PubMed與Embase的主題標引及主題檢索功能比較研究

,,

PubMed和Embase是生物醫學領域的兩大文摘類數據庫，它們獨有的主題詞表有效地提高了文獻標引及檢索能力，因而受到專業人士的青睞。PubMed長期堅持免費開放，在全球范圍內擁有廣泛的用戶基礎；Embase近年來除保持藥學與病理學方面的特色外，還通過整合MEDLINE數據(PubMed的主體部分)提升產品影響力。對二者的詞表構成及標引策略展開研究，既能促進用戶對檢索系統的認識和利用，也能推動信息檢索理論的發展。

1 國內外研究現狀

對PubMed或Embase的分析或比較研究，國內外均已有較多文獻述及。在數據標引、收錄范圍、所用詞表，專指度等方面[1-3]，認為MeSH詞表的收詞量及專指度較為適宜[4]；Emtree的詞匯量大，專指性強，因而可保證較高的查全率和查準率[5]；Embase主題檢索查全率高于PubMed，PubMed基本檢索查準率更高[6]。需注意的是，這些成果大多發表于20年前，由于研究視角、研究方法不同，尤其是檢索問題、檢索范圍、檢索時間及檢索途徑不同，還可能導致研究結論完全不同[7-9]。在國外研究方面，除Bekhuis等[10]所做的MeSH和Emtree收錄術語及覆蓋范圍的比較效果研究(Comparative Effectiveness Research，CER)外，較多學者將注意力集中于醫學某一分支領域開展實驗性比較研究，如關于ClinicalTrials.gov、PubMed、Embase及Google scholar收錄卵巢癌臨床試驗結果的透明度分析[11]，MEDLINE和Embase數據庫麻醉學系統綜述檢索策略優化的實驗研究等[12]。Cadwell等認為，利用Embase的“Major Focus”功能可減少臨床系統綜述文獻的篩查負擔[13]；Glanville等認為，盡管Embase是健康技術評估(HTAs)時需檢索的一個關鍵數據庫，但因其主題詞數量太多而可能導致查準率不高[14]；Lam等發現盡管Embase的收錄范圍更廣，但美國和加拿大的醫學界并未用Embase替代MEDLINE[15]。

從數據庫及檢索系統本身變化情況來看，Embase于2017年在檢索途徑及功能方面作了重大升級，2018年發布了新版Embase標引策略綜合指南；PubMed在主題詞表的修訂與完善方面也做了較多改變，2018年新增主題詞1000余個，為近年來增幅之最，還在增補概念表中新增了有機體類詞匯，在限定檢索中增加了主題限定等。

綜上，國內雖有PubMed與Embase的比較研究，但大多成文時間較早，難以反映最新內容，研究結論的不一致也易使讀者產生混淆；國外則更偏重于應用領域的實驗性研究，對二者詞表構成及主題標引的比較分析較少，反映最新變化較少。

2 詞表簡介及構成

2.1 MeSH詞表

PubMed所用敘詞表為《醫學主題詞表》(Medical Subject Headings，以下簡稱MeSH)，由美國國立醫學圖書館(以下簡稱NLM)編制而成，主要用于NLM生物醫學文獻信息的索引編目以及檢索利用。MeSH屬于層級制醫學受控詞表，具有相對完善和固定的結構體系，被認為是詞表之典范[1]。其創建時間最早可追溯至1940年《醫學索引》的季度累積主題索引。1960年，隨著《醫學索引》新專輯的出版，《醫學主題詞表》首版正式發行，共收錄4400個詞匯[16]。目前，詞表分為16個大類，最多可達13個層級[17]。

MeSH詞表由主題詞(Descriptors，亦稱敘詞)、副主題詞(Qualifiers，亦稱限定詞)和增補概念(Supplementary Concept Records，簡稱SCRs)3類記錄構成。主題詞是MeSH的主體部分，由以下4類記錄構成：第1類為主標題(Main Headings)，用于MEDLINE數據庫、出版物和其他數據庫收錄文獻內容特征的編目索引，可在PubMed的[MH]字段中檢索到，一般為年度更新，遇特殊情況時會頻繁更新，如2003年的“非典”時期，NLM在5月份就將“Severe Acute Respiratory Syndrome”與“SARS Virus”加入到MeSH中；第2類為出版類型(Publication Characteristics或Publication Types)，如期刊文章、臨床試驗、綜述等；在MEDLINE記錄中標記為“PT”而不是“MH”；第3類為特征詞(Check Tags)，用于特定類別信息的標引，不會出現在MeSH樹狀結構表中，之前曾收錄人類、動物、性別、年齡等特征詞，目前僅保留性別(包括“男性”和“女性”)特征詞，其余均轉換為第1類主題；第4類為地理名詞(Geographics)，用來描述物理位置，列入MeSH樹狀結構表的Z類中。

副主題詞是指對主題某一方面內容進行限定的詞，如“治療”“遺傳學”等，其數量比主題詞少很多，也相對固定，官方宣稱現有80個，但筆者發現其中的“antagonists & inhibitors”與“antagonists and inhibitors”疑為重復。一般情況下副主題詞不單獨使用，但在PubMed中也可使用[SH]標記實現副主題詞字段的限定檢索。

標引人員常會遇到找不到合適的主題詞標引文獻的情況，如某些特定化學品、罕見疾病或藥物聯合治療方案等。NLM的解決方案是將其作為增補概念記錄(SCRS)添加至MeSH詞表中作為補充。不同于正規主題詞的是，增補概念不列入MeSH樹狀結構中，而是單獨成表，通過MeSH字段映射的方式來建立與主題詞表的聯系并實現其檢索功能。從結構上看，增補概念包含術語結構和概念結構兩種模式，術語結構由入口詞、優選詞兩級結構組成，概念結構由類、概念和術語三級結構組成。概念和術語之間為嚴格的同義關系，類和概念之間可以是密切關聯的同義、相關或廣義關系[18-19]。從內容上看，增補概念分為4類：化學物質和藥物，主要映射到D類主題；治療方案，用于化療方案，一般映射到主題“抗腫瘤聯合化療方案”和其他D類主題；罕見疾病，一般映射到C類和部分A類主題；有機體為2018年新增內容，一般映射到B類主題。目前，增補概念表每周更新，現收錄詞匯逾24萬[17]。

2.2 Emtree詞表

Emtree是生物醫學和相關生命科學領域的一種層級結構受控詞表，主要用于Embase收錄文獻的標引與檢索[20]。Emtree詞表創建于1988年，其前身為MALIMET(Master List of Medical Indexing Terms)，在規范控制方面借鑒了MeSH[5,21]的樹狀層級結構，所以二者在結構上相似。目前，該詞表由14個大類構成，分類層級比MeSH更多，如“Chlorocebusaethiops”，在MeSH中為第13級，在Emtree中為第22級。 與MeSH類似，Emtree由主題詞(Preferred Terms，亦稱優先詞)、副主題詞(Subheadings)和候選詞(Candidate Terms)3類術語構成，具體包括通用術語、藥物名、特征詞、候選詞、副主題詞(藥物、疾病及設備類)、藥物商品名及廠商名、設備商品名及廠商名、臨床試驗號、分子序列號以及CAS的化學物質登記號等10大類[22]。 Emtree的副主題詞數量共計82個，其中疾病類14個、藥物類64個、設備類4個，總量與MeSH大致相當。與MeSH不同的是，Emtree僅疾病、藥物或設備類主題詞才搭配副主題詞。

3 詞表詳細比較

3.1 ELSEVIER的觀點

ELSEVIER從收錄術語數量、詞表結構及覆蓋范圍、更新頻率等方面詳細比較了Emtree與MeSH：Emtree收錄術語數量更多，在藥物類主題方面覆蓋范圍更廣、更新速度更快，更方便用戶查閱最新文獻等，具體見表1[23]。

3.2 補充比較

主題詞的表現形式不一，各有優缺點。Emtree的自然語序形式更為直觀，更易于識別和理解；而MeSH的倒置形式則是為了使用戶在利用主題詞字順表、索引表或在檢索輸入過程中能夠更便捷地識別與選擇同族詞匯，這種倒置表達形式可在一定程度上彌補檢索系統沒有分類檢索功能的不足[4]。

Emtree收詞量比MeSH大，二者的側重點和新詞處理方式大同小異。Emtree收錄主題詞82 067個[22]，約為MeSH的2.8倍。其中“化學品和藥物”類所占比例最重，達39.54%；其后依次為“過程、參數和設備”類(14.30%)及“疾病”類(11.58%)。“化學品和藥物”類收錄的可用于檢索的同義詞在其同義詞表中所占比例更高，達60%[23]。正因為如此，ELSEVIER在產品介紹時特別強調Embase側重于藥物、疾病與設備檢索。

筆者統計2018年的MeSH詞表發現，“D化學品和藥品”類占整個MeSH詞表的38.37%，其后依次為“C疾病”類(占19.70%)，“E分析、診斷與治療用技術及設備”類(占8.69%)。三者累積達66.76%，比Emtree還略高一些，說明MeSH從總體上也是側重于藥物、疾病與設備的。在數據更新方面，二者均使用了自動標引與人工標引相結合的方式。2009年，Embase引入自動標引技術，會議摘要、預出版文獻以及處理過程中的文獻均采用自動標引技術[24]，PubMed則要更早些。新主題詞替換舊主題詞時，Embase將會回溯更新數據[24]；而PubMed僅在副主題詞更替時才會回溯更新數據，主題詞變更時則不作處理，這就需要用戶在主題詞檢索過程中關注主題詞的變化情況。二者的新詞處理方法相似：在Embase的數據標引過程中，標引人員遇到新詞時可將其作為候選詞(candidate term)直接編入Emtree[25]；PubMed的標引人員在遇到新詞時可將其放到增補概念表中，用戶可在MeSH中直接檢索，增補概念表每周更新，與Emtree的每年更新3次相比，更新頻率更快[26]。

在入口詞或同義詞方面，NLM宣稱PubMed的入口詞有9萬多條，增補概念表收錄詞匯超過24萬條，二者累積量超過了Emtree的同義詞。Embase將MeSH詞匯完全收入后大多作為入口詞或同義詞，為用戶從PubMed轉到Embase提供了方便。在藥物方面，其同義詞數量總體上超過MeSH。

以“阿司匹林”為例，MeSH直接采用“Aspirin”，收錄入口詞共19個，利用MeSH Browser查詢到增補概念表中映射到該詞的記錄共104個；Emtree采用的是“acetylsalicylic acid”，其同義詞數量多達268個。可見Emtree的主題詞標引粒度更細。

表1 Emtree與MeSH的不同點

*2018年5月的數據

盡管二者副主題詞數量大致相當，但標引方式大相徑庭。在PubMed中，任一類主題詞均有可與之匹配的若干副主題詞，且副主題詞間是分級的，最多可存在3個層級，如“外科學-治療-移植。若用戶檢索某一主題時選擇了其副主題詞“治療”或“外科學”，其檢索結果均包含了“移植”的相關內容。讓人難以理解的是，PubMed檢索系統實現了自動擴展檢索副主題詞功能，卻沒有在用戶檢索操作界面中將副主題詞的層級清晰直觀地體現出來，這種功能上的缺失可能會使用戶感到困擾。在主題檢索過程中，PubMed檢索系統會自動屏蔽那些無法與之匹配的副主題詞，如以“肝腫瘤”作主題詞時，系統會屏蔽 “化學合成”“藥理學”“治療應用”等副主題詞。在Embase中，僅有疾病、設備和藥物3類主題詞可搭配副主題詞：藥物類副主題詞共64個，其中47個為給藥途徑類副主題詞，其他17個副主題詞中有5個為主要副主題詞；疾病類副主題詞14個，2個為主要副主題詞；設備類副主題詞4個，于2014年引入，其中2個為主要副主題詞[27]。此外，在Embase中副主題詞與主題詞的結合不如PubMed緊密，Embase強調其副主題詞可獨立于特定主題，可單獨檢索，因而被稱為自由浮動(free-floating)或浮動(floating)副主題詞[21]。這樣做的好處是在標引或檢索時組配更加靈活，缺點則是可能會產生檢索噪音。

4 實例分析

4.1 主題標引

前已述及，Emtree主題詞數量是MeSH的2.8倍，因而從理論上來說，Embase收錄文獻的主題詞數量應超過PubMed，加拿大藥物與生物技術局的最新研究證實了該推斷。研究顯示，Embase的檢索結果中平均有3～4個主要主題詞和最多50個次要主題詞，而MEDLINE記錄平均只有10～20個主題詞[14]。

此外，二者在副主題詞標引方面差異明顯。如PubMed中可與“阿司匹林”組配的副主題詞共有30個，Embase僅有17個副主題詞，Embase只是在“給藥途徑”方面細分出47種不同給藥方式；再如以“肝腫瘤”作為主題詞檢索時，PubMed可與之匹配的副主題詞達49個，而Embase則僅有14個。Emtree在副主題詞組配方面存在小“瑕疵”，如藥物類主題詞可組配“藥物治療”，而疾病類主題詞可組配“副作用”，邏輯上不太合理；PubMed則處理得更好，藥物類主題組配“治療應用”，疾病類主題則組配“治療”，“副作用”只與化學及藥物類主題詞組配。究其原因，筆者認為是標引方法不同所致，Embase采用浮動或自由浮動副主題詞的方式進行標引，而PubMed則采用先組式標引方式，主題詞與副主題詞關系緊密，存在嚴格的邏輯主從關系。

長期以來，PubMed對中醫藥文獻的收錄與標引缺乏足夠重視，而Embase宣稱在亞洲文獻的收集方面超過PubMed。筆者以點代面，以“龍膽瀉肝湯”為例，考察比較二者中醫文獻收錄及標引情況。經檢索發現，MeSH將龍膽瀉肝湯收入SRCs中，并映射到主題詞“Drugs,Chinese Herbal”下，可直接檢索。在檢索過程中也發現存在因翻譯差異造成重復收錄的情況，如2008年收錄“longdanxiegan decoction”，2010年收錄“longdanxiegan tang”。此外發現類似的情況還存在因漢語拼音與拉丁文翻譯不同、劑型缺省、詞形差異等原因造成的重復收錄[28]。Emtree則將“longdanxiegan tang”列入候選詞表中，未見有術語重復收錄的情況，檢出的文獻也比PubMed的多。

4.2 主題檢索

筆者使用中發現，在一般情況下，Embase的檢索結果往往比PubMed的多。以“阿司匹林”為例，在PubMed與Embase中選擇主題途徑檢索，檢索日期為2018-06-01，分別得到42 330和195 434篇文獻。在對檢索結果的進一步篩選時，Embase檢索系統的優勢就體現出來，可根據每一篩選項尤其是自動浮動副主題詞以及其后列出的檢索結果適時調整檢索策略。

Embase在2017年改版后不僅增加了藥物安全警示導引(PV Wizard)、循證醫學(PICO)等檢索途徑，恢復了設備檢索途徑，而且大大提升了檢索結果處理能力。一是在藥物、疾病及設備等3類主題檢索時，用戶可在檢索結果列出后進一步限定副主題詞；二是系統會在檢索結果頁的左部列出來源、藥物、疾病、設備、浮動副主題詞、年齡、性別、研究類型、出版類型、期刊名稱、出版年、作者、會議摘要、藥物商品名、藥物廠商名、設備商品名及設備廠商名17類篩選項，點擊“疾病”“藥物”或“設備”中的任一類，系統會列出檢索結果中包含該類主題，再點擊其后的“details”圖標后，系統會彈出“主要副主題詞”選擇框，待用戶選擇后，系統還會進一步彈出與之相關的其它主題詞的列表供用戶進一步限定。Embase的浮動副主題詞文獻篩選功能在一定程度上相當于PubMed的多主題詞合并檢索，但不同的是，Embase的用戶可根據檢索結果適時優化檢索策略。該功能還可為用戶帶來很多益處，如幫助用戶從藥物的角度獲取文獻中涉及藥物不良反應、藥物聯用、藥物比較等細節性的內容；從疾病領域出發，對文獻進行篩選，進行疾病分析；查尋一些在研或上市的藥物名稱等。浮動副主題詞文獻篩選功能的實現主要得益于Embase的“三重標引(Triple Indexing)”機制，如表2所示[29]。

二者在主題檢索中還有其他一些小功能，如“AutoComplete”功能，即在輸入主題詞時能從主題詞表中將所有以這些字母開頭的數據提示給用戶，供用戶選擇。

表2 Embase三重標引示例

5 結語

綜上所述，從發展歷程上看，MeSH歷史久遠，體系結構成熟穩定，被許多其他醫學文獻檢索系統直接借鑒或間接參考；Emtree也不例外，不僅借鑒了其規范化控制，還將MeSH術語納入自身的同義詞表。從構成關系上看，二者結構類似，Emtree體量更大，但從入口詞與同義詞數量來看，利用增補概念擴充MeSH可從數量上接近Emtree。從主題標引上看，二者各有特色，PubMed在規范性方面更為出色，Embase的篇均標引量更高。在檢索功能方面，PubMed更注重降低用戶的學習成本，操作簡捷易用，而Embase在用戶友好性方面更勝一籌。