基于文獻定量及知識圖譜方法的醫學信息學研究現狀分析

李國棟

南陽醫學高等專科學校，河南 南陽 473058

1.概述

醫學信息學是一門興起于上個世紀70年代基于醫學、計算機科學、信息管理學、和統計學的新興交叉學科，隨著醫學院校對醫學信息教育的開展和醫療事業單位信息化的發展，醫學信息學的研究逐漸深入，對本學科領域以及相關領域的研究文獻數量不斷增加。本文通過用文獻定量分析和可視化分析的方法，對醫學信息學研究文獻進行統計和分析，以知識圖譜的形式顯示學科發展路徑，揭示醫學信息學研究領域的特點、研究前沿和發展趨勢，為今后更加深入的研究提供參考。

2.數據來源及工具

使用萬方知識服務平臺進行文獻檢索并導出2003年以來有關醫學信息學的學術論文的題錄，文獻題錄包含標題、作者、關鍵詞、摘要、機構、來源等字段供分析使用。使用的軟件有中文文獻檢索管理軟件NoteExpress、文獻題錄信息統計分析工具SATI 3.2、可視化文獻分析軟件Gephi，這些軟件用于加工整理文獻信息、分析數據和進行可視分文獻分析。

3.方法與步驟

3.1 搜集文獻數據

使用萬方知識服務平臺的高級檢索功能進行文獻檢索，檢索式為“關鍵詞:(醫學信息) + 關鍵詞:(醫學信息學)* Date:2003-2013”，得到1，548條文獻信息，再用數據庫的“導出”功能導出NoteExpress格式的文獻題錄，將題錄導入NoteExpress進行查重、去除無效數據等操作，最后得到1387條文獻題錄數據。

3.2 數據定量分析

3.2.1 抽取字段和詞頻排序 從NoteExpress導出符合要求的題錄數據，使用SATI3.2進行處理，使用“字段抽取”和“頻次統計”功能統計出作者、關鍵詞、機構、期刊來源等字段的詞頻進行排序，以供后序的詞頻分析使用。

3.2.2 詞頻分析 通過對對各個字段的詞頻進行排序，對論文高發階段、核心作者和機構群體、核心期刊群體等進行分析，用表格和圖表的形式呈現出分析結果，展示醫學信息學學科領域的研究現狀。

3.2.3 關鍵詞共現分析 使用軟件SATI3.2生成關鍵詞的高頻詞共現關系矩陣，進行格式處理以后導入可視化分析軟件Gephi生成高頻關鍵詞的共現關系圖譜，直觀地反映出研究領域的熱點和前沿，并預測醫學信息學研究的發展趨勢。

4. 結果分析

4.1 文獻定量分析

4.1.1 發文數量分析 本研究共獲得文獻題錄信息1387條，其中包括期刊論文965條、會議論文259條、學位論文163條。從2003年以來醫學信息學研究領域研究的學術論文分布如圖1所示。從圖中可以看到2003年至2006年對醫學信息的研究論文數量呈上升趨勢（前期），2006年至2010年數量則穩定于高位（中期），而在2011、2012兩年里本學科領域的研究文獻數量呈下降趨勢（后期）。這說明在前期醫學與信息管理、計算機技術相結合的背景下，研究熱點頻繁出現，相關的學術文獻數量激增。對醫學信息學領域的研究在中期熱點集中，發展迅速，因此學術文獻的數量居高穩定。而在后期由于本學科領域熱點的研究已經趨于成熟，熱度漸消，因此整體的學術研究文獻數量處于下降趨勢，隨著學科領域理論與技術的不斷進展，將會產生新的學科熱點，發文數量也會進入下一個循環周期。

圖1 發文量逐年分布圖

4.1.2 作者分析 通過對第一作者字段的抽取和詞頻統計，對所有866名作者的發文量進行統計排序，并將在本學科研究領域中發文量超過4篇的作者列出（表1）。可以看到，以第一作者發表4篇以上的作者有28人，一共發表169篇，占總數的12.2%，其中發表數量最多的有13篇，10篇2人，9篇3人，7篇32人，6篇3人，5篇6人，4篇10人，其余發文量3篇及3篇以下的共有837人。由此顯示，醫學信息學的學科研究隊伍已經形成了以吉林大學王偉教授和上海中醫藥大學包含飛研究員為代表的核心作者群體，研究的學科范圍涵蓋了醫學信息學教育、生物醫學信息、醫院信息化建設、數字資源建設、醫學信息服務、云計算等學科，包含飛的單篇最高被引次數為22次，王偉的被引次數為12次，這說明作者論文的質量和影響力也能夠代表本學科領域的學術水平。

表1 第一作者發文量統計（部分）

4.1.3 來源期刊分析

根據本文統計數據（表2），從2003年至今國內共有250種中文期刊發表了1387篇有關醫學信息學研究的學術論文，其中發表數量在10篇以上的期刊共有12種，合計發文474篇，占總量的34.2%，其中《醫學信息學雜志》發表130篇，《中華醫學圖書情報雜志》發表125篇，《醫學信息》發表60篇，發表41篇，可以看出以《醫學信息學雜志》、《中華醫學圖書情報雜志》、《醫學信息》、《醫學情報工作》等期刊為代表的期刊群已經成為進行醫學信息學研究的主要學術交流陣地，在這些期刊上發表的相關學術論文代表了本學科領域研究的發展方向趨勢。

表2 來源期刊統計表（部分）

4.1.4 關鍵詞統計分析

關鍵詞是能夠反映文獻實質內容的詞匯,通過它對文獻內容的標引,我們能夠快速地通過檢索工具得到符合我們要求的文獻。通過對大量關鍵詞數據的統計分析,可以準確地把握學科領域的研究動態和發展趨勢。本文圍繞“文獻信息”和“文獻信息學”主題從文獻題錄的關鍵詞字段中共抽取出現次數2次以上的關鍵詞574個，詞頻在10次以上的關鍵次一共46個,詞頻在30次以上的關鍵詞有 “醫學信息資源”、“醫學信息服務”、“信息服務”、“醫學信息檢索”、“醫學信息學應用”、“醫學改革”、“醫學圖書館”、“醫院圖書館”等，從這些調頻關鍵詞的分布可以看出近年來醫學信息學的研究領域的熱點主要分布情況。對了2003年以來各年文獻中高頻關鍵詞的前10名的統計清晰地展示出醫學信息學研究的研究脈絡，可以看到“醫學信息資源”、“醫學信息服務”、“醫學信息管理”等研究主題始終貫穿在醫學信息學研究的過程，同時“醫學圖書館”、“互聯網”、“醫院信息系統”、“數據挖掘”等研究熱點也在隨著時間推移而不斷涌現和變換。而近3年來在研究大方向不變的情況下，“醫學信息教育”、“教學方法”、“教學改革”、“醫學信息管理”、“醫院信息系統”等關鍵詞逐漸出現，說明有關醫學信息學教育、醫學信息管理應用的研究開始成為學科研究的前沿和熱點。

4.2 文獻可視化分析

文獻信息可視化分析是情報學研究的重要領域之一，特別是近年來功能強大的可視化分析軟件通過對海量數據的挖掘分析功能為研究者準確、直觀地提示學科領域熱點和前沿提供了強大的技術手段，在文獻定量分析的基礎上，用多維圖譜對學科領域研究進行共詞分析、共引分析、聚類分析和時區分析。本文使用可交互的復雜網絡關系可視化分析軟件Gephi對2003年以來醫學信息學研究文獻進行了關鍵詞共現可視化分析。具體方法是使用SATI3.2對文獻題錄進行處理，生成關鍵詞共現關系矩陣，用Gephi對共現關系矩陣進行數據清洗之后繪制出關鍵詞聚類和共現關系圖譜（圖2）從而展示出醫學信息學研究領域聚焦的熱點以及它們之間的關聯。

從圖2的關鍵詞共現關系圖譜中可以看到，從2003年以來對醫學信息學的研究圍繞“醫學信息”和“醫學信息學”兩個主題又逐步形成了不同的研究熱點，圖中節點的顏色分組代表了對關鍵詞聚類分析結果，節點之間的連線則反映了關鍵詞之間的共現關系。為了更加清晰地了解文獻信息學的進展狀況，本例對文獻信息以年為單位進行切割，并選取2003年、2008年和2012年的文獻數據進行了可視化分析對比（圖3、圖4、圖5）。

圖2 2003年以來醫學信息學文獻關鍵詞共現關系圖譜

圖3 2003年醫學信息學研究關鍵詞共現圖譜

圖4 2008年醫學信息學研究關鍵詞共現圖譜

圖5 2012醫學信息學研究關鍵詞共現圖譜

通過圖3,可以看出2003年圍繞醫學信息學主題開展的研究有“醫學信息管理”、“遠程醫療”、“數據庫”、“網絡環境”、“圖書館”、“信息服務”、“醫學信息學應用”、“醫院信息系統”等，出現了“醫學信息服務”、“醫學圖書館”和“醫院圖書館”等研究熱點。圖4顯示2008年 “醫學信息學” 研究領域出現的熱點有“信息服務”、“循證醫學”、“醫院信息系統”、“教學改革”、“醫學信息服務”。圖5顯示在“醫學信息學”研究領域的熱點仍圍繞著“醫學信息服務”、“醫學信息管理”、“醫學圖書館”等主題開展，聚類分析顯示出“軍隊醫學應用”、“醫學信息教育”、“醫學信息標準”、“重點學科”、“決策”等主題的研究也在逐步升溫。通過對三幅關鍵詞共現關系圖譜的對比，還可以看出2003年和2008年的共現關系網絡比較簡單，焦點集中，而2012年的共現關系網絡復雜，焦點之間的關聯豐富，這說醫學信息學作為一門新興的交叉學科，正在加速與其他學科整合，學科領域的研究熱點不斷涌現的發展趨勢。

5.結語

海量的文獻信息數據中包含了學科領域研究的各種隱藏信息，通過數據挖掘析出有用的數據，再用文獻定量和可視化分析的方法，可以清晰地顯示出該學科領域研究的演進過程。本文通過文獻統計和定量分析、可視化分析的方法，使用目前最前沿的學科知識圖譜軟件對醫學信息學學科領域研究的演進過程和前沿熱點進行了分析,為本學科研究者把握學科前沿，深入開展研究提供了可靠的參考。

[1]董建成.醫學信息學的現狀與未來[J].中華醫院管理雜志,2004,20(4):232-235.DOI:10.3760/j.issn:1000-6672.2004.04.016.

[2]徐一新,應峻,董建成等. 醫學信息學的發展[J]. 中國醫院管理,2006,26(3):30-32.DOI:10.3969/j.issn.1001-5329.2006.03.010.

[3]Mathieu Bastian,Sebastien Heymann,Mathieu Jacomy et al.Gephi: An Open Source Software for Exploring and Manipulating Networks[C].//Proceedigns of the Third International AAAI Conference on Weblogs and Social Media.2009:361-362.

[4]劉啟元,葉鷹.文獻題錄信息挖掘技術方法及其軟件SATI的實現——以中外圖書情報學為例[J].信息資源管理學報,2012,(1):50-58.

[5]鐘偉金,李佳.共詞分析法研究(一)——共詞分析的過程與方式[J].情報雜志,2008,27(5):70-72.DOI:10.3969/j.issn.1002-1965.2008.05.022.