基于CiteSpace的中醫藥數據挖掘研究現狀與發展趨勢分析*

李 昱，楊 濤

（南京中醫藥大學，江蘇 南京 210023）

中醫藥文化擁有幾千年的歷史，數據量巨大且復雜多樣，其中蘊含的規律及經驗浩如煙海，僅憑人工歸納則缺乏科學性、客觀性、全面性。如何利用新時代的科技優勢進行守正創新即成為迫不及待的問題。隨著信息技術的發展，數據挖掘這一研究領域逐漸成為熱點。數據挖掘是指從海量數據中，通過算法提取隱含在其中、潛在有用的信息[1]。數據挖掘技術在中醫藥數據處理中展現了廣泛的應用前景。越來越多的學者利用數據挖掘開展中醫藥研究。如趙舒蒙等[2]利用復雜網絡分析古醫籍中針灸治療惡心嘔吐腧穴配伍規律；張洪源等[3]利用數據挖掘和整合藥理學探討中藥桃仁治療冠心病的分子機制；陳曦等[4]利用醫案解構探討名老中醫經驗數據挖掘現狀；趙小萱等[5]利用數據挖掘研究中醫古籍中崩漏氣血虧虛證用藥規律等。為更好地展現中醫藥數據挖掘研究的發展脈絡，本研究借助CiteSpace科學文獻計量軟件，對2010—2019年有關中醫藥數據挖掘研究領域的文獻進行可視化分析，以期為進一步推進中醫藥數據挖掘研究提供參考。

1 資料與方法

1.1 數據來源 本研究數據來源于中國知網（CNKI），采用專業檢索，設置檢索條件：SU=（“數據挖掘”+“數據處理”+“數據分析”+“知識發現”+“聚類”+“關聯規則”+“因子分析”+“復雜網絡”+“決策樹”+“回歸分析”+“貝葉斯”+“神經網絡”+“支持向量機”+“隨機森林”+“K-Means”+“Apriori算法”+“K-鄰近”）AND（SU=“中醫”+“中藥”+“中醫藥”+“方劑”+“針灸”），設置檢索時間范圍為近10年（2010年1月1日至2019年12月31日），共檢索到6 113篇相關文獻（檢索時間為2020年2月12日），其中會議通知228篇，學位論文3 216篇，期刊論文2 669篇。

1.2 文獻篩選 為保證文獻研究結果的一致性與科學性，納入主題符合檢索式、內容符合中醫藥數據挖掘的文獻，排除會議通知和學位論文及內容不符合中醫藥數據挖掘的文獻。共獲得1 860篇有效文獻。

1.3 數據處理 CiteSpace是由美國德雷塞爾大學陳超美研發，并在Java環境下運行的信息可視化軟件，基于共引分析理論和尋徑網絡算法等，對某領域的樣本文獻進行計算，通過分析繪制的可視化圖譜探尋該學科演化的潛在動力及其發展的前沿趨勢[6]。

本研究采用CiteSpace 5.6.R2軟件內置功能，將從中國知網上導出的文獻經格式轉化后，通過CiteSpace 5.6.R2對中醫藥數據挖掘相關文獻進行作者合作網絡分析、機構合作網絡分析、關鍵詞共現網絡分析等。借助可視化圖譜，分析中醫藥數據挖掘研究領域發展演化的過程。

為保證結果的準確性，對納入的1 860篇文獻所屬機構及關鍵詞進行規范化去重處理，對于具有相同含義而表述不一的情況進行統一。如“浙江中醫藥大學第二臨床醫學院”規范為“浙江中醫藥大學”，“廣州中醫藥大學第一附屬醫院骨傷科”規范為“廣州中醫藥大學第一附屬醫院”等，“中醫傳承輔助平臺”與“中醫傳承輔助系統”統一為“中醫傳承輔助系統”等。

2 結 果

2.1 發文量分析 對納入的1 860篇文獻按照發表年限進行統計，2010—2014年這一階段雖然發文量有微小波動，但整體處于平緩增長趨勢。2015—2019年這一階段發展迅速，發文量快速增長。中醫藥數據挖掘這一研究領域引起越來越多的學者關注，已經成為國內研究的一個熱點。使用OriginPro軟件對目前發文情況使用三階多項式進行曲線擬合，擬合后R平方為0.968 5，模型擬合優度較高。圖1中虛線為擬合曲線，根據趨勢線預測2020年發文量將突破500篇。

圖1 論文發表時間分布圖（虛線為擬合曲線）

2.2 作者合作網絡分析 應用CiteSpace 5.6.R2軟件對中醫藥數據挖掘研究相關文獻的作者合作網絡進行共現分析，設置時間跨度為2010—2019年，時間切片為1，選擇節點類型為“Author”，其他參數按默認值設置。圖譜中節點大小代表作者出現的頻數，節點之間的連線代表作者合作的強度。

作者合作網絡中共有節點591個、連線1 109條，網絡密度為0.006 4。由表1及圖2可知，發文量較多的作者為劉健、忻凌、郭錦晨、任玉蘭，分別發表文獻31、28、24、24篇。根據普賴斯定律，核心作者的發文量計算公式為MP=0.749 Npmax（Npmax為同一主題中最高的發文量）[7]，根據公式計算得MP為4.17，因此該領域的核心作者共有56位。表1詳細列舉發文量前20位的核心作者。圖譜中大多為散落的結點及較為獨立穩定的合作小團隊，然而團隊內部合作緊密，不同團隊之間的合作較為微弱。以高產作者劉健、宋倩、郭錦晨、忻凌、周巧等為核心的團隊連線密度較大，合作次數較多，已形成合作較為成熟的團隊。

表1 作者列表（發文量前20 位）

圖2 作者合作網絡圖

2.3 研究機構分析 應用CiteSpace 5.6.R2軟件對中醫藥數據挖掘研究相關文獻的研究機構合作網絡進行共現分析，設置時間跨度為2010—2019年，時間切片為1，選擇節點類型為“Institution”，其他參數按默認值設置。圖譜中節點大小代表機構出現的頻數，節點之間的連線代表機構合作的強度。

研究機構合作網絡中共有節點391個、連線391條，網絡密度為0.005 1。表2詳細列舉發文量≥21的研究機構，選取發文量≥21的研究機構形成共現圖如圖3所示。研究機構主要是中醫藥大學及其附屬醫院。廣州中醫藥大學、北京中醫藥大學、山東中醫藥大學及中國中醫科學院為該研究領域的高產機構，發文量分別為116、97、80、77篇。其次是成都中醫藥大學、南京中醫藥大學、安徽中醫藥大學、天津中醫藥大學，發文量均超過40篇。圖中擁有紫色外環的節點通常在圖譜中起到連接不同聚類的“中介”作用。以廣州中醫藥大學、北京中醫藥大學、中國中醫科學院為核心的研究機構具有突出的輻射帶動作用，形成以這些機構為中心的學術共同體。

表2 研究機構列表（發文量≥21）

圖3 研究機構共現圖譜（發文量≥21）

2.4 研究熱點分析

2.4.1 關鍵詞共現分析 關鍵詞是全文內容的核心描述和高度凝練，基于關鍵詞進行可視化分析，是掌握該研究領域熱點話題的有效途徑。運行CiteSpace 5.6.R2軟件，設置時間切片為1，選擇節點類型為“keyword”。在Thresholds參數設置模塊，設置閾值分別為（2,2,20）（4,3,20）（4,3,20）。在Pruning模塊下，選擇Minimum Spanning Tree及Pruning sliced networks。得到結果如圖4，圖中的節點越大，表明該關鍵詞出現的頻數越高，越受關注。若圖譜中的節點呈現紫色外圍，則表明該節點的中介中心性較大，在圖譜中發揮重要橋梁作用。圖譜中共有節點133個、連線219條，網絡密度為0.024 9。其中出現頻數≥20的關鍵詞共有24個（見表3）。其中數據挖掘為出現頻數最高的關鍵詞，出現頻數為816。高頻關鍵詞主要與證候研究、規律探究、名醫經驗及技術術語相關，如用藥規律、配伍規律、關聯規則、聚類分析等。根據CiteSpace 5.6.R2運行顯示的各關鍵詞的中心度，列舉出中心度≥0.05的關鍵詞如表4所示。關鍵詞中心度較大的有用藥規律、文獻研究、聚類分析、關聯規則等。這些關鍵詞代表目前該研究領域的熱點話題，在用藥規律、名醫經驗挖掘、配伍規律等方面通過聚類分析、關聯規則等手段輔助進行研究。

表3 關鍵詞列表（頻數≥20）

表4 關鍵詞列表（中心性≥0.05）

圖4 關鍵詞共現圖譜

2.4.2 關鍵詞聚類分析 關鍵詞聚類分析可以幫助迅速了解該研究領域的分布情況及研究前沿。在關鍵詞共現的基礎上，選擇“Timeline View”及“Keyword”，對主要關鍵詞進行自動聚類，得到中醫藥數據挖掘時間線圖譜。結果如圖5所示，共得到12個聚類。CiteSpace使用模塊值Q和平均輪廓值S作為判斷繪制效果的依據，如果Q>0.3，說明圖譜結構合理，如果S>0.5，說明網絡的同質性合理，如果S>0.7，則說明是可信的[6]。由圖5可知，Q=0.592 6（＞0.3），S=0.744 5（＞0.7）。表明該聚類圖譜的繪制效果是較為合理可信的。

圖5 中醫藥數據挖掘關鍵詞時間線圖譜

關鍵詞聚類的情況見表5，通過對聚類標簽內包含的關鍵詞及相關文獻進行分析，共歸納出以下6個研究熱點。

表5 關鍵詞聚類情況列表

（1）證候分布規律研究：辨證論治是中醫治療的核心，針對不同證候采取不同的方藥治療。根據疾病發生的病位、病性證素特點，總結歸納出多種證型，從而施行分型論治。

（2）名老中醫用藥規律及學術思想傳承：名老中醫的辨證思維、臨床經驗是中醫藥事業傳承創新的原動力，亦是理論知識與臨床療效結合的成功案例。繼承和推廣名老中醫的學術思想，有利于推動中醫藥事業的發展，培養新一代中醫藥人才[8]。

（3）針灸選穴配穴規律研究：挖掘針灸治療的研究文獻，遵循臟腑辨證、經絡辨證、病因病機論治、隨癥取穴等規律[9]，從而把握針灸臨床治療的選穴規律，為針灸治療的配伍選穴提供了參考依據，并有效提高臨床療效。

（4）中藥組方規律和微觀機制研究：應用關聯規則、復雜網絡等，開展中藥配伍研究，從而為臨床治療提供參考。將中藥理論與現代臨床醫學將結合，從分子水平探究中藥四氣五味與中藥功效的相關性及藥性理論的現代科學內涵，結合臨床數據，分析藥物與臨床指標的關聯[10]。

（5）中藥注射劑安全性評價研究：分析中藥注射劑的成分，探討不同中藥注射劑的共性成分[11]，探究中藥注射劑相關不良反應的關聯因素，總結不良反應的防治措施及合理用藥對策[12]，能夠更好地為中藥注射劑的臨床用藥安全提供參考。

2.4.3 關鍵詞突現分析 突現關鍵詞是指在某一階段突發的高頻關鍵詞，在某些程度上可以反映該研究領域的熱點演變狀況，預測研究趨勢。關鍵詞突現分析表明，利用數據挖掘開展中醫證候研究投入時間較長，作為熱門話題一直持續至2015年。醫案古籍資源中蘊含多重信息，自2011年開始深度挖掘醫案資源至2016年。自2014年開始開展名老中醫經驗挖掘及治療思路梳理，持續至2017年。2017年至今，中醫藥規律探究逐漸成為研究主流話題，眾多學者深入研究配伍規律、用藥規律、選穴規律等，預測未來幾年這一研究方向仍會繼續作為研究熱點，引發中醫藥數據挖掘研究的熱潮。（見表6）

表6 中醫藥數據挖掘關鍵詞突現分析表

3 討 論

國內許多科研單位及高等院校對于數據挖掘的研究起步較晚，初期階段發文量增速較為平緩。而隨著信息技術的發展成熟及科研單位、醫院信息系統的日趨完善，2015—2019年發文量增長迅速，中醫藥數據挖掘這一研究領域引起越來越多學者的關注。中醫藥傳承創新的戰略地位愈加凸顯[13]。隨著中醫藥科技政策蓬勃發展，中醫藥事業深入改革創新。預計未來幾年將迎來發文量突增階段，數據挖掘技術在中醫藥領域的應用也會越來越廣泛。使用OriginPro軟件對目前發文情況使用三階多項式進行曲線擬合，由趨勢線預測2020年發文量將突破500篇。

通過對中醫藥數據挖掘研究相關文獻的作者及研究機構合作網絡進行共現分析，本研究結果表明，團隊分布較為分散，作者之間仍需要進一步加強學術交流，且團隊合作僅局限于機構合作，如劉健、忻凌、郭錦晨均來自安徽中醫藥大學，缺少跨學校之間的合作。廣州中醫藥大學、北京中醫藥大學、中國中醫科學院等研究機構開展中醫藥數據挖掘研究相對持久、穩定，促進形成高產作者群體。這些機構具有突出的輻射帶動作用，形成以這些機構為中心的學術共同體。同時同一地域內的研究機構合作更為緊密，如“廣州中醫藥大學”“廣東省中醫院”等，呈現一定集中趨勢。因此跨地域的研究機構之間的學術合作研究需要進一步加強。

中醫藥數據挖掘研究領域的熱點話題主要集中于應用數據挖掘的各類算法探究證候分布規律、名老中醫用藥思路、方劑配伍規律等，中醫藥規律探究逐漸成為研究主流話題。對于這些規律的挖掘主要采用關聯規律、聚類算法等方法，數據挖掘的其他算法如集成學習、表示學習、深度學習等仍應用較少。數據挖掘技術的算法較豐富，但在中醫藥領域的應用仍然較為狹窄[14]。研究者應拓展視野，全方位關注各種先進技術和研究方法，從研究的個性化需求出發，探索最優化的研究方法，從而提升中醫藥數據挖掘的創新水平。

數據挖掘技術較復雜，需要具備專業知識的人才來實現。因此，醫學院校要積極順應信息化時代的發展，完善人才培養模式，開設信息技術相關專業，大力推進醫學信息化及學科的交叉融合。發揮學科優勢，不同學科領域的人才及研究機構加強合作，才能使中醫藥數據挖掘得到更好的創新與發展。

4 結 語

本研究利用CiteSpace軟件對中國知網2010—2019年收錄的中醫藥數據挖掘相關的1 860篇文獻進行了科學計量分析，從發文量、作者及機構合作、研究熱點等多角度進行分析和討論。近10年中醫藥數據挖掘發文量逐年遞增，形成了一大批合作較為成熟的學術共同體，研究的熱點集中于中醫證候研究、名老中醫的臨證經驗及用藥思路等諸多方向，呈現交叉融通、繁榮發展的景象。然而，大多數研究局限在機構內部，跨組織、跨區域的研究有待進一步加強，采用的挖掘方法有待進一步提升，應當圍繞中醫數據特點，選用或設計相應的特色方法。