種“距離”將一個(gè)學(xué)科內(nèi)的重要關(guān)鍵詞加以分類，從而分析出該學(xué)科領(lǐng)域的研究現(xiàn)狀與內(nèi)容[17]。因子分析主要因子的個(gè)數(shù)為下一步多維尺度分析、聚類分析具體劃分為幾類提供了參考，多維尺度分析、聚類分析均保留了全部變量的信息，但是聚類分析對(duì)數(shù)據(jù)及數(shù)據(jù)分布要求更為苛刻，二者可以互為補(bǔ)充，分析變量之間的相關(guān)性。本文采用SPSS對(duì)關(guān)鍵詞進(jìn)行因子分析，多維尺度分析，系統(tǒng)聚類分析，得出醫(yī)學(xué)信息學(xué)研究熱點(diǎn)。

2 結(jié)果分析與討論

2.1 醫(yī)學(xué)信息學(xué)發(fā)文時(shí)間分布

文獻(xiàn)是信息的主要載體，文獻(xiàn)量的時(shí)間演化規(guī)律與學(xué)科發(fā)展速度、科研活動(dòng)有著密切關(guān)系。圖1顯示了近十年醫(yī)學(xué)信息學(xué)文獻(xiàn)量變化趨勢(shì)，增長(zhǎng)趨勢(shì)近似直線(Y=146.75X-294143，R2=0.954)。由圖可看出，除2017年文獻(xiàn)量較前年稍有下降，文獻(xiàn)量整體逐年增多且2017年的文獻(xiàn)量為1 742篇，是2007年的3倍，說(shuō)明醫(yī)學(xué)信息學(xué)受到人們的持續(xù)關(guān)注。2009年美國(guó)政府提出希望到2014年有一半以上的醫(yī)療機(jī)構(gòu)使用電子健康檔案，并提供了大筆補(bǔ)助金，同年12月，美國(guó)衛(wèi)生及公共服務(wù)部官員Kathleen Sebelius和醫(yī)療信息化建設(shè)國(guó)家協(xié)調(diào)員David Blumenthal提出名為Beacon Community的信息化項(xiàng)目來(lái)改造美國(guó)社區(qū)衛(wèi)生信息系統(tǒng)；新加坡在2009年開(kāi)始著手建立私營(yíng)診所的電子病歷系統(tǒng)；加拿大計(jì)劃在2009年為50%的人口建立電子健康檔案；而對(duì)于我國(guó)來(lái)說(shuō)，2009年更是醫(yī)療衛(wèi)生事業(yè)不尋常的一年，國(guó)務(wù)院頒布深化醫(yī)療衛(wèi)生體制改革的若干意見(jiàn)，各地積極探索建立區(qū)域醫(yī)療衛(wèi)生信息平臺(tái)，故從2009年以后，國(guó)際上對(duì)醫(yī)學(xué)信息學(xué)的研究進(jìn)入新的高峰，相關(guān)的文獻(xiàn)大量增多。2015年1月20日，美國(guó)總統(tǒng)奧巴馬在國(guó)情咨文中提出“精準(zhǔn)醫(yī)學(xué)計(jì)劃”，希望精準(zhǔn)醫(yī)學(xué)可以引領(lǐng)一個(gè)醫(yī)學(xué)新時(shí)代，2015年4月21日在“2015年首屆清華精準(zhǔn)醫(yī)學(xué)論壇”上，中國(guó)也提出了大力推進(jìn)精準(zhǔn)醫(yī)療方式，從2015年開(kāi)始文獻(xiàn)量出現(xiàn)了大幅增加，研究工作進(jìn)入另一個(gè)新的高潮。

圖1 2008-2017年醫(yī)學(xué)信息學(xué)文獻(xiàn)的分布情況

2.2 醫(yī)學(xué)信息學(xué)研究國(guó)家(地區(qū))分布

通過(guò)對(duì)11 823篇醫(yī)學(xué)信息學(xué)文獻(xiàn)的發(fā)文國(guó)家進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)醫(yī)學(xué)信息學(xué)受到了全球126個(gè)國(guó)家(地區(qū))的關(guān)注，說(shuō)明該研究是一個(gè)備受全世界關(guān)注的話題。其中發(fā)文量最多的是美國(guó)(n=4798，40.58%)，其次是英國(guó)(n=1086，9.19%)，中國(guó)(n=779，6.59%)，澳大利亞(n=720，6.09%)，加拿大(n=719，6.08%)，荷蘭(n=631，5.34%)，西班牙(n=578，4.89%)，中國(guó)臺(tái)灣地區(qū)(n=500，4.23%)，德國(guó)(n=479，4.05%)，意大利(n=335，2.83%)等，如圖2所示為發(fā)文前十的國(guó)家(地區(qū))及各國(guó)(地區(qū))發(fā)文年度分布情況。

圖2 2008-2017醫(yī)學(xué)信息學(xué)TOP10發(fā)文國(guó)家(地區(qū))及各國(guó)(地區(qū))發(fā)文年度分布

通過(guò)分析醫(yī)學(xué)信息學(xué)文獻(xiàn)TOP10國(guó)家(地區(qū))分布情況可知，美國(guó)在該方面的研究處于絕對(duì)領(lǐng)導(dǎo)地位，對(duì)于醫(yī)學(xué)信息學(xué)的研究產(chǎn)出遠(yuǎn)遠(yuǎn)高于其他國(guó)家，對(duì)比閱讀美國(guó)醫(yī)學(xué)信息學(xué)研究人員的發(fā)文，可在一定程度上快速了解該領(lǐng)域的研究現(xiàn)狀與熱點(diǎn)。此外，英國(guó)、加拿大等國(guó)家先后投入巨資開(kāi)展了國(guó)家和地方級(jí)以電子健康檔案和電子病歷數(shù)據(jù)共享為核心的衛(wèi)生信息化建設(shè)[18]，這些國(guó)家在醫(yī)學(xué)信息學(xué)方面的研究成果也頗多。從圖2中可看出，我國(guó)是醫(yī)學(xué)信息學(xué)的第三大科研產(chǎn)出國(guó)，僅次于美國(guó)和英國(guó)。醫(yī)學(xué)信息學(xué)相關(guān)文獻(xiàn)2011年、2014年較上年均有較大的增長(zhǎng)。2010年底，中國(guó)提出了“十二五”期間衛(wèi)生信息化建設(shè)總體框架，簡(jiǎn)稱“3521工程”(即建設(shè)國(guó)家級(jí)、省級(jí)和地市級(jí)3級(jí)衛(wèi)生信息平臺(tái)，加強(qiáng)公共衛(wèi)生、醫(yī)療服務(wù)、新農(nóng)合、基本藥物制度、綜合管理5項(xiàng)業(yè)務(wù)應(yīng)用，建設(shè)健康檔案和電子病歷2個(gè)基礎(chǔ)數(shù)據(jù)庫(kù)和1個(gè)專用網(wǎng)絡(luò)建設(shè))；2014年衛(wèi)生信息技術(shù)交流大會(huì)上又提出了“46312工程”，較之前增加了縣級(jí)人口健康區(qū)域信息平臺(tái)，計(jì)劃生育業(yè)務(wù)，全員人口個(gè)案數(shù)據(jù)庫(kù)，在這些政策的推動(dòng)下，我國(guó)醫(yī)療衛(wèi)生事業(yè)數(shù)字化、信息化受到越來(lái)越多的關(guān)注和研究。但需指出，所統(tǒng)計(jì)分析的11 823篇文獻(xiàn)中中國(guó)作者文獻(xiàn)總量雖排第三，但發(fā)文總量不及美國(guó)的1/6，說(shuō)明我國(guó)在醫(yī)學(xué)信息學(xué)領(lǐng)域研究仍有較大發(fā)展空間，仍需參考和借鑒美英等先進(jìn)國(guó)家在該領(lǐng)域的先進(jìn)理念與技術(shù)，為我國(guó)醫(yī)療衛(wèi)生信息化建設(shè)提供新的方向和思路。

2.3 醫(yī)學(xué)信息學(xué)研究機(jī)構(gòu)分布

研究機(jī)構(gòu)的發(fā)文量從一定程度上反映了該科研機(jī)構(gòu)的科研競(jìng)爭(zhēng)力，從事于某領(lǐng)域的研究者在日常研究中可能更傾向于關(guān)注在該領(lǐng)域產(chǎn)生重要學(xué)術(shù)影響的主要學(xué)術(shù)研究機(jī)構(gòu)的情況，主題領(lǐng)域的發(fā)文機(jī)構(gòu)分布研究也是文獻(xiàn)空間維度分布的重要且十分有意義的研究?jī)?nèi)容之一[19]。對(duì)2008-2017年間11 823篇文獻(xiàn)的發(fā)文機(jī)構(gòu)進(jìn)行統(tǒng)計(jì)，發(fā)文量前300的機(jī)構(gòu)有247所(82.33%)屬于高校，說(shuō)明大學(xué)是發(fā)展醫(yī)學(xué)信息學(xué)的重要研究力量，該領(lǐng)域的研究者可多加關(guān)注大學(xué)在該方面的科研成果。發(fā)文量排名前十的機(jī)構(gòu)依次是哈佛大學(xué)(n=389，3.30%)，哥倫比亞大學(xué)(n=251，2.12%)，范德比爾特大學(xué)(n=219，1.85%)，華盛頓大學(xué)(n=214，1.81%)，布列根和婦女醫(yī)院(n=213，1.80%)，斯坦福大學(xué)(n=193，1.63%)，密歇根大學(xué)(n=186，1.57%)，多倫多大學(xué)(n=173，1.46%)，猶他大學(xué)(n=165，1.40%)，梅奧醫(yī)療集團(tuán)(n=155，1.31%)，除多倫多大學(xué)外，其余機(jī)構(gòu)均位于美國(guó)，這也與前文分析結(jié)果美國(guó)在醫(yī)學(xué)信息學(xué)研究中處于絕對(duì)領(lǐng)導(dǎo)地位一致。在Top10機(jī)構(gòu)中有兩個(gè)機(jī)構(gòu)屬于附屬醫(yī)院，其中布列根和婦女醫(yī)院是第二大教學(xué)附屬機(jī)構(gòu)，在臨床決策支持系統(tǒng)研究中更加考慮患者安全，醫(yī)療事故相關(guān)因素；梅奧醫(yī)療集團(tuán)是世界著名的私立非營(yíng)利性醫(yī)療機(jī)構(gòu)，在內(nèi)窺鏡檢查相關(guān)軟件系統(tǒng)開(kāi)發(fā)中有較多的投入。以上均說(shuō)明醫(yī)院工作人員也越來(lái)越重視醫(yī)學(xué)信息學(xué)在醫(yī)學(xué)實(shí)踐中的應(yīng)用與發(fā)展。

科研機(jī)構(gòu)合作網(wǎng)絡(luò)是指為了研究某一學(xué)術(shù)領(lǐng)域的發(fā)展變化，高校以及科研院之間所構(gòu)造的一個(gè)通過(guò)文獻(xiàn)相互聯(lián)系的網(wǎng)絡(luò)[20]。經(jīng)計(jì)算，醫(yī)學(xué)信息學(xué)機(jī)構(gòu)合作網(wǎng)的平均距離為1.978，即任意兩個(gè)機(jī)構(gòu)間平均通過(guò)2個(gè)機(jī)構(gòu)就可以建立聯(lián)系，說(shuō)明該領(lǐng)域機(jī)構(gòu)合作存在“小世界效應(yīng)”。本文使用中心性對(duì)機(jī)構(gòu)合作網(wǎng)絡(luò)進(jìn)行進(jìn)一步分析。中心性描述的是個(gè)人或組織在其所處的社會(huì)網(wǎng)絡(luò)中的地位及其重要性，分為點(diǎn)度中心度，接近中心度及中介中心度[21]。表2分別列舉了點(diǎn)度中心度，接近中心度及中介中心度排名前十的機(jī)構(gòu)，同時(shí)運(yùn)用可視化工具NetDraw生成發(fā)文量大于25共196個(gè)機(jī)構(gòu)共現(xiàn)矩陣的網(wǎng)絡(luò)圖(設(shè)定共現(xiàn)頻次閾值為9，刪除不符合條件的節(jié)點(diǎn))，如圖3所示，節(jié)點(diǎn)代表不同機(jī)構(gòu)，連線代表合作關(guān)系，節(jié)點(diǎn)越大，說(shuō)明機(jī)構(gòu)之間合作程度越大，點(diǎn)的顏色代表不同大小的合作次數(shù)，線的粗細(xì)反映了機(jī)構(gòu)之間共現(xiàn)頻次大小。結(jié)合表2及圖3可看出，哈佛大學(xué)、國(guó)立臺(tái)灣大學(xué)、印第安納大學(xué)分別形成了不同大小的合作團(tuán)體，有助于團(tuán)體內(nèi)部成員快速交流，加快醫(yī)學(xué)信息學(xué)科研成果的產(chǎn)出，其中哈佛大學(xué)在網(wǎng)絡(luò)中處于絕對(duì)核心地位，與26個(gè)機(jī)構(gòu)保持緊密聯(lián)系，而且三度均排第一，說(shuō)明哈佛大學(xué)在醫(yī)學(xué)信息學(xué)的學(xué)術(shù)交流與傳播過(guò)程中占據(jù)信息流通的關(guān)鍵位置，掌握較多的研究資源。同時(shí)我們可看出哈佛大學(xué)、布列根和婦女醫(yī)院、美國(guó)聯(lián)盟醫(yī)療體系共現(xiàn)次數(shù)非常多，在網(wǎng)絡(luò)中形成明顯的三角結(jié)構(gòu)，這是因?yàn)槊绹?guó)聯(lián)盟醫(yī)療體系是由哈佛大學(xué)醫(yī)學(xué)院兩家最大的附屬醫(yī)院麻省總醫(yī)院和布列根和婦女醫(yī)院聯(lián)合成立，主要為病人提供高品質(zhì)醫(yī)療服務(wù)。

表2 醫(yī)學(xué)信息學(xué)機(jī)構(gòu)中心性統(tǒng)計(jì)分析

圖3 基于醫(yī)學(xué)信息學(xué)主題文獻(xiàn)的機(jī)構(gòu)發(fā)文頻次的知識(shí)圖譜

2.4 醫(yī)學(xué)信息學(xué)研究核心作者分布

核心作者群體的狀況集中地體現(xiàn)了學(xué)科科研實(shí)踐的狀態(tài)趨向，是某一學(xué)科領(lǐng)域的科研活動(dòng)的縮影之一，對(duì)于核心作者的研究可以把握學(xué)科科研活動(dòng)的廣度和深度，對(duì)于科研活動(dòng)的管理、組織、協(xié)調(diào)和引導(dǎo)都有積極的意義[22]。經(jīng)統(tǒng)計(jì)，本論文涉及的11 823篇醫(yī)學(xué)信息學(xué)論文共出現(xiàn)38 939位不同作者。根據(jù)洛特卡定律可知，某一學(xué)科領(lǐng)域內(nèi)寫1篇論文的作者數(shù)大約占作者總數(shù)的比為c，理論上得出的常數(shù)c為60%，而本研究中寫1篇論文的作者為30 349人，占所有作者的77.94%，高于理論值，說(shuō)明該研究領(lǐng)域作者隊(duì)伍有待向更穩(wěn)定的方向發(fā)展。

普賴斯指出[23]，某一領(lǐng)域全部科學(xué)家總?cè)藬?shù)開(kāi)平方，所得到的人數(shù)撰寫了全部科學(xué)論文的50%，根據(jù)普賴斯定律，本論文涉及醫(yī)學(xué)信息學(xué)領(lǐng)域38 939位作者，故前197位作者應(yīng)該為高產(chǎn)作者，發(fā)表的論文大約為11篇左右，本文選定發(fā)文在11篇以上的作者共200位進(jìn)行分析。表3分別列舉了點(diǎn)度中心度、接近中心度及中介中心度排名前十的作者，圖4是200位作者的共現(xiàn)網(wǎng)絡(luò)圖譜(設(shè)定共現(xiàn)頻次閾值為3，刪除不符合條件的節(jié)點(diǎn))。由表3可知，Hripcsak、Bates、Chute的3個(gè)中心度均較高，說(shuō)明他們的人脈圈，學(xué)術(shù)圈比較廣，與他們合作的人較多，但是在網(wǎng)絡(luò)圖譜中并未發(fā)現(xiàn)Hripcsak，經(jīng)過(guò)實(shí)證研究發(fā)現(xiàn)，Hripcsak是哥倫比亞大學(xué)醫(yī)學(xué)中心生物醫(yī)學(xué)信息學(xué)主席，他的合作圈大且廣，沒(méi)有形成固定的合作人群，他的所有文章最高被引頻次為136，提出了對(duì)利用電子病歷信息中隱含的有價(jià)值信息的展望和挑戰(zhàn)。

表3 醫(yī)學(xué)信息學(xué)高頻核心作者中心性統(tǒng)計(jì)分析

圖4 基于醫(yī)學(xué)信息學(xué)主題文獻(xiàn)的高頻核心作者發(fā)文頻次的知識(shí)圖譜

子群是網(wǎng)絡(luò)中的一部分，它是由那些互動(dòng)頻繁，有相似觀念和愿景的人組成的小群體。從圖4可看出，網(wǎng)絡(luò)中的子群數(shù)量較多但比較疏松，大部分作者只和1～2個(gè)作者有穩(wěn)定合作關(guān)系，能夠?qū)⒉煌现鴪F(tuán)體聯(lián)系起來(lái)的作者較少，但是網(wǎng)絡(luò)中還是形成了3個(gè)較為明顯的小團(tuán)體。其中最大的團(tuán)體是Bates、Wright等10人形成的團(tuán)體，他們合著的文章“臨床決策支持研究的重大挑戰(zhàn)”被引頻次高達(dá)199次，從臨床醫(yī)生，患者和消費(fèi)者出發(fā)，提出了臨床決策支持中面臨的十大挑戰(zhàn)，為臨床決策支持系統(tǒng)的有效開(kāi)發(fā)提供參考借鑒。其次是Pathak、Denny等9人形成的團(tuán)隊(duì)，他們主要研究電子健康記錄驅(qū)動(dòng)的表型算法編寫與執(zhí)行，目的是加強(qiáng)電子健康記錄的標(biāo)準(zhǔn)化，通用化。最后是Iqbal、Nguyen等6人形成的團(tuán)體，兩兩之間合作密切，他們均來(lái)自臺(tái)灣醫(yī)科大學(xué)，研究?jī)?nèi)容聚焦于移動(dòng)醫(yī)療技術(shù)在艾滋病，心律失常等疾病中的用途以此推廣移動(dòng)醫(yī)療技術(shù)的發(fā)展。

2.5 醫(yī)學(xué)信息學(xué)研究熱點(diǎn)分布

文獻(xiàn)的關(guān)鍵詞或主題詞是文章核心內(nèi)容的濃縮和提煉，因此，如果某一關(guān)鍵詞或主題詞在其所在領(lǐng)域的文獻(xiàn)中反復(fù)出現(xiàn)，則可反映該關(guān)鍵詞或主題詞所表征的研究主題是該領(lǐng)域的研究熱點(diǎn)[24]。選定頻次≥46的關(guān)鍵詞79個(gè)，利用BICOMB生成79×79的共現(xiàn)矩陣，用Ochiia系數(shù)將共詞矩陣轉(zhuǎn)換為相關(guān)矩陣，見(jiàn)表4，相關(guān)矩陣中數(shù)值的大小表明兩個(gè)關(guān)鍵詞之間距離的遠(yuǎn)近，數(shù)值越大表明關(guān)鍵詞之間的距離越近，相關(guān)程度越大；數(shù)值越小則表明關(guān)鍵詞之間的距離越遠(yuǎn)，相關(guān)程度越小[25]。因相關(guān)矩陣中0值過(guò)多，容易產(chǎn)生誤差，故用1減去相關(guān)矩陣中的數(shù)據(jù)得到相異矩陣，見(jiàn)表5。

表4 醫(yī)學(xué)信息學(xué)文獻(xiàn)高頻關(guān)鍵詞相關(guān)矩陣(部分)

表5 醫(yī)學(xué)信息學(xué)文獻(xiàn)高頻關(guān)鍵詞相異矩陣(部分)

首先將相關(guān)矩陣導(dǎo)入SPSS進(jìn)行因子分析，見(jiàn)表6。根據(jù)“特征值>1的因子保留，特征值<1的因子舍棄”的原則，且“提取的因子累計(jì)百分比應(yīng)達(dá)到60%以上”[26]，有15個(gè)主成分被提取。從載荷因子分布情況來(lái)看，因子分析結(jié)果中的關(guān)鍵詞分布比較離散，若嚴(yán)格按照載荷因子大于1的條件分類，則類別多達(dá)15個(gè)，不利于分析討論，因此結(jié)合其他高頻關(guān)鍵詞的特點(diǎn)，選取因子載荷大于1.3的主成分進(jìn)行分類[27]，可將79個(gè)關(guān)鍵詞歸為11類。多維尺度分析將變量間的相似或不相似程度在低維空間中用點(diǎn)與點(diǎn)之間的距離表示出來(lái)[28]，距離越近，相似度越高，本文將相關(guān)矩陣導(dǎo)入SPSS，利用多維尺度分析將關(guān)鍵詞親疏關(guān)系在平面內(nèi)展現(xiàn)出來(lái)，得到如圖5所示結(jié)果，即可根據(jù)關(guān)鍵詞之間距離將醫(yī)學(xué)信息學(xué)的研究熱點(diǎn)劃分為4大領(lǐng)域。聚類分析是一種建立分類的多元統(tǒng)計(jì)分析方法，它能夠?qū)⒁慌兞扛鶕?jù)其諸多特征，按照性質(zhì)上的親疏程度在沒(méi)有先驗(yàn)知識(shí)的情況下自動(dòng)分類，產(chǎn)生多個(gè)分類結(jié)果[29]，本文以關(guān)鍵詞之間相關(guān)程度作為聚類依據(jù)，將關(guān)鍵詞相異矩陣導(dǎo)入SPSS，利用系統(tǒng)聚類，離差平方和法將關(guān)聯(lián)密切的關(guān)鍵詞聚集在一起形成不同的類，得到的樹(shù)狀圖如圖6所示。綜合因子分析，多維尺度分析，聚類分析的結(jié)果，將醫(yī)學(xué)信息學(xué)領(lǐng)域研究熱點(diǎn)分為4大類，11小類，具體內(nèi)容如下：

第一類：衛(wèi)生信息系統(tǒng)的開(kāi)發(fā)與管理(關(guān)鍵詞9、70、68、74、14、25、79、22、71、1、7、69、23、10、5、41、60、24、56、34)，該類別下又分為4個(gè)小類。

①電子健康檔案(Electronic Health Record，EHR)，電子病歷(Electronic Medical Record，EMR)在臨床中的廣泛應(yīng)用。電子病歷、電子健康檔案彌補(bǔ)了紙質(zhì)記錄的缺陷，有利于信息的交換與管理，但是目前由于缺乏統(tǒng)一的規(guī)范標(biāo)準(zhǔn)，缺乏法律法規(guī)等使得電子病歷、電子健康檔案的覆蓋率不高，資源交互共享達(dá)不到要求。針對(duì)于此，Hayrinen等對(duì)電子健康檔案內(nèi)容研究進(jìn)行了系統(tǒng)的綜述，提出電子健康檔案發(fā)展所面臨的挑戰(zhàn)[30]；Kazley等分析了醫(yī)院采用電子病歷系統(tǒng)的影響因素，以此提供服務(wù)和激勵(lì)措施，促使醫(yī)院對(duì)EMR的使用[31]等。

②臨床決策支持系統(tǒng)的意義與價(jià)值。20世紀(jì)70年代初，美國(guó)學(xué)者Scott Morton第一次明確提出了決策支持系統(tǒng)的概念[18]，臨床決策支持平臺(tái)可以整合患者的電子病例、電子健康檔案、組學(xué)檢測(cè)數(shù)據(jù)等與患者健康相關(guān)的數(shù)據(jù)，綜合為醫(yī)生提供臨床決策支持服務(wù)，是精準(zhǔn)醫(yī)學(xué)知識(shí)庫(kù)的延伸與臨床應(yīng)用，是生物醫(yī)學(xué)信息學(xué)成果系統(tǒng)化應(yīng)用的平臺(tái)與手段[32]。醫(yī)生認(rèn)為借助臨床決策支持系統(tǒng)是一種高成效的方式，而大醫(yī)院要想通過(guò)醫(yī)療信息與管理系統(tǒng)學(xué)會(huì)電子病歷應(yīng)用模型的評(píng)級(jí)標(biāo)準(zhǔn)，臨床決策支持系統(tǒng)更是不可逾越的一環(huán)，故很多研究者對(duì)臨床決策支持系統(tǒng)的意義進(jìn)行實(shí)證研究。如Scott等對(duì)24名初級(jí)醫(yī)生進(jìn)行隨機(jī)研究，讓每位醫(yī)生執(zhí)行30個(gè)模擬處方任務(wù)，研究結(jié)果發(fā)現(xiàn)臨床決策支持系統(tǒng)的高效應(yīng)用可以大大降低處方錯(cuò)誤率[33]；Graham等檢驗(yàn)了臨床決策支持系統(tǒng)在獲得性肺炎和中性粒細(xì)胞減少引起發(fā)熱兩大疾病中的應(yīng)用，表明臨床決策支持系統(tǒng)可以降低藥物劑量、抗生素選擇、患者處置等方面出現(xiàn)醫(yī)療錯(cuò)誤的可能性[34]等。

③衛(wèi)生信息系統(tǒng)的運(yùn)用與評(píng)估。衛(wèi)生信息系統(tǒng)可以改善就醫(yī)環(huán)境，滿足人民生活質(zhì)量日益提高的需求，隨著其大規(guī)模使用，研究者更加注重衛(wèi)生信息系統(tǒng)的效果評(píng)價(jià)，通過(guò)定量，定性方法對(duì)系統(tǒng)功能進(jìn)行評(píng)價(jià)，可以作為系統(tǒng)建設(shè)和改進(jìn)的標(biāo)尺。研究?jī)?nèi)容如Blaser等的研究表明將IT技術(shù)整合到臨床工作中是提高臨床醫(yī)師表現(xiàn)的核心前提，但是此過(guò)程中用戶接受度和可用性起著至關(guān)重要的作用，因此必須將用戶對(duì)決策支持系統(tǒng)的評(píng)估考慮在內(nèi)[35]；Duarte等對(duì)醫(yī)院門診實(shí)施電子健康檔案前后患者和醫(yī)生滿意度進(jìn)行評(píng)估，研究表明患者沒(méi)有注意到使用EHR進(jìn)行咨詢質(zhì)量差別很大，在進(jìn)行3輪評(píng)估之后，住院醫(yī)師才更多使用EHR，故應(yīng)該提高醫(yī)師對(duì)使用EHR的依從性[36]等。

④信息檢索技術(shù)對(duì)于提高醫(yī)院信息系統(tǒng)效率的深遠(yuǎn)意義。信息超載，信息垃圾是大數(shù)據(jù)時(shí)代的負(fù)面產(chǎn)物，而如何從大量信息中找到有用信息是臨床工作者所要面對(duì)的問(wèn)題，一些研究者就信息檢索技術(shù)的提高對(duì)臨床決策效率的影響進(jìn)行了相關(guān)探討。如Wrighe等提出了臨床決策支持系統(tǒng)發(fā)展過(guò)程中面臨的主要挑戰(zhàn)即數(shù)據(jù)檢索效率相關(guān)問(wèn)題[37]；Del等對(duì)信息檢索工具Infobuttons在電子病歷中的應(yīng)用進(jìn)行實(shí)驗(yàn)研究，發(fā)現(xiàn)基于Infobutton的使用可以更好滿足醫(yī)生的信息需求[38]等。

第二類：衛(wèi)生信息分析方法的對(duì)象與實(shí)際應(yīng)用(關(guān)鍵詞13、66、15、61、17、59、31、32、64、44、53、57)，該類別下又分為2個(gè)小類。

①樣本對(duì)象的特殊性與多樣性。隨著互聯(lián)網(wǎng)的發(fā)展，人們更加注重網(wǎng)絡(luò)在初級(jí)衛(wèi)生保健中扮演的角色，以期證明社交網(wǎng)絡(luò)的參與是否可以提高公共健康水平。研究?jī)?nèi)容如Bianca等運(yùn)用Meta分析，系統(tǒng)分析對(duì)2000-2015年間網(wǎng)絡(luò)干預(yù)對(duì)心理健康素養(yǎng)的影響進(jìn)行評(píng)估，表明互聯(lián)網(wǎng)是改善心理健康的可行方法[39]；基于手機(jī)在戒煙，健康飲食，體育鍛煉及癌癥篩查的作用，Coughlin等運(yùn)用Meta分析對(duì)PubMed和CIAHL數(shù)據(jù)庫(kù)中的相關(guān)研究文獻(xiàn)進(jìn)行分析，表明手機(jī)可能是預(yù)防癌癥的有用且低成本的措施之一[40]等。

②定量綜合分析方法在循證醫(yī)學(xué)中的應(yīng)用。在衛(wèi)生領(lǐng)域，類似于“一種新的治療方法是否優(yōu)于傳統(tǒng)療法”的問(wèn)題層出不窮，評(píng)估性分析就是要解決這類問(wèn)題[12]，其主要方法有系統(tǒng)綜述、Meta分析、傳統(tǒng)綜述。研究?jī)?nèi)容如Or等使用薈萃分析和系統(tǒng)性評(píng)價(jià)綜合方法評(píng)估使用消費(fèi)者健康信息技術(shù)是否改善糖尿病患者自我管理[41]；Verthoeven等通過(guò)系統(tǒng)性文獻(xiàn)綜述闡述遠(yuǎn)程會(huì)診和視頻會(huì)議對(duì)糖尿病護(hù)理的貢獻(xiàn)[42]等。

第三類：人工智能、數(shù)據(jù)挖掘技術(shù)在臨床診療中的應(yīng)用與挑戰(zhàn)(關(guān)鍵詞37、51、8、39、77、12、16、40、65、75、50、26、58、21、63、19、54、42、78、33、62)，該類別下又分為3個(gè)小類。

①文本信息、醫(yī)療報(bào)告中隱性疾病影響因素的挖掘。醫(yī)療大數(shù)據(jù)是未來(lái)醫(yī)療領(lǐng)域的必然趨勢(shì)，在疾病預(yù)防、診斷、治療中均扮演了不可或缺的作用，各國(guó)在該領(lǐng)域均投資大量資金，有望帶來(lái)整個(gè)醫(yī)療模式的轉(zhuǎn)變。研究?jī)?nèi)容如Nikfarjam通過(guò)自然語(yǔ)言處理，深度學(xué)習(xí)技術(shù)從社交媒體高度非正式的文本中提取藥物不良反應(yīng)，用于公共健康檢測(cè)[43]；Khan等對(duì)61名受試者腰椎磁共振圖像中不同年齡階段腰椎變化信息的數(shù)據(jù)挖掘和分析得出脊柱特征變化相關(guān)性的有用信息[44]等。

②數(shù)據(jù)挖掘算法的不斷優(yōu)化。醫(yī)療數(shù)據(jù)作為一種重要的信息來(lái)源，其價(jià)值越來(lái)越被人們注意到，面對(duì)診療數(shù)據(jù)復(fù)雜化的大趨勢(shì)，新的算法層出不窮，以期適應(yīng)不同類型數(shù)據(jù)要求，提高醫(yī)療效率。研究?jī)?nèi)容如Naghibi將新的訓(xùn)練算法HFNN和FGPNN應(yīng)用于乳腺癌數(shù)據(jù)庫(kù)，提高其診斷的可解釋性[45]；Wang等提出了將人工神經(jīng)網(wǎng)絡(luò)新方法運(yùn)用于微陣列圖像的分割，不僅優(yōu)于現(xiàn)有技術(shù)，還可縮短運(yùn)行時(shí)間[46]等。

③大數(shù)據(jù)安全與隱私管理。人工智能技術(shù)的發(fā)展為精準(zhǔn)醫(yī)療、智慧醫(yī)療帶來(lái)了機(jī)遇和發(fā)展，但個(gè)人信息也遭受著惡意刪除，修改或泄露的風(fēng)險(xiǎn)，隨著信息泄露案件的增多，人們更加關(guān)注隱私保護(hù)，研究者也采用各種方法提高信息安全，如Kong等為了利用北大教學(xué)醫(yī)院的海量醫(yī)學(xué)數(shù)據(jù)進(jìn)行研究，提出使用對(duì)稱分組密碼，非對(duì)稱密碼和加密哈希算法來(lái)保護(hù)病人的隱私信息[47]；Liu等指出利用先進(jìn)的數(shù)據(jù)挖掘技術(shù)可以幫助臨床醫(yī)生做出正確決策，但是也產(chǎn)生信息安全及隱私問(wèn)題，因此設(shè)計(jì)了一種新的密碼工具，能夠以隱私保護(hù)的方式高效準(zhǔn)確地計(jì)算患者的疾病風(fēng)險(xiǎn)[48]等。

第四類：醫(yī)學(xué)信息學(xué)新技術(shù)的應(yīng)用與發(fā)展(關(guān)鍵詞29、46、52、76、2、27、48、20、35、36、67、55、73、30、47、28、43、3、11、6、38、49、72、4、18、45)，該類別下又分為2個(gè)小類。

①移動(dòng)醫(yī)療、遠(yuǎn)程醫(yī)療的應(yīng)用。移動(dòng)醫(yī)療、遠(yuǎn)程醫(yī)療打破了傳統(tǒng)時(shí)間、空間的限制給人們生活帶來(lái)諸多便利，由于其發(fā)展火熱，部分研究者對(duì)這些醫(yī)學(xué)信息學(xué)新技術(shù)進(jìn)行了系統(tǒng)研究，如Fiordelli對(duì)手機(jī)在醫(yī)療保健方面的影響進(jìn)行了系統(tǒng)的文獻(xiàn)回顧，確定了移動(dòng)技術(shù)在醫(yī)療服務(wù)中可能產(chǎn)生影響的主要領(lǐng)域[49]；Martinez-Perez等研究發(fā)現(xiàn)目前8種最普遍的健康狀況移動(dòng)設(shè)備所聚焦的疾病有缺鐵性貧血、聽(tīng)力偏頭痛、低視力、哮喘[50]等。

②醫(yī)學(xué)信息學(xué)新技術(shù)發(fā)展的影響因素。雖然移動(dòng)醫(yī)療、遠(yuǎn)程醫(yī)療技術(shù)發(fā)展迅猛，但是新技術(shù)普及度及人們接受度參差不齊，一些學(xué)者對(duì)當(dāng)下現(xiàn)狀也進(jìn)行了相應(yīng)研究。研究?jī)?nèi)容如Willcox等采用定性研究方法對(duì)孕婦及衛(wèi)生專業(yè)人員進(jìn)行深入訪談，了解人們對(duì)移動(dòng)醫(yī)療在產(chǎn)前保健干預(yù)中作用的相關(guān)看法，研究表明婦女對(duì)移動(dòng)醫(yī)療有積極看法，衛(wèi)生專業(yè)人員認(rèn)為移動(dòng)醫(yī)療存在風(fēng)險(xiǎn)和障礙[51]；Cox等運(yùn)用定性研究方法系統(tǒng)評(píng)估了遠(yuǎn)程保健干預(yù)對(duì)癌癥患者的影響，研究表明遠(yuǎn)程干預(yù)可以減輕患者治療負(fù)擔(dān)，但是患者參與度仍然是未來(lái)需要解決的問(wèn)題等[52]。

表6 近十年醫(yī)學(xué)信息學(xué)文獻(xiàn)相關(guān)矩陣的因子分析

表6(續(xù))

3 研究結(jié)論

本論文在BICOMB、TDA、UCINET及SPSS定量分析工具的基礎(chǔ)上，結(jié)合定性思考對(duì)10種醫(yī)學(xué)信息學(xué)領(lǐng)域核心期刊近十年的文獻(xiàn)進(jìn)行各項(xiàng)網(wǎng)絡(luò)指標(biāo)統(tǒng)計(jì)及可視化分析，得出以下結(jié)論：

①2008-2017年醫(yī)學(xué)信息學(xué)相關(guān)文獻(xiàn)持續(xù)增長(zhǎng)，其中2008-2009年文獻(xiàn)量波動(dòng)不大，2009-2012年進(jìn)入快速增長(zhǎng)時(shí)期，2012-2015年緩慢增長(zhǎng)，2016年較之前有新的突破，2017年又有些回落，整體來(lái)看研究人員對(duì)醫(yī)學(xué)信息學(xué)的研究和關(guān)注度呈上升趨勢(shì)。

②從醫(yī)學(xué)信息學(xué)相關(guān)文獻(xiàn)的國(guó)家(地區(qū))分布來(lái)看，美國(guó)在該方面的研究處于領(lǐng)導(dǎo)地位，刊載的文獻(xiàn)在所有國(guó)家中占40.58%，我國(guó)相關(guān)文獻(xiàn)總量雖排第三，但與美國(guó)相比，仍有較大差距，科研工作者可參考借鑒美國(guó)相關(guān)熱點(diǎn)文章，促進(jìn)我國(guó)醫(yī)學(xué)信息學(xué)發(fā)展與進(jìn)步。

③從醫(yī)學(xué)信息學(xué)核心機(jī)構(gòu)來(lái)看，大學(xué)是發(fā)展醫(yī)學(xué)信息學(xué)的重要研究力量，哈佛大學(xué)在該領(lǐng)域的研究中處于主導(dǎo)地位，是聯(lián)系其他機(jī)構(gòu)的紐帶和橋梁，同時(shí)哈佛大學(xué)、臺(tái)北醫(yī)科大學(xué)、印第安納大學(xué)等均形成自己的研究團(tuán)體，有利于高質(zhì)量科研成果的穩(wěn)定產(chǎn)出。

④從醫(yī)學(xué)信息學(xué)核心作者來(lái)看，Hripcsak、Bates、Chute等學(xué)者3個(gè)中心度均靠前，在醫(yī)學(xué)信息學(xué)的研究中表現(xiàn)活躍，推動(dòng)了學(xué)科的發(fā)展，也在一定程度上引領(lǐng)了未來(lái)醫(yī)學(xué)信息學(xué)研究的方向，以Bates、Pathak、Iqbal為核心的小團(tuán)體形成有利于問(wèn)題的及時(shí)溝通和解決，提高科研效率。

⑤從醫(yī)學(xué)信息學(xué)研究熱點(diǎn)來(lái)看，國(guó)際上對(duì)于計(jì)算機(jī)技術(shù)在醫(yī)院管理和臨床診療中的應(yīng)用以及對(duì)醫(yī)學(xué)信息和數(shù)據(jù)進(jìn)行深度挖掘，促進(jìn)臨床決策方面關(guān)注度較高，這是伴隨著大數(shù)據(jù)，人工智能的發(fā)展，醫(yī)院不斷提高信息化水平，重視質(zhì)量服務(wù)的必然選擇。此外，遠(yuǎn)程醫(yī)療、移動(dòng)醫(yī)療這些前沿技術(shù)的應(yīng)用和發(fā)展也將更加成熟，智慧醫(yī)療、精準(zhǔn)醫(yī)療在未來(lái)的發(fā)展中將引領(lǐng)新一輪的浪潮。

學(xué)科信息學(xué)作為學(xué)科二元發(fā)展的一個(gè)分支學(xué)科，將成為并且已經(jīng)成為學(xué)科發(fā)展的重要且不可分割的分支組成部分[53]。作為其重要組成部分之一的醫(yī)學(xué)信息學(xué)勢(shì)必會(huì)影響健康和衛(wèi)生保健類產(chǎn)品和服務(wù)的發(fā)展，同時(shí)，醫(yī)學(xué)信息學(xué)還將影響醫(yī)療衛(wèi)生機(jī)構(gòu)和衛(wèi)生信息通信技術(shù)產(chǎn)業(yè)的發(fā)展[54]?；谝陨蠈?duì)國(guó)際醫(yī)學(xué)信息學(xué)發(fā)展的分析與思考，對(duì)我國(guó)醫(yī)學(xué)信息學(xué)未來(lái)發(fā)展也提供了一定的啟發(fā)。首先，我們要加強(qiáng)培養(yǎng)具有醫(yī)學(xué)和信息學(xué)雙重背景的復(fù)合型專業(yè)人才，2002年底，經(jīng)教育部批準(zhǔn)，中南大學(xué)將“信息管理和信息系統(tǒng)(醫(yī)學(xué)方向)”專業(yè)更名為“醫(yī)學(xué)信息學(xué)”，中國(guó)醫(yī)學(xué)信息學(xué)專業(yè)正式起步，醫(yī)學(xué)信息學(xué)教育在我國(guó)逐漸發(fā)展起來(lái)[8]。目前開(kāi)設(shè)醫(yī)學(xué)信息學(xué)專業(yè)的院校有52所，均是依托于醫(yī)科院校，除老4所(中南大學(xué)、華中科技大學(xué)、中國(guó)醫(yī)科大學(xué)、吉林大學(xué))課程設(shè)置相對(duì)較合理外，其他院校均處于實(shí)踐摸索階段，因此對(duì)衛(wèi)生信息學(xué)人才的培養(yǎng)是當(dāng)務(wù)之急；其次，鼓勵(lì)定量信息分析方法的應(yīng)用與學(xué)習(xí)。著名情報(bào)學(xué)家布魯克斯曾提出：“情報(bào)學(xué)如果不實(shí)現(xiàn)定量化，它將是一堆支離破碎的技藝，而不會(huì)成為科學(xué)”，通過(guò)對(duì)國(guó)際上醫(yī)學(xué)信息學(xué)熱點(diǎn)分析，我們發(fā)現(xiàn)，Meta分析、系統(tǒng)分析等方法應(yīng)用廣泛，故我國(guó)在醫(yī)學(xué)教育及科研工作者實(shí)際工作中應(yīng)大力提倡信息分析方法在疾病影響因素，信息系統(tǒng)功能評(píng)價(jià)等方面的學(xué)習(xí)及應(yīng)用；再者，我國(guó)科研工作者應(yīng)著重閱讀該領(lǐng)域高產(chǎn)國(guó)家、核心作者、核心機(jī)構(gòu)的發(fā)文，迅速把握最新研究熱點(diǎn)，積極參與國(guó)際合作，促進(jìn)醫(yī)學(xué)信息學(xué)的發(fā)展；第四，進(jìn)一步提高計(jì)算機(jī)科學(xué)與醫(yī)學(xué)信息學(xué)相結(jié)合，通過(guò)前文分析發(fā)現(xiàn)國(guó)際上非常注重臨床決策支持系統(tǒng)、人工智能等方面的研究，我國(guó)人口龐大，海量的醫(yī)療健康數(shù)據(jù)既是機(jī)遇又是挑戰(zhàn)，如何用好這些數(shù)據(jù)為患者提供精準(zhǔn)服務(wù)更是關(guān)鍵，因此醫(yī)學(xué)必須與計(jì)算技術(shù)結(jié)合，科研工作者要有意識(shí)培養(yǎng)自己計(jì)算能力，在開(kāi)發(fā)更個(gè)性化的信息系統(tǒng)方面，挖掘海量數(shù)據(jù)方面發(fā)揮優(yōu)勢(shì)與特長(zhǎng)；最后，基于醫(yī)學(xué)信息學(xué)新技術(shù)移動(dòng)醫(yī)療、遠(yuǎn)程醫(yī)療等的火熱發(fā)展，我國(guó)應(yīng)該抓住機(jī)遇，借鑒其他國(guó)家在該方面的優(yōu)勢(shì)，結(jié)合我國(guó)實(shí)際情況，提供個(gè)性化、智能化的衛(wèi)生信息服務(wù)，并不斷完善電子健康檔案、電子病歷等信息共享問(wèn)題。

圖6 近十年醫(yī)學(xué)信息學(xué)文獻(xiàn)高頻關(guān)鍵詞聚類分析樹(shù)狀圖