國際個性化健康管理研究熱點與發展趨勢的信息計量分析

顧東曉 周靜怡 王曉玉+劉波

〔摘要〕全面展示個性化健康管理領域在全球范圍內的研究現狀、重點國家（地區），挖掘個性化健康管理領域研究熱點與未來發展趨勢，對于信息管理、電子健康、智慧醫療等領域的研究者全面掌握該領域研究狀況和進一步開展相關領域研究具有參考意義。以2003-2017為時間跨度，利用檢索式，得到刊載在1 656個期刊上的文獻數據4 803條。基于信息計量分析軟件獲得分析結果：①個性化健康管理的年度發文數量呈穩步增長趨勢；②88個國家或地區參與此領域的研究，相關科研機構主要分布在美國；③主要研究學科為醫學、計算機科學、社會學；④研究熱點主要集中在互聯網應用、個性化醫療等方面；⑤未來研究趨勢偏向于個性化健康的實現和電子健康記錄等。

〔關鍵詞〕個性化健康；電子健康管理；信息計量；可視化分析

DOI：10.3969/j.issn.1008-0821.2018.02.020

〔中圖分類號〕G250252〔文獻標識碼〕A〔文章編號〕1008-0821（2018）02-0122-08

A Bibliometrics Analysis on World-Wide Personalized Healthcare

Management Research During 2003-2017

Gu Dongxiao1Zhou Jingyi1*Wang Xiaoyu2Liu Bo1

（1.School of Management，Hefei University of Technology，Hefei 230009，China；

2.The Office of Pharmacy，Anhui University of Chinese Medicine，Hefei 230001，China）

〔Abstract〕Comprehensively displaying the research status，important countries or regions，research focus and development tendency in the area of personalized healthcare management，a bibliometrics analysis is of great importance for researchers in the field of information management，electronic health，smart healthcare，etc.to grasp the situation and carry out the following works.There were 4803 effectively extracted papers published in 1656 journals between 2003 and 2017 by certain set.With the informatics analysis software，the results showed：（1） an upward trend appeared in the overall number of the annual papers；（2） 88 countries or regions were involved in the research，and related institutions mostly were distributed in the United States；（3） research disciplines mainly were medicine，computer science and sociology；（4） hot spots concentrated on the Internet application，personalized medicine and so on；（5） the future research towards the implementation of personalized healthcare and electronic health record.

〔Key words〕personalized healthcare；electronic health management；informetrics；visualization analysis

隨著國家《促進大數據發展行動綱要》、《關于促進和規范健康醫療大數據應用發展的指導意見》等相關文件相繼出臺，醫療健康大數據和個性化健康管理成為我國健康與醫療事業發展重點內容[1]。個性化健康管理是一種對居民的健康狀況進行全面評估、分析和管理的過程，其宗旨是通過有效的個性化健康指導及行為干預，達到改善其健康狀態的目的。隨著醫學模式的轉化，健康問題中社會的、心理的、個人行為的因素越來越多，個體化的情況和表現越來越多，強化個體化健康管理意義重大[2]。

一方面，隨著新一代信息技術的迅速發展，物聯網、大數據、云計算、可穿戴設備等在醫療健康領域獲得廣泛而深入的應用，推動著個性化健康研究與實踐快速發展。當前，我國在醫療健康領域積累的海量數據已經為個性化健康服務打下了堅實的基礎。若運用大數據、人工智能等新興技術，將在個性化診斷、精準醫療與新藥研發等發面產生巨大價值，推動著醫藥創新研究和醫療服務質量的大幅提升；另一方面，個性化健康管理研究在我國起步較晚，研究者對相關領域的研究狀況、熱點和趨勢缺乏全面認識和了解。個性化健康管理是我國實現兩個“一百年”發展目標的必然要求，是我國未來醫療衛生事業發展的重要目標。我國人口數量龐大，老齡化進程不斷推進，以腫瘤、心腦血管疾病、精神疾病為主的慢性非傳染性疾病嚴重影響著人們的健康和老年生命質量，全生命周期下的個性化健康管理受到越來越多研究者的高度關注。但相較于國外的個性化健康管理研究，國內相關研究人員在該領域研究的開展上還存在許多困難，尤其是缺乏對該領域研究狀況、趨勢等知識的全面把握[3]。為此，本研究采用信息計量分析方法，從Web of Science數據庫收集了2003-2017的4 803條文獻數據，利用HistCite、CiteSpace等工具進行了數據分析，對國際個性化健康管理領域的研究文獻進行了可視化分析，全面展示了國際個性化醫療健康管理的研究現狀、熱點和發展趨勢，為相關領域學者提供知識和參考。

1方法與數據

11研究方法與工具

信息計量學是以文獻為研究對象，借助文獻的各種特征，采用數學與統計學的方法來描述、評價和預測某專業學科的現狀與發展趨勢[4]。尤其是在自然科學和生命科學領域，文獻計量學是公認的定量文獻研究的標準方法[5]。CiteSpace是由美國德雷塞爾大學（Drexel）信息學院陳超美教授（Chaomei Chen）與大連理工大學WISE實驗室聯合開發的信息可視化軟件，是用來分析和可視共引網絡的Java應用程序，近年來被廣泛用于文獻引文網絡分析，在許多領域取得了極具價值的科研成果[6]。

HistCite軟件取名自短語“History of Cite”，是一款引文圖譜分析軟件。該軟件系SCI的發明人尤金·加菲爾德開發，能夠用圖示的方式展示某領域不同文獻之間的關系，可以幫助使用者快速繪制出一個領域的發展歷史，定位出該領域的重要文獻以及最新的重要成果[7]。

12數據收集

美國科技信息所（ISI）提供的Web of Sciences（WOS）數據庫，被認為是世界上最權威的科技文獻索引工具。它一共收錄了9 000余種科技期刊的論文，數據每周更新一次保證了數據的實時性，同時它也保證了能夠收錄國際上最重要和最有影響力的研究成果。值得一提的是，人文科學和社會科學領域有許多不包含在該數據庫的期刊，同時也享有較大的書和專著的份額，所以相較而言，Web of Science提供的文獻數據更適用于自然科學和生命科學領域的文獻計量研究[5]，能為個性化健康領域文獻計量研究提供很好的數據支持。本文以Web of Science“核心合集”數據庫作為數據檢索源，以“（TS=（（“PERSONALIZED”OR“PERSONALIZATION”OR“CUSTOMIZED”OR“CUSTOMIZATION”OR“INDIVIDUALIZATION”）AND（“HEALTH”OR“HEALTHCARE”OR“NURSING”）））AND文獻類型：（Article），文獻來源=SCI-EXPANDED，CPCI-S，CCR-EXPANDED，時間跨度=所有年份”為檢索策略進行相關文獻檢索，共得到4 803條文獻記錄，最后檢索日期為2017年8月9日。

13分析方法

本研究利用HistCite和Excel軟件對2003-2017年的文獻記錄進行統計分析，以呈現個性化健康領域相關文獻發表數量隨時間的變化趨勢。然后通過可視化軟件CiteSpace對研究文獻的熱點國家、研究機構、學科分布以及研究熱點和前沿等進行分析。

將下載的以“download.txt”為文件名的數據導入CiteSpace，時間劃分（Time Slicing）設置為2003-2017年，時間切片（Years per Slice）設置為1年，主題來源（Term Source）為標題（Title）、摘要（Abstract）、著者（Author Keywords-DE）、關鍵字（Keywords Plus-ID）。詞類型（Term Types）、節點類型（Node Types）、連線（Links）、選擇標準（Selection Criteria）、修剪（Pruning）、可視化視圖（Visualization）等需按照實際分析內容進行相應的調試。最后，根據生成的可視化知識圖譜對個性化健康管理領域的研究現狀及前沿進行全面分析。

2結果與討論

21個性化健康研究文獻的年代分布

根據文獻計量分析方法，文獻的時間分布可以反映學科的發展態勢，而發文量的多少則代表了該領域在某段時間的熱門程度。從Web of Science中檢索的與個性化健康管理相關的文獻最早是從2003年開始，雖然個性化健康的概念由來已久，中醫中的辯證施治也包含了“個性化”的內涵，但直到2003年人類基因組計劃宣告完成，個性化健康管理領域才有了真正的技術支持，該領域研究也隨之正式開展，之后緩慢而穩定的增長。個性化健康管理領域相關的4 803篇文獻的時序分布如圖1所示，比較重要的幾個增長點分別為：2010年、2013年和2016年。需要指出的是，與個性化健康管理息息相關的另一個話題是個性化醫療，即精準醫療，該領域的發展也在一定程度上促進了個性化健康管理的發展。時任美國國家人類基因組研究所所長、人類基因組計劃首席科學家弗朗西斯·S·柯林斯（Francis SCollins），在人類基因組測序完成的前一年，即2002年，指出“個性化醫療”可能會在2010年實現。直到2010年，科學界才冷靜下來，意識到短短十年不足以實現這樣的目標，并且就這個話題產生了分歧[8]，引發了一系列的討論，個性化健康管理領域的研究在2010年也隨之引起了越來越多的關注；同時，在2009年歐洲成立了首個個性化醫療診斷聯合會，這促使了歐洲的一些國家對該領域的關注；世界經濟合作組織在2012年10月發布的報告《為精準醫學做好準備》指出，精準醫學是未來醫學的發展方向，隨之在2013年個性化健康管理領域的研究就出現了一個比較可觀的增長。2015年1月20日，美國總統奧巴馬在國情咨文中提出“精準醫學計劃”，希望精準醫學可以引領一個醫學新時代[9]。與之相對應的，個性化健康管理的相關問題也開始得到重視，2016年的發文數量較之2014-2015年的平穩增長，有了一個較大的飛躍。截止到2017年8月9日，該年度已有455篇文章發表，可以預測的是，2017年的發文量將再創新高。從總體來看，個性化健康管理領域的研究將穩定增長，如果國際醫療科技界大力推動，將會出現一個“爆發式”的增長點。我國相關研究人員應當緊跟此次國際熱潮，努力推動我國在個性化健康管理領域的研究，為日后個性化健康管理的發展打下良好的理論基礎。

22地區分布

CiteSpace的節點類型（Node Types）選擇國家（Country），設置閾值，繪制出相關的可視化知識圖譜。國家或地區的合作網絡關系如圖2所示。連線代表合作關系，粗細代表合作密度，合作越多，線越粗，顏色代表第一次合作的年份。該知識網絡圖譜共由88個節點（Nodes）和74條連線（Links）組成，圖中每個節點都表示1個國家，由圖譜可以清晰地看到文獻在全球分布很廣，4 803篇與個性化健康管理研究相關的文獻主要分布于全球88個國家。根據熱點國家發表的文獻數量統計結果顯示（如表1），其中發文量最多的是美國（2 184篇），占總數的4547%，由此可見其對個性化健康管理領域發展的重視程度。美國醫學界在2011年首次提出了“精準醫學”的概念，奧巴馬在2015年初次提出“精準醫學計劃”，美國財政預算計劃在2016年撥付給美國國立衛生研究院（NIH）、美國食品藥品監督管理局（FDA）、美國國家醫療信息技術協調辦公室（ONC）等機構共215億美元用于資助這方面的科學研究與創新發展[10]，這些舉措都極大地促進了美國在個性化健康管理領域的研究，結果由發文數量的變化亦可看出。

最短路徑中經過該節點的數量，是節點在整體網絡中所起連接作用大小的度量。一個節點的中介中心性越高，說明它在網絡中最短路徑上出現的越多，其影響力和重要程度越大[11-12]。在熱點國家知識圖譜中（如圖3），按中介中心性進行統計，荷蘭是最高的國家（079），這意味著它是該領域影響力最大的國家，根據“歐洲健康消費者組織”發布的歐洲健康消費者指數顯示，荷蘭連續6年位于榜首，榮獲“歐洲最佳醫療體系之國”稱號。荷蘭國內的市場激勵、公共政策和財政支持、民眾關心等因素，使荷蘭的醫療健康發展一直處于世界領先水平，也是它在個性化健康管理領域影響力最大的原因。另外，節點間的連線較為密集，說明國家相互之間合作較多，通過連線的顏色判斷，近些年來國家間的合作越來越多。

我國的發文數量全球第十，共計192篇，中介中心性排名第十三（029），為關鍵節點。這表明，我國在個性化健康管理領域的研究略有起色，但相較之美國、英國、加拿大、荷蘭等，還有不小的差距。另外，發文數量和中心性排名之間的差距也提醒我國相關研究人員進一步提高研究成果的質量水平和影響力。

綜上可知，目前從事個性化健康管理領域研究的國家遍布全球，研究分布非常廣泛，國家間的合作不密切，全球性的合作網絡還未完全形成。從文獻發表頻次上看，美國文獻發表數量遠遠大于其他國家，說明美國已經是個性化健康管理研究的前沿陣地，英國、加拿大、荷蘭也是個性化健康管理研究領域的主要國家。但是從中介中心性方面分析可知，荷蘭的中心度最高，占核心地位，其次是美國、澳大利亞、和法國。我國在個性化健康管理領域的研究還有所欠缺，不僅僅是文獻數量，在研究深度和影響力方面也還有很大的提升空間，這是我國學者們在今后的研究中需要加強的地方。

23機構分布

根據HistCite統計結果顯示（如表2），發文數量前十名全部都是各國高校，其中8所為美國高校，說明參與個性化健康管理相關研究的機構主要集中在高等院校，尤其是美國高校，在整個個性化健康管理領域的研究中發揮著重要作用，推動著該領域的發展進程，其他極少數研究單位為醫療機構。由于本文是從文獻發表方面入手進行研究的，結果表明參與研究的主體大多是高等院校和少數醫療機構，這樣的結果是意料之中的，但同時也反映了目前個性化健康管理領域的研究還主要在高校和研究機構，醫院健康服務機構和醫療健康產業界的參與較少。

CiteSpace中節點類型（Node Types）選擇機構（Institution），設置各項參數，生成個性化健康管理領域研究的機構合作可視化圖譜（如圖4）。各機構之間合作較為緊密，共同推動了個性化健康管理領域的發展。

我國排在前列的是中國科學院（Chinese Acad Sci）、中國醫科大學（China Med Univ）和臺灣澄清醫院（Cheng Ching Hosp），但在世界上的文獻發表量排名都在100名開外，說明我國機構在該領域的活躍度還不是很高，相關科研主管部門和研究機構需要加大在這方面的資金投入和研究力度。

24研究學科分布

CiteSpace節點類型（Node Types）選擇學科（Category），設置各項參數，生成個性化健康管理領域研究的學科分布可視化圖譜（如圖5）。圖中共有128個節點和213條連線，每個節點代

它表征論文的學術思想內容，是文獻計量研究的重要指標。

CiteSpace節點類型（Node Types）選擇關鍵詞（Keyword），設置各項參數，生成關鍵詞共現網絡可視化圖譜（如圖6）。在關鍵詞共現網絡圖譜中，共有115個節點（Nodes）和140條連線（Links）組成，圖中每個節點都表示一個關鍵詞。通過聚類分析，共產生11個聚類，圖中每一個#號表示一個聚類，從圖中可看到主要有7個大的聚類，可從中推斷當前個性化健康管理研究領域的主要熱點和基本的研究主題。

從分析結果來看，依照中心性排名前十位的關鍵詞（如表3）分別為Internet（互聯網）、Intervention（介入）、Personalized Medicine（個性化醫療）、Symptom（癥狀）、Disease（疾病）、Model（模型）、Program（范式）、Genomics（基因組學）、Care（照顧）、Proteomics（蛋白質組學）。從中可以看出當前個性化健康管理領域的研究依靠互聯網和醫療領域的支持較多，輔以部分社會學科的內容。此外，暫未出現Big Data（大數據）、IOT（物聯網）、Cloud Computing（云計算）等近些年來大熱的名詞，說明在該領域還有很大的發展空間。

牛津大學的維克多·邁爾·舍恩伯格教授等提出大數據已經影響了世界的方方面面，從商業科技到醫療、政治、教育、經濟、人文以及社會的其他各個領域[13]。就正如Kayyali B等所說，大數據將會對整個美國醫療行業產生重大影響，許多潛在的價值正逐漸顯現出來；國內學者鄒賀銼等也提出，大數據將對醫療系統包括管理與診斷手段造成“創造性破壞”[14]。更具體一些，大數據能夠通過輔助醫療衛生領域內的事務管理，保證社會醫療事務處理效率，也能處理最底層醫療健康數據收集問題[15]。醫療和生命科學中的大數據，種類和體量都非常之多，一個CT圖片含有

約150MB數據，一個基因序列文件大小約為750MB，一個標準的病理圖接近5GB，若將這些數據乘以人口數量和壽命，僅僅一個社區醫院或中等規模的制藥企業就可以產生TB乃至PB級的結構化和非結構化數據[16]，這些數據的處理必須要借助到當前最為有效的大數據挖掘和云計算等技術。醫療健康大數據研究的發展主要分為3個階段：疾病研究階段，主要對癌癥、肥胖病、高血壓等進行研究；生命健康研究階段，主要對食品、衛生、基因組等進行研究；智慧健康與養老研究階段，主要側重于個性化健康、精準醫療、精細老年照護等相關技術與方法的研究[17]。個性化健康管理處于健康大數據發展的后期階段，科研人員可以同時結合物聯網、云計算等技術，推動個性化健康領域向更智能的方向發展。

從圖7時序圖譜中可以看出，2011年往后的熱點詞匯有Implementation（實現）、Precision Medicine（精準醫療）、Electronic Health Record（電子健康記錄）、Risk Factor（風險因素）、Cardiovascular Disease（心血管疾病）、Technology（技術）等，可以看出個性化健康管理領域將在原有的基礎上向新的領域拓展，采用新的技術，在更深層次上探索，同時也越來越關注個性化健康管理的實際應用。為了推動個性化健康產業的建立和完善，我國的相關研究人員應當加大對技術、工具、設備等的研究；進一步擴大個性化健康服務對象的范圍，將服務人群從高收入人群、患者擴大到一般人群，考慮到我國國情，要重點關注老年人和慢性病方面的個性化管理；同時要注重信息庫的建立，國民健康數據和基因信息都需要建立龐大的數據管理系統。

3結論

本文利用HistCite和CiteSpace等軟件對2003-2017年Web of Science核心集收錄的4 803篇關于個性化健康管理領域研究的相關文獻進行了文獻計量分析，結果表明：1）從發表文獻的數量和時間分布來看，個性化健康管理領域的研究文獻的發表數量自2003年起，穩步增長至今，期間有較快增長的幾個時間段但未見明顯的“爆炸式”增長，說明這還是穩步發展中處于探索階段的一個研究領域，未來還有很大的發展空間。2）從熱點國家分布來看，從事個性化健康管理領域研究的國家分布廣泛，其中發文數量和影響力最大的分別為美國和荷蘭。我國發文數量較少，也未形成中心影響力，在該領域還處于萌芽狀態，我國的相關學者應當在該領域多加投入；從研究機構來看，個性化健康管理領域研究的主力是世界各大高等學校，主要集中在美國，另外，部分醫療機構在個性化健康管理領域也占據著比較重要的作用。我國參與個性化健康管理領域的研究機構比較少，僅為幾所高校和醫院；從研究學科分布來看，個性化健康管理的研究主要涵蓋了醫學領域、計算機科學領域和社會學領域，考慮到大數據的應用，今后計算機科學領域的比重將越來越大，遠程醫療、移動健康、電子病歷等等應用都需要計算機信息技術的大力支持；從研究熱點來看，個性化健康管理領域目前比較關注互聯網應用、個性化醫療以及基因組學等[18]。

參考文獻

[1]劉寧，陳敏.醫療健康大數據應用主題及相關數據來源研究[J].中國數字醫學，2016，11（8）：6-9.

[2]張繼可，楊莉，王宇，等.“個體化健康管理”探討[J].中國衛生事業管理.2000，（3）：152-153.

[3]王紅漫.個性化健康管理[M].北京：北京大學出版社，2014.

[4]李穎.中國文獻計量學實用研究的新進展[J].現代情報，2005，（4）：168-170.

[5]Bornmann L，Thor A，Marx W，et al.The Application of Bibliometrics to Research Evaluation in the Humanities and Social Sciences：An Exploratory Study Using Normalized Google Scholar Data for the Publications of a Research Institute[J].Journal of the Association for Information Science & Technology，2016，67（11）：2778-2789.

[6]Chen C.CiteSpace Ⅱ：Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J].Journal of the American Society for Information Science and Technology，2006，57（3）：359-377.

[7]楊蔚.快速進入陌生領域：HistCite使用教程[EB/OL].http：//ztever.com/histcite-manu， 2017-08-25.

[8]Stephen SHall.個性化醫療誤入歧途[J].趙瑾.環球科學，2010，（11），46-53.

[9]趙曉宇.美國“精準醫學計劃”解讀與思考[J].軍事醫學，2015，39（4）：241-244.

[10]郭凡禮，蔣華陽，許玲妮.2017-2021年中國精準醫療行業深度調研及投資前景預測報告[R].北京：中投顧問出版社，2017.

[11]劉則淵，陳悅，侯海燕，等.科學知識圖譜：方法與應用[M].北京：人民出版社，2008.

[12]林德明，陳超美，劉則淵.共被引網絡中介中心性的Zipf—Pareto分布研究[J].情報學報，2011，30（1）：76-82.

[13]維克托·邁爾·舍恩伯格，肯尼思·庫克耶.大數據時代——生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013：83.

[14]惠華強，鄭萍，張云宏.醫療大數據研究面臨的機遇與發展趨勢[J].中國衛生質量管理，2016，（23）：91.

[15]宋學清，劉雨.大數據：信息技術與信息管理的一次變革[J].情報科學，2014，32（9）：14-17.

[16]高漢松，肖凌，許德瑋，等.基于云計算的醫療大數據挖掘平臺[J].醫學信息學雜志，2013，（5）：7-12.

[17]Dongxiao Gu，Jingjing Li，Xingguo Li，Changyong Liang.Visualizing the Knowledge Structure and Evolution of Big Data Research in Healthcare Informatics[J].International Journal of Medical Informatics，2017，98：22-32.

[18]Yuangyuang X，Qi L，Li J.Detecting Adolescent Psychological Pressure Form Micro-Blog[J].Healyh Information Science，2014：83-94.

（實習編輯：陳媛）