基于Vosviewer與CiteSpace的中醫治療咳嗽病的可視化分析※

●張 燁 黃宗海 胡遠樟 許 強 溫川飆

咳嗽是呼吸科門診病人最常見的癥狀之一，咳嗽病因復雜且涉及面廣，特別是長時間發作的慢性咳嗽，常常因為診斷不明確，很多病人常反復進行各種各樣的檢查以明確病因，或長年服用大量抗菌藥品和鎮咳藥品，然而療效卻不佳，長期的咳嗽對患者的日常生活質量造成嚴重影響[1-5]。當前，我國中醫治療咳嗽病的相關文獻冗雜，但對其可視化分析的文獻資料較少，而在科學計量學中，Citespace 和Vosviewer 是比較常用的知識圖譜分析工具，可以直觀地展示相關行業的發展演進過程。

1 資料和方法

1.1 數據來源與檢索方法以CNKI為檢索數據庫，設定檢索方式“主題=咳嗽and中醫”(精確)進行檢索，檢索年限為1977 年1 月至2019 年8 月。共檢索出4311 篇相關文獻，除新聞、稿約、會議通知、作者和年份信息不全及咳嗽合并其它疾病如經行咳嗽、咳嗽遺尿、胃食管反流性咳嗽、慢性阻塞性肺疾病外，最終納入1109篇文獻。

1.2 數據轉換將納入的文獻以Refworks 和Endnote 的格式導出，導出的文獻記錄中所包含信息包括研究機構、題名、作者、摘要、關鍵詞、發表年份等。選擇CiteSpace與Vosviewer軟件中自帶的格式轉換器，將Refworks 轉換為CiteSpace 可用的download＿***.txt，將Endnote 格式文件轉換為Vosviewer 可用的networkfile格式以備用。

1.3 分析方法CiteSpace 是一款信息可視化軟件，能直觀地揭示隱藏在大量數據中的信息和難以覺察的關聯關系，同時能直觀地揭示科學知識的發展現狀、變化情況、研究熱點及前沿[6-7]。

Vosviewer 是由VanEck 與Waltman 研發的一款軟件[8]，在可視化圖譜展示中，尤其在聚類分析中有強大的優勢。此圖譜有聚類密度視圖(Cluster Density View)、密度視圖(Density View)、標簽視圖(Label View)及分散視圖(Scatter View)[9]等4種視圖瀏覽方式。這4種視圖瀏覽方式借助圖形顏色、大小等說明科學文獻之間知識的流動與轉移，映射科學文獻之間相似性、相互引證關系。

2 結果

2.1 發文年代分布由知網數據統計，從1977 年至2019 年共發表4311 篇文獻，年均發文量約為102 篇，2004年發文量為44篇，隨后文獻數量逐年增長，均在100 篇以上，2019 年（1 月-8 月）達到峰值443 篇。由圖1的文獻增長趨勢可知，1977年至2019年中醫咳嗽病的文獻大致符合指數增長模型(y=1E-99e0.1159x)，x 軸為年份，隨著年份增加文獻數量呈上升趨勢，近12年中醫咳嗽文獻研究開始興起、呈現逐漸盛行的趨勢。

圖1 中醫咳嗽病發文量變化趨勢

2.2 作者合著網絡分析CiteSpace中篩選發文量大于2篇的作者，形成后的圖譜中共有40位作者被納入統計。節點代表具體的作者，節點與節點之間的連線表示作者的合作關系。由圖2 可知目前主要研究團隊包括李澤庚團隊、朱佳團隊、郭錦晨團隊、張曉朦團隊。在CiteSpace 軟件的左邊可看到作者及發文量的統計，發表過相關文獻的作者共1795人，其中發文量最高的為李澤庚（6 篇），由此可以計算該研究領域的核心作者人數：核心作者最低發文量N=0.749×ηmax1/2(ηmax 即最高產作者的發文數量)[10]，其中ηmax=6，可得N≈2，本次研究中核心作者共40 人，約占所有發文作者人數的2.2%。核心作者發文數量為89 篇，占文獻總數的8%，根據賴普斯定律[11]，核心作者的發文量應占文獻總數的50%，表明該研究領域核心作者團隊尚未形成。而本次研究中的8%遠遠達不到50%，說明該研究團隊彼此聯系不緊密，較為分散。

圖2 作者合著網絡知識圖譜

2.3 研究機構網絡分析由CiteSpace生成研究機構合作圖譜，圖譜中每個圓環代表一個機構。由圖3可知排名前三位為天津中醫藥大學、北京中醫藥大學、南京中醫藥大學。節點之間的連線粗細代表機構間的合作強度，其中山東中醫藥大學與河南中醫學院之間、南京中醫藥大學與江蘇省中醫藥研究院之間合作較多。并且大學與附屬的醫院間的合作也較為密切，如北京中醫藥大學與北京中醫藥大學附屬醫院、北京中醫藥大學東方醫院之間；安徽中醫藥大學與安徽中醫藥大學臨床第一附屬醫院、研究生院、臨床醫學院間。而天津中醫藥大學雖然發文量最多，但是在該領域內與其它機構間無合作關系，不利于信息的共享與溝通。

圖3 研究機構合作知識圖譜

表1 高頻關鍵詞分類

2.4 關鍵詞可視化分析關鍵詞是利用簡短的語言來概括反映文章的主題[12]，高頻關鍵詞在一定程度上代表著該領域的研究熱點。通過對關鍵詞的分類分析可以將咳嗽病的文獻分為常用方劑、病因病機、治療方法、名醫經驗等四類，見表1。

將關鍵詞共現知識圖譜轉換成共現時區視圖，見圖4，并檢測突現詞(CitationBurst)，可直觀地展示近年來關于“咳嗽病”研究熱點的歷史演變。從圖中可知在2002年以前，該時期的關鍵詞主要有“肺氣”“肺”，多集中在病因的研究，而2002 年后，關鍵詞主要在“內傷”“老中醫經驗”“中醫治療”“辨證論治”等關于咳嗽病的治療研究方面。

運用“標簽視圖(Label View)”進行共詞聚類展示，見圖5。在該視圖中相同的顏色表示一個聚類相鄰兩個節點之間的距離越近，表示兩者之間的關系越密切[13]。列舉每個聚類中的關鍵詞，并歸納總結主題：①常用方劑：止嗽散、小柴胡湯、止咳方等。②相關病因：肺、外感咳嗽、內傷咳嗽等。③治療方法：中醫藥療法、中醫治療、辨證論治等。④名醫經驗：經驗、老中醫經驗等。

Vosviewer 軟件在關鍵詞共現聚類技術方面具有獨特的優勢[14]。利用該軟件繪制咳嗽病研究的關鍵詞共現權重圖譜如圖6，其中不同的顏色區分分別代表關鍵詞出現的時間的遠近。2010 年以后主要由黃色表示，2005 年-2010 年主要由綠色表示，1995 年-2000 年主要由青色表示，1995 年以前主要由紫色表示。由圖6 可知，2010 年以后，中醫藥療法、名醫經驗、止嗽散等關鍵詞占據核心地位。

圖4 關鍵詞共現時區視圖

關鍵詞共現密度視圖(Density View)可以直觀地反映出高頻詞之間共同出現的頻次密度[15]。如圖中的兩個關鍵詞共同出現的頻率較高，系統就會將兩者聚集在一起，形成一個類團，表明兩者之間的聯系較強。經過可視化后得到密度視圖如圖7 所示。在圖中，節點的大小代表了兩個關鍵詞間作用力的大小，節點之間的距離反映對象之間的相似程度，距離越近，相似程度越高，反之亦然。從圖譜中可以看到，中醫藥療法、止嗽散、肺備受關注。同時，以這些為中心，各自呈現出了一些關聯性的學術研究熱點，深化了中醫咳嗽病領域的研究工作。

3 討論

圖5 基于VOSviewer的標簽視圖

圖6 關鍵詞共現權重圖譜

基于以上軟件我們可以看到，自21世紀以來，中醫治療咳嗽的研究逐年增多，咳嗽病也越來越受到相關研究者的關注。研究熱點由最初的病因分析逐漸過渡到現在的辨證論治和中醫經驗，說明了學者對中醫咳嗽病認識的不斷加深，但在中醫治療咳嗽病中作者、機構及地域間的合作較為薄弱，核心作者的發文量占文獻總數的8%，遠低于賴普斯定律的50%，作者相互之間缺乏團隊合作。而在研究機構中天津中醫藥大學雖然發文數量最多，但是在該領域內與其它機構間無合作關系，而機構間的合作大多集中在高等院校和對應的附屬醫院之間，不同高等院校的合作需更進一步強化。

關鍵詞共現時區圖表明，2002 年之前，大部分研究集中在咳嗽病的病因探討，隨著時間的增長、臨床經驗的豐富，對于咳嗽病的研究趨于總結中醫經驗、辨證論治等研究。關鍵詞共詞聚類分析表明咳嗽病的研究熱點可以歸為四類：常用方劑、相關病因、治療方法、名醫經驗。而名醫經驗的總結大多還是按照傳統的分析方法，雖然也有部分借助現代信息技術的方法如關聯規則、聚類算法、數據挖掘等研究咳嗽病，但目前所用的數據挖掘方法屈指可數，因此積極借助現代信息技術網絡分析算法、關聯規則、網絡藥理學及中醫藥人工智能技術可以在一定程度上豐富目前研究所使用手段；而關鍵詞共現權重表明，2010年以后，中醫藥療法、名醫經驗、止嗽散等關鍵詞占據核心地位；關鍵詞共現密度視圖表明中醫藥療法、止嗽散、肺備受關注。

圖7 關鍵詞共現密度視圖

本文通過科學計量和可視化分析，客觀、形象地展示了中醫治療咳嗽研究狀態，系統梳理了該領域的文獻，不僅能夠使讀者對所展示的信息一目了然，而且可以探知中醫治療咳嗽病的知識演變路徑、研究熱點、前沿及未來的發展趨勢。期望本文可以為該領域學者提供一定的參考信息，在一定程度上開拓研究者思維，促進該學科的發展。