基于ESI高被引論文的醫(yī)學(xué)信息學(xué)研究前沿可視化分析

李小濤 金心怡 李 艷 張士靖* 關(guān)子易

(1.南京航空航天大學(xué)科技信息研究所，江蘇 南京 211106；2.南京航空航天大學(xué)工業(yè)和信息化智庫評價(jià)中心，江蘇 南京 211106；3.華中科技大學(xué)同濟(jì)醫(yī)學(xué)院醫(yī)藥衛(wèi)生管理學(xué)院，湖北 武漢 430030；4.山西醫(yī)科大學(xué)公共衛(wèi)生學(xué)院，山西 太原 030001)

醫(yī)學(xué)信息學(xué)是醫(yī)學(xué)與圖書情報(bào)學(xué)科的交叉與融合，其學(xué)科結(jié)構(gòu)與研究進(jìn)展近來受到學(xué)術(shù)界的密切關(guān)注。楊穎等[1]以PubMed為數(shù)據(jù)來源，通過共詞聚類分析探索了1999-2008年醫(yī)學(xué)信息學(xué)學(xué)科結(jié)構(gòu)的演變過程。袁曉園等[2]檢索了我國學(xué)者被Web of Science收錄的醫(yī)學(xué)信息學(xué)論文，并通過高頻關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)分析了我國學(xué)者在該領(lǐng)域的五大熱點(diǎn)研究主題。曹霞等[3]以Web of Sciences收錄的7種醫(yī)學(xué)信息學(xué)核心期刊為數(shù)據(jù)來源，分析了該領(lǐng)域合著網(wǎng)絡(luò)的整體結(jié)構(gòu)特性。張志強(qiáng)等[4]分析了生物醫(yī)學(xué)信息學(xué)面臨的機(jī)遇與挑戰(zhàn),并給出了發(fā)展建議。前人的研究為探索醫(yī)學(xué)信息學(xué)的熱點(diǎn)與前沿奠定了基礎(chǔ)，但目前尚未有學(xué)者基于該學(xué)科的ESI高被引論文進(jìn)行研究前沿的可視化分析。

ESI(Essential Science Indicators)即基本科學(xué)指標(biāo)數(shù)據(jù)庫，是基于SCI和SSCI的衡量科學(xué)研究績效、跟蹤科學(xué)發(fā)展趨勢的重要分析評價(jià)工具。作為評價(jià)一流學(xué)科的重要指標(biāo)之一，ESI高被引論文是各學(xué)科被引頻次前1%的論文，其數(shù)量特征可以從宏觀上反映學(xué)科發(fā)展水平，評估機(jī)構(gòu)的學(xué)科競爭力；其內(nèi)容特征可以體現(xiàn)學(xué)科的研究熱點(diǎn)與前沿，指引學(xué)科發(fā)展方向[5]。

本研究構(gòu)建了基于ESI高被引論文的研究前沿模型，對醫(yī)學(xué)信息學(xué)2013-2017年的ESI高被引論文及其施引文獻(xiàn)繪制科學(xué)知識(shí)圖譜，精準(zhǔn)揭示了該學(xué)科的前沿研究領(lǐng)域，為國內(nèi)研究機(jī)構(gòu)整體把握醫(yī)學(xué)信息學(xué)學(xué)科結(jié)構(gòu)、跟蹤學(xué)科發(fā)展動(dòng)態(tài)提供參考與借鑒。

1 數(shù)據(jù)與方法

1.1 研究前沿的界定

研究前沿的識(shí)別與探測是圖書情報(bào)領(lǐng)域關(guān)注的焦點(diǎn)之一，國內(nèi)外學(xué)者對研究前沿的界定大致有3類：第一類將一組高被引文獻(xiàn)定義為研究前沿[6]；第二類將一組施引文獻(xiàn)定義為研究前沿[7]；第三類將一組突現(xiàn)的動(dòng)態(tài)概念和潛在的研究問題定義為研究前沿[8]。陳超美教授是支持第三類觀點(diǎn)的代表性學(xué)者之一，他提出的Citespace概念模型將一個(gè)研究領(lǐng)域概念化成從研究前沿Ψ(t)到知識(shí)基礎(chǔ)Ω(t)的時(shí)間映射Φ(t)，即Φ(t)：Ψ(t)→Ω(t)[9]。本研究沿用陳超美教授對研究前沿的界定，并以該概念模型為基礎(chǔ)對研究前沿進(jìn)行識(shí)別與探測。

1.2 基于ESI高被引論文的研究前沿模型

ESI高被引論文是在其發(fā)表年份和所屬學(xué)科領(lǐng)域被引次數(shù)位于前1%的論文，ESI數(shù)據(jù)庫通過對近5年的ESI高被引論文進(jìn)行共被引分析和聚類分析識(shí)別各學(xué)科領(lǐng)域研究前沿[10]。ESI高被引論文在揭示研究前沿中的重要作用已得到廣泛認(rèn)可，Citespace的概念模型也已廣泛應(yīng)用于科學(xué)知識(shí)圖譜分析中，將ESI高被引論文與Citespace的概念模型相結(jié)合，可構(gòu)建基于ESI高被引論文的研究前沿模型(見圖1)，更好地對研究前沿進(jìn)行探測和可視化展示。

圖1 基于ESI高被引論文的研究前沿模型

圖1中模型以ESI高被引論文為核心，ESI高被引論文通過共被引聚類形成不同的前沿研究領(lǐng)域(共被引聚類A、共被引聚類B)，ESI高被引論文是各研究領(lǐng)域的知識(shí)基礎(chǔ)，ESI高被引論文的施引文獻(xiàn)則代表各前沿研究領(lǐng)域的新進(jìn)展。通過對ESI高被引論文及其施引文獻(xiàn)的可視化分析，可以得到各前沿研究領(lǐng)域的發(fā)展現(xiàn)狀和趨勢。

1.3 數(shù)據(jù)獲取

本研究的數(shù)據(jù)來源于Web of Science(WOS)核心合集。首先在WOS核心合集中檢索醫(yī)學(xué)信息學(xué)的研究論文，檢索式為WC=“Medical Informatics”，共得到86 199篇文獻(xiàn)；然后在檢索結(jié)果頁面中選擇“ESI精煉”(購買ESI數(shù)據(jù)庫后，檢索結(jié)果頁面才會(huì)有此選項(xiàng))，將論文發(fā)表年份限定為2013-2017年后，得到該學(xué)科領(lǐng)域近5年的ESI高被引論文158篇。進(jìn)一步對158篇ESI高被引論文的施引文獻(xiàn)進(jìn)行檢索，去除自引后的施引文獻(xiàn)共有8 046篇，其中1 152篇施引文獻(xiàn)來自“Medical Informatics”學(xué)科。158篇ESI高被引論文及其1 152篇施引文獻(xiàn)即為本文的分析對象。

根據(jù)本文對研究前沿的界定和圖1中的模型，158篇ESI高被引論文可被視為醫(yī)學(xué)信息學(xué)的知識(shí)基礎(chǔ)，ESI高被引論文通過施引文獻(xiàn)形成的多個(gè)共被引聚類即為醫(yī)學(xué)信息學(xué)的前沿研究領(lǐng)域，前沿研究領(lǐng)域的最新進(jìn)展蘊(yùn)含在1 152篇施引文獻(xiàn)中。通過Citespace V從施引文獻(xiàn)的標(biāo)題、摘要中提取的專業(yè)術(shù)語和出現(xiàn)頻率突然增加的術(shù)語作為聚類標(biāo)簽，可對各前沿研究領(lǐng)域的研究內(nèi)容進(jìn)行標(biāo)識(shí)和概括。本研究通過科學(xué)知識(shí)圖譜對醫(yī)學(xué)信息學(xué)各個(gè)前沿領(lǐng)域的重要文獻(xiàn)進(jìn)行內(nèi)容分析，深入細(xì)致地識(shí)別與監(jiān)測該學(xué)科的發(fā)展動(dòng)態(tài)。

2 結(jié)果與分析

將醫(yī)學(xué)信息學(xué)158篇ESI高被引論文及其1 152篇施引文獻(xiàn)(合計(jì)1 310篇文獻(xiàn))導(dǎo)入采用Citespace V，節(jié)點(diǎn)類型設(shè)置為Cited References,閾值為Top 50，時(shí)間段(Slice)設(shè)置為1年，進(jìn)行文獻(xiàn)共被引分析，結(jié)果見圖2。圖2中形成了5個(gè)明顯的文獻(xiàn)聚類，每個(gè)聚類的標(biāo)簽都用“#”號(hào)和阿拉伯?dāng)?shù)字進(jìn)行編號(hào)，分別代表醫(yī)學(xué)信息學(xué)領(lǐng)域的5個(gè)前沿研究領(lǐng)域。聚類標(biāo)簽來源選擇為施引文獻(xiàn)的標(biāo)題(Title)，標(biāo)簽抽詞算法設(shè)置為LSI。根據(jù)聚類標(biāo)簽和重要節(jié)點(diǎn)文獻(xiàn)的內(nèi)容分析，可知這5個(gè)前沿領(lǐng)域分別是：電子健康檔案(Electronic Health Records,EHR)、移動(dòng)App(Mobile Apps)、病人門戶系統(tǒng)(Patient Portals)、臨床決策支持(Clinical Decision Support,CDS)、社交媒體(Social Media)。下面分別對5個(gè)前沿領(lǐng)域的最新進(jìn)展進(jìn)行分析。

圖2 醫(yī)學(xué)信息學(xué)前沿研究領(lǐng)域

2.1 電子健康檔案(Electronic Health Records，EHR)

這一前沿領(lǐng)域由圖2中的“#0 electronic health records”聚類中的ESI高被引論文及其施引文獻(xiàn)構(gòu)成，其研究內(nèi)容主要包括以下兩個(gè)方面：

2.1.1 電子健康檔案的數(shù)據(jù)共享與交互

Mandel等[11]介紹了從哈佛醫(yī)學(xué)院和波士頓兒童醫(yī)院開始的替代醫(yī)學(xué)應(yīng)用和可復(fù)用技術(shù)(SMART)項(xiàng)目，其目標(biāo)是開發(fā)一個(gè)平臺(tái)，讓醫(yī)療應(yīng)用程序能夠在不同的醫(yī)療IT系統(tǒng)中一次性編寫和運(yùn)行。在2013年下半年，他們采用快速衛(wèi)生互操作資源(FHIR)對SMART進(jìn)行了升級(jí)。FHIR是由衛(wèi)生信息交換標(biāo)準(zhǔn)(Health Level 7，HL7)組織借鑒最新的Web技術(shù)創(chuàng)建的一套醫(yī)療信息規(guī)范,用于醫(yī)療數(shù)據(jù)的交換和共享。FHIR能夠和不同應(yīng)用環(huán)境兼容，例如手機(jī)上的App、云通訊及電子病歷共享系統(tǒng)和大型醫(yī)療機(jī)構(gòu)的服務(wù)器等。Wolff等[12]研究了電子健康檔案在醫(yī)生、患者及其護(hù)理伙伴間的共享問題。他發(fā)現(xiàn)向患者及其護(hù)理伙伴提供醫(yī)生對其電子健康檔案的訪問記錄后，患者對自己的健康管理能力更有信心，護(hù)理伙伴也可以更好地訪問和使用病人門戶系統(tǒng)功能，并改善和患者的溝通效果。

EHR反映了衛(wèi)生保健提供者的部分觀點(diǎn)，患者沒有控制或與他們的數(shù)據(jù)進(jìn)行交互的能力，因此Roehrs等[13]認(rèn)為需要一種綜合的方法來儲(chǔ)存與健康有關(guān)的數(shù)據(jù)，即個(gè)人健康記錄(PHR)，可以由衛(wèi)生保健提供者和病人使用。提供者不僅可以使用以前的健康相關(guān)記錄，還可以通過病人的交互作用來擴(kuò)展他們的數(shù)據(jù)。PHR的另一個(gè)優(yōu)勢是患者可以與他們的健康數(shù)據(jù)交互，做出可能對他們的健康有積極影響的決定。

2.1.2 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘

EHR越來越多地作為臨床風(fēng)險(xiǎn)預(yù)測的數(shù)據(jù)來源，通過機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘可以更加有效地從EHR數(shù)據(jù)中發(fā)現(xiàn)新知識(shí)。Goldstein等[14]通過文獻(xiàn)回顧分析了EHR應(yīng)用中的機(jī)會(huì)和挑戰(zhàn)。他發(fā)現(xiàn)現(xiàn)有的研究并沒有充分利用EHR數(shù)據(jù)的廣度，只有較少的研究是通過網(wǎng)站進(jìn)行驗(yàn)證的，而且許多研究并沒有完全解決EHR的數(shù)據(jù)偏倚問題。Zheng T等[15]提出了一種數(shù)據(jù)信息框架，通過特征工程和機(jī)器學(xué)習(xí)，從EHR中識(shí)別出2型糖尿病患者。他們評估和對比了該框架內(nèi)使用的機(jī)器學(xué)習(xí)模型的識(shí)別性能，包括k-近鄰、樸素貝葉斯、決策樹、隨機(jī)森林、支持向量機(jī)和邏輯回歸。該框架獲得了較高的識(shí)別性能(平均AUC為0.98)，遠(yuǎn)遠(yuǎn)高于當(dāng)前最先進(jìn)的算法(AUC 0.71)。

2.2 移動(dòng)App

這一前沿領(lǐng)域由圖2中的“#1 mobile app”聚類中的ESI高被引論文及其施引文獻(xiàn)構(gòu)成，其研究內(nèi)容主要包括以下4個(gè)方面：

2.2.1 移動(dòng)App的應(yīng)用研究

Dennison等[16]調(diào)查了年輕人對支持健康行為干預(yù)的App的看法,發(fā)現(xiàn)他們對這類App有一定的興趣,準(zhǔn)確性、合法性、安全性是影響年輕人使用這類App的主要因素。因此在研發(fā)健康行為應(yīng)用程序時(shí)應(yīng)充分考慮用戶的這些需求。Fiordelli等[17]對智能手機(jī)在醫(yī)療保健中的影響進(jìn)行系統(tǒng)的文獻(xiàn)綜述，發(fā)現(xiàn)智能手機(jī)應(yīng)用于醫(yī)療保健的范圍非常廣泛，而慢性病是其應(yīng)用的重點(diǎn)。

2.2.2 移動(dòng)App對健康的影響研究

移動(dòng)App對健康的效用主要體現(xiàn)在肥胖干預(yù)、促進(jìn)心理健康等方面。人們對利用信息傳播技術(shù)來治療肥胖越來越感興趣，智能手機(jī)的干預(yù)可能是一種方便的、具有潛在成本效益的、廣泛的體重管理策略。TurnerMcGrievy等[18]研究了通過App進(jìn)行自我監(jiān)測對飲食和運(yùn)動(dòng)行為的影響，發(fā)現(xiàn)App用戶的自我監(jiān)測意愿更強(qiáng)，減肥效果也更明顯，證明了手機(jī)App監(jiān)測方法在減肥試驗(yàn)中的潛在益處。Carter等[19]則研究了通過智能手機(jī)應(yīng)用對肥胖患者進(jìn)行體重自我監(jiān)控的和醫(yī)療干預(yù)的可行性，他們研發(fā)了名為“My Meal Mate”的體重管理App，通過對128名肥胖患者應(yīng)用該App的情況進(jìn)行隨機(jī)抽樣調(diào)查，證明了該App是一種可接受的、可行的減肥干預(yù)措施。Donker等[20]系統(tǒng)地回顧了研究移動(dòng)設(shè)備(如智能手機(jī)和平板電腦)上的心理健康類App的文獻(xiàn)，發(fā)現(xiàn)有8篇相關(guān)論文分別介紹了5款針對抑郁、焦慮和藥物濫用的App，結(jié)果顯示這類App確實(shí)有助于緩解抑郁、壓力，讓患者藥物使用顯著減少。

2.2.3 移動(dòng)App的評估量表研究

智能手機(jī)App應(yīng)用于醫(yī)療衛(wèi)生領(lǐng)域越來越多，但對這類App進(jìn)行評估的量表還很少見。Stoyanov等[21]開發(fā)了一個(gè)對健康應(yīng)用類App進(jìn)行測試、分類和評級(jí)的多維量表(Mobile App Rating Scale,MARS)，23個(gè)評價(jià)條目涵蓋了4類客觀指標(biāo)(參與度、功能性、美觀、信息質(zhì)量)和1類主觀指標(biāo)，他驗(yàn)證了MARS作為移動(dòng)健康類App的分類和質(zhì)量評估工具，是簡單、客觀、可靠的。

2.2.4 隱私問題研究

移動(dòng)App涉及的健康隱私問題也開始引起學(xué)術(shù)界關(guān)注。Sunyaev等[22]評估了移動(dòng)健康A(chǔ)pp隱私條款在iOS和Android上的可用性、范圍和透明度,發(fā)現(xiàn)只有30.5%的移動(dòng)健康A(chǔ)pp有隱私條款，他認(rèn)為應(yīng)該采取措施解決移動(dòng)健康A(chǔ)pp在隱私保護(hù)方面的問題。

2.3 病人門戶系統(tǒng)

支持病人與醫(yī)師在線交流的病人信息門戶系統(tǒng)可以降低成本，改善病人的醫(yī)療服務(wù)質(zhì)量，與電子病歷集成并支持雙向通信是病人門戶系統(tǒng)未來的主要發(fā)展方向。當(dāng)前國外對病人門戶系統(tǒng)的研究主要集中于系統(tǒng)的效用及影響因素上。這一前沿領(lǐng)域由圖2中的“#2 patient portals”聚類中的ESI高被引論文及其施引文獻(xiàn)構(gòu)成，其研究內(nèi)容主要包括以下兩個(gè)方面：

2.3.1 病人門戶系統(tǒng)對健康產(chǎn)出的影響

Kruse等[23]回顧了病人信息門戶系統(tǒng)對醫(yī)療服務(wù)質(zhì)量影響的文獻(xiàn)，發(fā)現(xiàn)該系統(tǒng)確實(shí)提高了病人的滿意度，但是對提高健康產(chǎn)出并沒有明顯的幫助，該系統(tǒng)當(dāng)前最有意義的作用是讓病人在線查看自己的健康信息記錄。Kelly等[24]以一個(gè)為父母提供兒童住院信息的門戶系統(tǒng)為研究對象，調(diào)查了該系統(tǒng)的作用及父母的滿意度。結(jié)果發(fā)現(xiàn)系統(tǒng)易于使用，改善了醫(yī)療服務(wù)，90%的父母對系統(tǒng)表示滿意。

2.3.2 應(yīng)用病人門戶系統(tǒng)的影響因素

Irizarry等[25]研究了病人信息門戶系統(tǒng)使用的影響因素，發(fā)現(xiàn)患者的興趣和應(yīng)用能力受到年齡、民族、教育程度、健康素養(yǎng)、健康狀況和護(hù)理者角色等個(gè)人因素的強(qiáng)烈影響，門戶系統(tǒng)需要同時(shí)滿足醫(yī)療機(jī)構(gòu)和病人的信息需求才能得到更大的認(rèn)可。Tieu等[26]研究了弱勢群體通過病人信息門戶獲取電子健康記錄中遇到的困難，發(fā)現(xiàn)計(jì)算機(jī)操作困難、閱讀寫作困難和醫(yī)學(xué)知識(shí)缺乏都影響了弱勢群體對門戶系統(tǒng)的使用，他認(rèn)為應(yīng)為弱勢群體提供更多的培訓(xùn)和支持。

2.4 臨床決策支持

這一前沿領(lǐng)域由圖2中的“#4 clinical decision support”聚類中的ESI高被引論文及其施引文獻(xiàn)構(gòu)成，其研究內(nèi)容主要包括以下兩個(gè)方面：

2.4.1 醫(yī)患共同決策模式

作為一種新的醫(yī)療文化模式,醫(yī)患共同決策(Shared Decision Making,SDM)越來越受到學(xué)術(shù)界的關(guān)注。醫(yī)患共同決策即醫(yī)務(wù)人員充分告知患者各種治療方法的好處和壞處，知情的患者權(quán)衡利弊并與醫(yī)務(wù)人員充分交流后共同作出決策，但這種決策模式對于改善患者愈后的效果尚未得到公認(rèn)。Shay等[27]的研究表明SDM可以有效地促進(jìn)患者對醫(yī)療的正面情感認(rèn)知，但促進(jìn)患者改善健康行為和健康產(chǎn)出比例分別僅為37%和25%，因此SDM的效果還有待進(jìn)一步驗(yàn)證。

2.4.2 電子處方應(yīng)用

在各國政府的支持和鼓勵(lì)下，電子處方被廣泛地使用，臨床決策支持系統(tǒng)(CDS)常常為電子處方顯示過多的警報(bào)，導(dǎo)致警報(bào)疲勞。Nanji等[28]研究了門診中藥物相關(guān)的CDS警報(bào)的覆蓋率，發(fā)現(xiàn)最常見的警報(bào)是重復(fù)用藥(33.1%)、患者過敏(16.8%)和藥物相互作用(15.8%)，他認(rèn)為應(yīng)該對CDS的警報(bào)進(jìn)行細(xì)化，提高這些警報(bào)信息的相關(guān)性和針對性。Payne等[29]探索了藥物交互作用(DDI)臨床決策支持警報(bào)的首選策略，討論了三個(gè)關(guān)鍵問題:如何顯示DDI臨床決策支持信息?DDI臨床決策支持的表達(dá)形式是否要因人而異？如何評估DDI臨床決策支持的有效性？他的結(jié)論是臨床決策支持警報(bào)需要重大改進(jìn)，應(yīng)減少警報(bào)疲勞、提高患者安全。

基于EHR的積極臨床決策支持(CDS)可以在基因藥物治療及病人護(hù)理中得到應(yīng)用。Bell等[30]設(shè)計(jì)了基于EHR的臨床決策支持系統(tǒng)，應(yīng)用于多種藥物遺傳監(jiān)測，該系統(tǒng)針對高風(fēng)險(xiǎn)藥物向臨床醫(yī)生提供警報(bào)。他通過實(shí)驗(yàn)驗(yàn)證了開發(fā)該系統(tǒng)的可行性，可為臨床醫(yī)生提供基于基因的藥物處方警報(bào)。Hoffman等[31]認(rèn)為藥物基因組學(xué)要成功地應(yīng)用于日常的臨床護(hù)理，需要一種機(jī)器可讀的、適用于EHR和CDS的藥物基因組知識(shí)數(shù)據(jù)庫。他概述了這種知識(shí)庫的關(guān)鍵特征，并討論了這些知識(shí)資源應(yīng)用于藥物基因組學(xué)和精準(zhǔn)醫(yī)學(xué)的重要性。

2.5 社交媒體

這一前沿領(lǐng)域由圖2中的“#5 social media”聚類中的ESI高被引論文及其施引文獻(xiàn)構(gòu)成，其研究內(nèi)容主要包括以下兩個(gè)方面：

2.5.1 社交網(wǎng)絡(luò)對健康行為的影響

Maher等[32]系統(tǒng)地回顧了關(guān)于在線社交網(wǎng)絡(luò)對健康行為干預(yù)有效性的文獻(xiàn)，發(fā)現(xiàn)只有非常少量的證據(jù)表明，納入在線社交網(wǎng)絡(luò)的干預(yù)措施可能是有效的。但他同時(shí)也承認(rèn)，這一領(lǐng)域的研究還處于起步階段，需要進(jìn)一步地研究來確定如何利用在線社交網(wǎng)絡(luò)實(shí)現(xiàn)大眾傳播。Laranjo等[33]通過Meta分析評估了基于社交網(wǎng)站的干預(yù)措施在健康行為改變中的有效性，發(fā)現(xiàn)社交網(wǎng)站對健康行為改變的干預(yù)是有效的，但納入分析的文獻(xiàn)之間存在較大的異質(zhì)性。

2.5.2 社交媒體在醫(yī)療服務(wù)中的應(yīng)用

Moorhead等[34]總結(jié)了社交媒體在公眾、患者和醫(yī)療衛(wèi)生專業(yè)人員之間進(jìn)行健康交流的用途、優(yōu)勢和局限性。他認(rèn)為社交媒體在衛(wèi)生服務(wù)中的優(yōu)勢在于可加強(qiáng)與他人的互動(dòng)，能促進(jìn)、分享和獲取健康信息，后續(xù)研究應(yīng)評估不同類型的社交媒體對健康傳播的有效性，并探索利用社交媒體監(jiān)測和提高健康信息傳播質(zhì)量和可靠性的潛在機(jī)制。Grajales等[35]認(rèn)為大量的利益相關(guān)者(如臨床醫(yī)生、衛(wèi)生管理人員、專業(yè)院校、學(xué)術(shù)機(jī)構(gòu)、衛(wèi)生部等)不知道社交媒體的應(yīng)用途徑和潛在的風(fēng)險(xiǎn)，以及這些風(fēng)險(xiǎn)是如何減弱的。他通過文獻(xiàn)回顧研究了醫(yī)療和衛(wèi)生保健部門中使用社交媒體的方式、地點(diǎn)和原因。客觀的社會(huì)媒體作為個(gè)人健康信息共享平臺(tái)正變得越來越受歡迎，Nikfarjam等[36]認(rèn)為社交媒體的信息通過自然語言處理(NLP)技術(shù)可以用于公共衛(wèi)生監(jiān)測,尤其是應(yīng)用于藥物安全監(jiān)視。他設(shè)計(jì)了一種基于機(jī)器學(xué)習(xí)的從社交媒體上提取藥物不良信息的方法，并驗(yàn)證了其有效性。

3 結(jié) 語

本研究以Citespace的概念模型為參照，提出了基于ESI高被引論文的研究前沿模型，從ESI高被引論文及其施引文獻(xiàn)入手繪制科學(xué)知識(shí)圖譜，發(fā)現(xiàn)了醫(yī)學(xué)信息學(xué)5大前沿研究領(lǐng)域：電子健康檔案、移動(dòng)App、病人門戶系統(tǒng)、臨床決策支持、社交媒體。通過對上述前沿領(lǐng)域的進(jìn)一步分析，總結(jié)出醫(yī)學(xué)信息學(xué)研究的3個(gè)趨勢：1)重視信息行為對健康產(chǎn)出的影響。移動(dòng)App對健康的影響、病人門戶系統(tǒng)對健康的影響和社交網(wǎng)絡(luò)對健康的影響是各個(gè)前沿領(lǐng)域的重要研究內(nèi)容；2)密切關(guān)注新興技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用。移動(dòng)app在醫(yī)療中的應(yīng)用研究、應(yīng)用病人門戶系統(tǒng)的影響因素研究、電子處方應(yīng)用研究等新興技術(shù)在醫(yī)療服務(wù)中的應(yīng)用研究成效顯著；3)數(shù)據(jù)科學(xué)對醫(yī)學(xué)信息學(xué)研究的影響日益明顯。無論是對電子健康檔案進(jìn)行機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘，還是在社交媒體研究中引入自然語言處理技術(shù)進(jìn)行公共衛(wèi)生預(yù)測，都是數(shù)據(jù)科學(xué)在醫(yī)學(xué)信息學(xué)研究中的具體應(yīng)用。

本研究將基于ESI高被引論文的研究前沿模型應(yīng)用于醫(yī)學(xué)信息學(xué)，揭示了該學(xué)科的前沿研究領(lǐng)域及其發(fā)展動(dòng)態(tài)。ESI高被引論文是各學(xué)科領(lǐng)域?qū)W術(shù)影響力最高的文獻(xiàn)，也是一流學(xué)科的重要評價(jià)指標(biāo)之一，因此基于ESI高被引論文的學(xué)科前沿分析能更好地適應(yīng)“雙一流”背景下學(xué)科建設(shè)的需要。該模型能幫助相關(guān)高校精準(zhǔn)識(shí)別學(xué)科研究前沿，監(jiān)測學(xué)科研究動(dòng)態(tài)，洞察學(xué)科發(fā)展趨勢，在制定學(xué)科發(fā)展規(guī)劃、凝練學(xué)科研究方向等過程中有著廣闊的應(yīng)用前景。此模型不僅適用于醫(yī)學(xué)信息學(xué)領(lǐng)域，也可應(yīng)用于其他學(xué)科的研究前沿探測。