• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于CiteSpace國內(nèi)出院準備度研究的可視化分析

      2021-05-28 09:17:26,,,,
      循證護理 2021年5期
      關鍵詞:發(fā)文可視化出院

      ,,, ,

      1.承德醫(yī)學院,河北067000;2.承德醫(yī)學院附屬醫(yī)院

      隨著老齡化社會的飛速發(fā)展及慢性非傳染性疾病患病率的升高,加之國內(nèi)社區(qū)醫(yī)療發(fā)展緩慢,致院內(nèi)醫(yī)療資源緊缺,尤其增加了床位使用率[1]。因此,縮短平均住院日成為提高床位利用資源、滿足病人住院需求的切實可行之途徑[2]。然而,疾病種類的多樣性、復雜性,往往是部分病人在未完全康復的狀態(tài)下選擇出院[3]。為減少病人再次入院及有效促進其由醫(yī)療機構向家庭的安全過渡,出院準備情況的評估在其住院過程中起著舉足輕重的作用。英國學者Fenwick[4]于1979年首次提出出院準備度(readiness for hospital discharge,RHD)是評估病人是否準備好出院的一種判斷,是衡量病人在離開醫(yī)療機構能否有效康復的重要預測指標。出院準備度在國外發(fā)展較成熟,且已成為出院計劃的核心內(nèi)容,因其是連接病人院內(nèi)治療及院外康復的紐帶,因而引起了國內(nèi)學者的研究及關注。本研究基于文獻計量學的角度,對國內(nèi)關于出院準備度的相關文獻進行系統(tǒng)研究,旨在確定出院準備度的研究熱點及趨勢,為未來研究提供方向及指引。

      1 資料與方法

      1.1 文獻來源及檢索策略

      檢索式通過多次預檢索后確定,以“出院準備度”or“出院準備服務”為檢索式,在中國知網(wǎng)(CNKI)、萬方醫(yī)學數(shù)據(jù)庫(WanFang Data)、維普(VIP)使用關鍵詞檢索相關文獻。檢索時限從建庫至2020年6月1日。

      1.2 研究方法

      將檢索的相關研究導入NoteExpress軟件,查重后,由2名研究者對文獻進行篩選,通過閱讀題目和摘要,排除與本研究明顯不符的文獻,遇有歧義時,向第3人求教,并決定是否納入。利用NoteExpress軟件將納入的文獻進行發(fā)表年份、期刊的描述性分析,基于CiteSpace軟件對作者、機構、關鍵詞聚類進行可視化分析。時間分區(qū)選擇1年,閾值設置50,剪切方式(pruning)、選擇尋徑(pathfinder)進行相關分析。

      2 結果

      2.1 檢索結果

      在CNKI、WanFang Data、VIP數(shù)據(jù)庫檢索到相關文獻685篇(CNKI 263篇、WanFang Date 213篇、VIP 209篇),去除重復文獻307篇;閱讀標題和摘要,排除無關研究77篇、會議摘要13篇、期刊導讀7篇、個案體會29篇、無法提取全文9篇;精讀全文,排除8篇文獻,最終納入分析文獻235篇。

      2.2 發(fā)表年份

      從文獻發(fā)表年代可以看出,我國對出院準備度的研究始于2013年,2013—2015年緩慢增長,于2016年開始,相關研究進入快速發(fā)展階段,說明國內(nèi)學者對這一領域重視及研究逐步加大,通過線性回歸預測,未來關于出院準備度的研究繼續(xù)呈現(xiàn)上升趨勢。見圖1。

      圖1 關于出院準備度研究的發(fā)表年份分布

      2.3 期刊分布

      235篇文獻中13篇學位論文,其余文獻發(fā)表在81種期刊上,期刊平均發(fā)表文獻2.7篇。發(fā)表前3位的期刊為《中華現(xiàn)代護理雜志》《中國實用護理雜志》《護理學雜志》,由此可看出,此類研究多發(fā)表于文獻質(zhì)量較高的核心期刊上,其中,《中華現(xiàn)代護理雜志》發(fā)文量最多,達17篇。10種期刊發(fā)文量占總發(fā)文量的49.55%。期刊分布見表1。

      表1 關于出院準備度研究排名前10位期刊分布

      2.4 作者合作可視化

      使用CiteSpace軟件,對作者合作情況進行可視化分析,以Author為節(jié)點、閾值Threshold設置2,結果得到72個節(jié)點,112條連線,網(wǎng)絡密度為0.042 8。連線表示作者彼此之間的合作程度,節(jié)點字體大小表示該作者的發(fā)文數(shù)量情況[5]。發(fā)文量最多的是王芳、袁麗,發(fā)文量均為6篇;其次是賀育華、蔣理立、李卡,發(fā)文5篇。網(wǎng)絡密度<1,表明有的作者彼此間雖有合作,但總體較為分散,尚未形成核心作者群。見圖2。

      圖2 關于出院準備度研究的作者合作情況可視化

      2.5 發(fā)文機構合作可視化

      以“Institution”為節(jié)點,結果得到1條連線、12個節(jié)點,網(wǎng)絡密度為0.015 2。節(jié)點連線表示機構之間的合作情況,節(jié)點大小表示機構發(fā)表文獻數(shù)量。圖3顯示,機構之間僅一條連線,且研究分散,機構間無合作溝通交流,說明此類研究欠缺機構間的多中心合作。在235篇文獻中,發(fā)文在2篇以上的機構僅占12所,其中,發(fā)文量最多的是四川大學華西醫(yī)院(20篇),其次為湛江中心人民醫(yī)院(4篇),余機構均為2篇。

      圖3 關于出院準備度研究的發(fā)文機構合作情況可視化

      2.6 研究熱點

      出院準備度在我國的概念界定尚未達成統(tǒng)一[6]。對同一概念表述不一或語言表達欠規(guī)范,進行可視化分析時,易影響分析結果的呈現(xiàn)。因此,首先對關鍵詞進行規(guī)范替換,如將 “出院準備、出院準備服務、出院準備度”整合成“出院準備度”。以“Keyword”為節(jié)點,得到33個節(jié)點、29條連線,網(wǎng)絡密度為0.054 9。關鍵詞是對研究主題的精準凝練,分析關鍵詞可了解該領域的研究熱點[7]。排名前5位的關鍵詞,依次是出院準備度(143次)、影響因素分析(50次)、出院指導(29次)、護理(11次)、腦卒中(7次)。中心度在一定程度上表現(xiàn)出此關鍵詞的研究熱度及其影響力,中心度>0.1且排名前5位的關鍵詞是影響因素分析(0.62)、出院準備度(0.58)、護理(0.42)、加速康復外科(0.34)、出院指導(0.27)。見圖4。

      圖4 關于出院準備度研究的關鍵詞可視化

      運用LLR(log-likelihood ratio)方法對關鍵詞進行聚類,聚類符號與聚類大小成反比,得出4個聚類標簽,分別為#0 護理(1.000)、#1護理(0.563)、#2加速康復外科(0.902)、#3出院標準(0.875)。見圖5。對聚類群進行分析,每個聚類群所包括的關鍵詞按照所出現(xiàn)的頻次進行排序。見表2。

      圖5 關于出院準備度研究的關鍵詞聚類圖譜

      表2 納入文獻關鍵詞聚類情況

      3 討論

      3.1 發(fā)文量總體呈現(xiàn)逐年攀升趨勢

      出院準備度于1979年由英國學者提出,在國外的研究已趨于成熟。我國于2013年由國內(nèi)學者董玉靜等[8]首次發(fā)表關于出院準備度的相關研究,雖然并未明確提及此概念,卻引起國內(nèi)科研人員的關注。發(fā)文量可分為兩階段,2013年—2015年稱為“萌芽期”,發(fā)文總量為9篇,占總發(fā)文量的3.8%;我國對于出院準備度的研究起步較晚,尚處于探索階段,因而,將2016年—2019年視為成長期??赡芑诩{入文獻截至2020年6月1日,目前呈現(xiàn)短暫下降。通過一元線性回歸分析,決定系數(shù)(R2)=0.656 2,F=10.202,回歸方程檢驗,P<0.05,表示年份與發(fā)文數(shù)量呈現(xiàn)正比關系,由此可預測,未來關于出院準備度的研究繼續(xù)呈現(xiàn)逐年攀升趨勢。

      3.2 發(fā)文期刊集中,已形成優(yōu)勢群體

      由期刊發(fā)文量可知曉我國在該研究領域的載體分布情況,為后續(xù)研究成果的發(fā)表和相關機構的文獻資源建設提供進一步借鑒[9]。統(tǒng)計得出,發(fā)文量前10位的期刊占總發(fā)文量的49.55%,根據(jù)布拉德福定律[10],將期刊發(fā)表的文獻數(shù)量進行遞減排序,累積文獻數(shù)量接近總文獻量的33.18%的期刊為該研究領域的核心區(qū)。由此可界定核心區(qū)期刊已然形成,多為核心期刊,研究文獻質(zhì)量高,對出院準備度研究感興趣的學者可從核心區(qū)期刊中掌握本研究領域的重要信息及發(fā)展方向,由此節(jié)約了研究者的時間與精力。

      3.3 缺乏核心作者群,研究機構分散且單一

      按普萊斯定律[11],發(fā)表論文數(shù)為m篇以上的作者為核心作者[m=0.749(nmax)1/2],其中nmax是指發(fā)文量最多的作者論文篇數(shù),且核心作者群應完成所有專業(yè)論文的一半。m= 0.749(6)1/2=1.8篇,即我國對本研究的核心作者發(fā)文量應在2篇以上,共有14個人,總發(fā)文量43篇,占總發(fā)文數(shù)的18.3%,尚未達到核心作者群發(fā)文量的50%,由此可知,作者群缺乏合作,單一研究為主要科研方式。研究機構之間無合作,這與出院準備度的相關研究在我國起步晚有很大關系,未來應打破地域、學科間界限,實現(xiàn)跨學科、跨區(qū)域的互補合作,從而推進研究進展。

      3.4 出院準備度的研究熱點

      關鍵詞共現(xiàn)分析可確定出院準備度的研究主題,其中,中心度越大,表明影響力越大[12]。通過對關鍵詞及中心度進行排序,本研究中,中心度最高的是影響因素分析,說明目前關于出院準備度的研究集中于病人對出院準備情況的現(xiàn)狀調(diào)查,通過確定影響因素,為未來干預性研究奠定基礎。其次,出院準備度及護理出現(xiàn)頻次高且中心度大,可能在于出院準備度在我國尚處于探索階段,而縮短平均住院日為醫(yī)療質(zhì)量評價的主要指標,讓更多的學者關注病人的出院準備情況;護理人員作為病人住院期間各類醫(yī)療操作的主要執(zhí)行者,在病人住院期間,責任護士給予健康教育、制定護理計劃及做好詳盡的出院指導,以提高病人的出院準備情況、減少再次入院。加速康復外科能在中心度排序中位于前列,可能基于快速康復外科的理念旨在縮短術后病人的平均住院日,而手術作為一種對機體的應激因素,因此,做好出院規(guī)劃對病人的后期康復極其重要[13]。

      關鍵詞聚類分析是對于不同數(shù)據(jù)源的相似性進行對比分析并分布在不同的簇中[14],而在聚類過程中容易出現(xiàn)交叉重復。根據(jù)聚類詞及其聚類中包含的關鍵詞,對得到的4個聚類群進行內(nèi)在分析,可分為以下研究內(nèi)容:①針對不同疾病,病人的出院準備度現(xiàn)狀及其影響因素的分析;②出院準備度作為延續(xù)性護理的起始點,可通過護理工作者的健康教育、制定護理計劃及做好詳盡的出院指導,以改善病人面對出院時缺乏專業(yè)人員指導的無助與不安;③充分利用社會資源及家庭的支持。

      4 小結

      本研究運用CiteSpace軟件對國內(nèi)出院準備度的相關研究進行了可視化分析,確定了研究熱點及未來研究趨勢,目前關于出院準備度的觀察性研究在多種疾病中已相繼開展,而照顧者作為病人居家康復過程中的中堅力量,其出院準備情況的優(yōu)劣關乎病人的康復進程,未來學者的探索課題可傾向于照顧者對于出院準備掌握情況的相關研究,并加強作者、機構間的密切合作,以期推進研究進展。然而本研究尚存在一定局限性:鑒于CiteSpace軟件僅能對中文或者英文研究進行分析,二者不能同時兼顧,因此,僅分析國內(nèi)相關研究,可能致發(fā)表偏倚的發(fā)生。

      猜你喜歡
      發(fā)文可視化出院
      基于CiteSpace的足三里穴研究可視化分析
      基于Power BI的油田注水運行動態(tài)分析與可視化展示
      云南化工(2021年8期)2021-12-21 06:37:54
      54例COVID-19患者出院1個月后復診結果分析
      10條具體舉措! 山東發(fā)文做好返鄉(xiāng)留鄉(xiāng)農(nóng)民工就地就近就業(yè)
      基于CGAL和OpenGL的海底地形三維可視化
      中西醫(yī)結合治療一例新型冠狀病毒肺炎出院患者的療效觀察
      甘肅科技(2020年20期)2020-04-13 00:30:58
      “融評”:黨媒評論的可視化創(chuàng)新
      傳媒評論(2019年4期)2019-07-13 05:49:14
      校園拾趣
      爺孫趣事
      以牙還牙
      陇南市| 海南省| 温泉县| 扶绥县| 揭阳市| 莎车县| 湄潭县| 任丘市| 海兴县| 嘉祥县| 图木舒克市| 宁晋县| 乌鲁木齐县| 宣威市| 沂水县| 沂南县| 石棉县| 肥西县| 施甸县| 冷水江市| 东莞市| 依安县| 高淳县| 澄迈县| 台江县| 涪陵区| 丰城市| 宝丰县| 邮箱| 临汾市| 芦溪县| 汉源县| 沾化县| 莱州市| 东光县| 西平县| 沙河市| 炎陵县| 三江| 翁源县| 东至县|