2018—2022年神經內科研究領域熱點分析

劉丹丹,閆福嶺

(1.丹陽市人民醫院/南通大學附屬丹陽醫院 神經內科,江蘇 鎮江 212300;2.東南大學附屬中大醫院 神經內科,江蘇 南京 210009)

神經病學是從內科學衍生出來的學科,目前為獨立的二級學科,該學科隨著科技和經濟發展而不斷壯大[1-5]。該領域中文核心期刊發表了大量醫學文獻,極大地推動了學科理論與實踐研究的進展。使用文獻計量學分析方法對現有文獻進行分析有助于探索本領域的發展過程和研究前沿趨勢[6-7]。CiteSpace軟件以文獻計量學及科學知識圖譜等理論為基礎,主要用于學術文獻的可視化分析,目前已被國內外學者廣泛應用于多個領域[8-9]。本研究使用CiteSpace軟件對神經內科中文核心期刊發表于2018—2022年的醫學文獻進行多層次的可視化分析,以便展示該領域的研究狀況及熱點問題,為國內神經內科領域的發展提供有實際意義的參考。

1 資料與方法

1.1 數據來源

從《2022年中國科技核心期刊目錄(自然科學卷)》[10]中篩選出10本與神經內科領域相關的期刊,包括:《卒中與神經疾病》《中風與神經疾病雜志》《中華神經醫學雜志》《中華神經科雜志》《中華腦科疾病與康復雜志(電子版)》《中華腦血管病雜志(電子版)》《中國神經免疫學和神經病學雜志》《中國腦血管病雜志》《中國卒中雜志》《國際腦血管病雜志》。檢索中國知網數據庫及萬方數據庫,檢索時間為2018—2022年。選定目標期刊。剔除會議紀要、征訂啟示、征文通知、科研新聞速遞、稿約、聲明、編者按、本期縮略語表等無關文獻。完整文獻包含標題、作者、機構、發表年份、關鍵詞及摘要。

1.2 數據清洗

將選定文獻導入NoteExpress,刪除重復文獻后導出為Refworks格式,使用CiteSpace軟件的數據處理工具將Refworks格式轉化成WoS格式。排除信息不完整的文獻后,最終納入8 847篇有效文獻。

1.3 研究方法

本研究使用的分析工具為CiteSpace.6.2.R1[11],該軟件由美國德雷賽爾大學陳超美采用Java開發[12]。使用CiteSpace軟件對納入的8 842篇目標文獻進行作者、機構和關鍵詞共現和聚類分析。時間跨度設置為2018—2022,時間切片設置為1。術語來源設置為標題、摘要、作者關鍵詞、附加關鍵詞。節點類型分別選擇:作者、機構和關鍵詞。選擇標準設置為Top50。視化方式設置為靜態視圖[13]。通過繪制作者、機構合作網絡圖譜及關鍵詞共現分析、聚類分析、時間線圖分析來探索神經內科領域的研究熱點和研究趨勢。

2 結 果

2.1 發文量分析

期刊年發文量在2018—2022年間均超過1 700篇,近5年均穩定保持在高水平狀態,其中2020年發文量稍偏高,見圖1。

圖1 2018—2022年神經內科中文核心期刊發文量趨勢圖

2.2 發文作者分析

期刊發文的核心作者圖譜見圖2。共210個節點,1條線。作者發文量越多,節點就越大[14]。圖2顯現節點較大的有呂佩源、劉新峰、方琪、徐運、張杰文等。連線數僅為1,提示作者之間合作次數少。對共現詞頻排名前12的作者排序,詳見表1。

表1 神經內科中文核心期刊發文排名前12的高頻作者

圖2 2018—2022年神經內科中文核心期刊發文作者共現網絡

2.3 發文機構分析

機構發文量共現圖譜形成322個節點、612條連線。其中首都醫科大學附屬北京天壇醫院神經病學中心發文量最多(207篇),吉林大學第一醫院神經內科和神經科學中心第2(139篇),首都醫科大學宣武醫院神經內科第3(134篇)。圖譜中連線數量多,說明各研究機構間合作較多。中介中心性是測量節點在網絡中重要性的一個指標,中介中心性超過0.1的節點為關鍵節點[15]。本研究中,重要的發文機構依次是首都醫科大學附屬北京天壇醫院神經病學中心(0.22)、首都醫科大學宣武醫院神經內科(0.12)、中國醫學科學院北京協和醫院神經科(0.1)。分別依據共現詞頻和中介中心性排序,前10的機構見表2。對發文機構進行聚類分析,見圖3。

表2 發文量頻次及中介中心性排名前10的機構

圖3 2018—2022年神經內科中文核心期刊發文研究機構聚類圖

2.4 關鍵詞共現分析

2.4.1 關鍵詞共現 關鍵詞共現圖譜形成590個節點、3 708條連線,見圖4。頻次最高的關鍵詞為腦卒中(1 894次),其次為預后(762次)和危險因素(440次)。出現頻次高的關鍵詞在一定程度上可以反映其表征的主題是該學科領域的研究熱點。中介中心性高的關鍵詞是該學科領域的重要知識基礎[16]。分別依據詞頻和中介中心性值排序前10的關鍵詞見表3。屬于高頻關鍵詞范疇,但未判定為高中介中心性的關鍵節點同樣需要引起研究者關注,后期需加強深度和廣度研究。

表3 神經內科領域詞頻及中介中心性排名前10的高頻關鍵詞

圖4 2018—2022年神經內科中文核心期刊發文關鍵詞共現圖譜

CiteSpace軟件可以提取出突現詞(burst terms)以了解研究前沿、研究重點改變和研究熱點動態,并幫助預測該領域后續的發展趨勢,結果見圖5。

Year:第1次出現的年份;Strength:突現強度;Begin:突現開始時間;End:突現結束時間

2.4.2 關鍵詞聚類 利用CiteSpace對關鍵詞進行聚類分析,每個色塊代表一個聚類,聚類序號與聚類大小成反比,模塊化Q值為0.473 6(>0.3),S值為0.697 9(>0.5)表示聚類有效。共形成9個有意義的聚類,分別是聚類#0(癲癇)、聚類#1(阿爾茨海默病)、聚類#2(顱內動脈瘤)、聚類#3(靜脈溶栓)、聚類#4(氯吡格雷)、聚類#5(腦缺血)、聚類#6(帕金森病)、聚類#7(阻塞性)、聚類#8(重癥肌無力),見圖6。腦卒中(#3靜脈溶栓、#4氯吡格雷、#5腦缺血、#2顱內動脈瘤)、癲癇、阿爾茨海默病、帕金森病,阻塞性睡眠呼吸暫停(#7阻塞性)、重癥肌無力為近5年神經內科中文核心期刊研究的熱點。

圖6 2018—2022年神經內科中文核心期刊關鍵詞聚類分析

利用CiteSpace中的“Timeline” 對神經內科研究的動態前沿進行分析,現主要分析2個聚類。聚類#1主要關注阿爾茨海默病、小膠質細胞、腦缺血再灌注損傷、信號通路、抑郁癥、康復、動脈瘤性蛛網膜下腔出血、經顱磁刺激、藥物治療、腦淀粉樣血管病、神經炎癥等。聚類#4主要關注基因多態性、高血壓、認知功能、預防、預測模型、輕型卒中、人工智能、機器學習、新型冠狀病毒肺炎、DNA甲基化、高危非致殘性腦缺血性腦血管事件、隨機對照試驗等。見圖7。

圖7 2018—2022年神經內科中文核心期刊關鍵詞時間線圖

3 討 論

研究現狀分析:近5年神經內科領域相關平均年發文量超過1 700篇,2020年發文量相對較多,可能與研究者對新型冠狀病毒感染相關的神經系統病變關注度增加有關[17-19]。從作者分布來看,呂佩源(21篇)、劉新峰(16篇)、方琪(15篇)、徐運(13篇)、張杰文(12篇)、于炎冰(11篇)、何志義(10篇)、劉春風(9篇)、劉永紅(9篇)、崔麗英(9篇)、樊東升(9篇)、吳軍(9篇)等在該領域研究相對深入。

發文機構分析:不同機構間合作研究較多。其中首都醫科大學附屬北京天壇醫院神經病學中心發文量最多且中介中心性最高,說明該機構在神經內科研究領域中處于核心地位,科研實力強大[20-22]。

研究熱點發展趨勢分析:結合關鍵詞詞頻及共現分析,提示“腦卒中”最受關注。結合關鍵詞聚類及時間線圖分析,該研究領域形成6個研究熱點:腦卒中、癲癇、阿爾茨海默病、帕金森病、阻塞性睡眠呼吸暫停及重癥肌無力。動脈瘤性蛛網膜下腔出血、腦膜瘤、微小RNA等關鍵詞在2020年開始突現,推測它們可能是神經內科領域未來的研究熱點。根據關鍵詞的時間線圖結果分析,遺傳因素在阿爾茨海默病發病中的作用及高危非致殘性缺血性腦血管事件近期受到廣泛關注。

本研究存在一定局限性。首先,本研究只檢索了中國知網數據庫和萬方數據庫。其次,檢索期刊數量有限,且未納入同期發表的英文文獻,對部分國內學者的學科貢獻值可能存在遺漏。再次,本研究僅采用關鍵詞來研究熱點問題演變。

綜上所述,本研究運用CiteSpace軟件對近5年神經內科中文核心期刊發文進行可視化分析,展示了神經內科領域科研演化的關鍵路徑、發展趨勢及前沿熱點,有助于推動本領域的發展及提升國內神經內科的科研水平與醫學影響力。