基于VOSviewer 與CiteSpace 的植物類藥材農(nóng)殘檢測研究熱點與趨勢分析

孔凡樂，紀瑞鋒，何 新

廣東藥科大學中藥學院，廣東 廣州 510006

文獻計量學在醫(yī)學領域已被廣泛應用，利用其得出的數(shù)據(jù)可準確把握相關領域的發(fā)展動向。被用于文獻計量分析的軟件包括 CiteSpace[3]、VOSviewer[4]、bibExcel[5]、Science of Science（SCI2）[6]和 HistCite[7]等，其中 CiteSpace 和VOSviewer 是最受歡迎的2 個軟件。CiteSpace 是陳超美教授設計的基于Java 語言的可視化計量軟件，其可以更全面地呈現(xiàn)研究領域的發(fā)展規(guī)律、熱點趨勢以及前沿動態(tài)[8-10]；VOSviewer 由萊頓大學科學技術(shù)研究中心創(chuàng)建，該軟件可以更明確地顯示研究領域中關鍵詞間的相互關系及其強度[8]。利用二者的優(yōu)點，分別使用VOSviewer 1.6.19、CiteSpace 6.1.R6 Advanced 對該領域中國知網(wǎng)（CNKI）、Web of Science 核心數(shù)據(jù)庫（WoSCC）中的文獻進行關鍵信息的可視化分析，以期全面分析該領域的研究熱點與發(fā)展趨勢，為后續(xù)解決植物類藥材中農(nóng)藥殘留問題提供合理的研究方向。

1 資料與方法

1.1 數(shù)據(jù)來源與檢索策略

本研究以CNKI 與WoSCC 1986—2023 年收錄的文獻為主要數(shù)據(jù)來源，分別對中、英文文獻進行研究分析，其中CNKI 數(shù)據(jù)庫檢索詞包括農(nóng)藥殘留、中藥材，WoSCC 數(shù)據(jù)庫檢索詞為pesticide residue、medicine。CNKI 檢索式：主題詞為“農(nóng)藥殘留” AND “中藥材＋植物中藥＋飲片”，條件設置“精確”，選擇時間范圍1986 年1 月1 日—2023 年1 月1 日，共檢索到890 篇中文文獻。WoSCC 檢索式：TS＝(pesticide residue) AND TS＝(medicine)，檢索時間范圍為1983 年1 月1 日—2023 年1 月1 日，共檢索到341 篇英文文獻。

1.2 數(shù)據(jù)提取與收集

以植物類藥材農(nóng)殘檢測、農(nóng)藥殘留、農(nóng)殘消解動態(tài)、農(nóng)殘遷移、質(zhì)量標準研究為主題的中、英文文獻均被納入分析，排除CNKI 數(shù)據(jù)庫中的會議、報紙、成果、專利類文獻，選擇WoSCC 數(shù)據(jù)庫中的article 和review article 類文獻，為提高文獻相關度，本研究采用對每篇中、英文文獻主題、摘要等進行總結(jié)與歸納，最終篩選出中文文獻521 篇，英文文獻153 篇。中文文獻以Refworks 格式批量導出，文件以“download_*.txt”命名，英文文獻記錄內(nèi)容選擇全記錄與引用的參考文獻，并將記錄導出為純文本格式，文件命名格式同中文文獻。

1.3 圖譜繪制與可視化分析

1.3.1 VOSviewer 將CNKI 與WoSCC 數(shù)據(jù)庫中的文獻批量導入VOSviewer1.6.19 中，選擇合適的相關閾值，在軟件工具欄中選擇“Analysis”，通過改變各功能區(qū)的參數(shù)使節(jié)點均勻分布，此外，為使圖譜更為清晰、美觀，可動態(tài)調(diào)整可視化展示區(qū)各參數(shù)的范圍，最終得到發(fā)文作者與文獻關鍵詞可視化共現(xiàn)圖譜。

1.3.2 CiteSpace 中、英文文獻時間跨度分別為1986 年1 月—2023 年1 月與1983 年1 月—2023 年1 月，兩者時間切片均為“1”，選擇軟件默認篩選標準（top 50），數(shù)據(jù)裁剪選擇“Pathfinder”和“Pruning sliced networks”，中、英文文獻的節(jié)點類型均分別設置為機構(gòu)、關鍵詞、術(shù)語，依次進行機構(gòu)共現(xiàn)可視化分析、關鍵詞聚類與時間線分析、關鍵詞突現(xiàn)、術(shù)語共現(xiàn)分析，聚類選擇潛在語義索引（latent semantic idexing，LSI）算法。

1.4 統(tǒng)計分析

將中、英文文獻年度發(fā)文量數(shù)據(jù)導入Excel 2016中，利用SPSSAU 繪制年度發(fā)文趨勢圖，分析植物類藥材的農(nóng)殘檢測相關研究趨勢。根據(jù)普萊斯定律（，其中max 為作者最多發(fā)文量）獲得核心作者發(fā)文量，若作者發(fā)文量＞N篇即可確認為核心作者[11]。由此，利用VOSviewer 1.6.19 對中、英文文獻的核心作者繪制合作網(wǎng)絡圖譜，并繪制中、英文文獻關鍵詞共現(xiàn)網(wǎng)絡與密度圖譜。使用CiteSpace 6.1.R6 Advanced 統(tǒng)計主要的關鍵詞聚類信息與強爆發(fā)關鍵詞，進而捕獲植物類藥材農(nóng)殘檢測研究熱點，并預測該領域未來的發(fā)展趨勢。

2 結(jié)果

2.1 發(fā)文趨勢

本研究共納入近40 年來有關植物類農(nóng)殘檢測研究的中、英文文獻674 篇（中文文獻521 篇，英文文獻153 篇），發(fā)文趨勢見圖1。WoSCC 數(shù)據(jù)庫顯示1983 年首發(fā)該領域的文獻，CNKI 數(shù)據(jù)庫顯示1986 年首發(fā)該領域的文獻；1983—1999 年WoSCC數(shù)據(jù)庫共收錄了5 篇該領域文獻，CNKI 數(shù)據(jù)庫共收錄12 篇該領域文獻，表明2000 年前關于該領域的研究較少，研究發(fā)展較為遲緩，2005 年之后2 個數(shù)據(jù)庫文獻收錄數(shù)量急劇上升，均在2022 年達到最大值（CNKI 38 篇、WoSCC 21 篇）。2 個數(shù)據(jù)庫整體發(fā)展趨勢相同，均呈現(xiàn)增長趨勢。

圖1 植物類藥材農(nóng)殘檢測研究發(fā)文趨勢Fig.1 Publication trend of pesticide residue detection studies on botanical medicinal materials

2.2 作者分析

通過VOSviewer1.6.19 統(tǒng)計得知，該領域中、英文文獻研究的作者分別為1 192、754 名，發(fā)文量排名前15 的作者見表1。中文文獻作者中國醫(yī)學科學院的薛健和中國食品藥品檢定研究院的金紅宇發(fā)文量并列第1（23 篇），前者發(fā)文總被引頻次486，篇均被引21.13，后者發(fā)文總被引頻次達到了601，篇均被引頻次26.13。此外，薛健還是英文文獻發(fā)文量最高的作者（10 篇），總被引頻次152，篇均被引頻次15.20。同時，前15 名的作者中浙江大學的吳加倫在中文文獻發(fā)文作者中篇均被引最高（32.67次），中國西南大學的王雯雯在英文文獻發(fā)文作者中篇均被引最高（57.00）。

綜上所述，做好大數(shù)據(jù)時代城鄉(xiāng)規(guī)劃學走向計量化的機遇和挑戰(zhàn)方面的研究工作，有利于實現(xiàn)對該學科發(fā)展中產(chǎn)生海量數(shù)據(jù)的科學分析及利用，從而為城鄉(xiāng)規(guī)劃及建設工作開展提供科學指導。因此，需要在實踐中全面了解大數(shù)據(jù)時代城鄉(xiāng)規(guī)劃學走向計量化的機遇和挑戰(zhàn)，積極開展相應的分析及研究工作，不斷提高城鄉(xiāng)規(guī)劃學在大數(shù)據(jù)時代的實踐應用水平，進而保持該學科良好的發(fā)展狀況，提升我國在城鄉(xiāng)規(guī)劃及建設方面的整體水平，并實現(xiàn)對城鄉(xiāng)規(guī)劃學的高效利用。

表1 植物類藥材農(nóng)殘檢測相關研究領域中、英文文獻發(fā)文量前15 名的作者Table 1 Top 15 authors of Chinese and English literatures publications in field of pesticide residue detection of botanical medicinal materials

根據(jù)普萊斯定律獲得中、英文文獻核心作者分別為40 人和26 人（中文文獻≥4 篇，英文文獻≥3篇），且分別設置中、英文文獻作者發(fā)文閾值為4 和3，使用VOSviewer1.6.19 繪制中、英文文獻核心作者合作關系圖譜，如圖2 所示。可視化圖譜展示出的中文文獻核心作者中金紅宇、薛健、季申、郭蘭萍、張明時等為該研究領域的團隊代表，其中薛健團隊和金紅宇團隊合作較為密切且是該領域的主要研究團隊；英文文獻核心作者則形成了以YANG Meihua、Kajimura Keiji、FU Zhifeng、ZHANG Lei等為代表的研究團隊。此外，核心作者累計發(fā)文量分別為262、107 篇，各占中、英文文獻總量的50.29%、69.93%，利用洛卡特定律評價作者合作群體的穩(wěn)定性，代入上述數(shù)據(jù)可知，中、英文文獻核心作者人數(shù) 較 為 符 合 該 定 律，該定律規(guī)定穩(wěn)定的作者合作群體需核心作者發(fā)文量占總發(fā)文量的50%，表明中、英文文獻作者均為穩(wěn)定的合作群體[12]。

圖2 植物類藥材農(nóng)殘檢測研究中文 (左) 和英文 (右) 文獻作者合作網(wǎng)絡Fig.2 Collaboration network of authors in Chinese (left) and English (right) literatures on pesticide residue detection of botanical medicinal materials

2.3 研究機構(gòu)分析

使用CiteSpace 6.1.R6 Advanced 對中、英文文獻發(fā)文機構(gòu)進行共現(xiàn)分析，網(wǎng)絡可視化圖譜如圖3、4 所示，中、英文文獻分別涉及研究機構(gòu)417、182所，其中發(fā)文量排名前10 的機構(gòu)見表2。由于研究機構(gòu)的改名與合并，中、英文文獻發(fā)文最多的機構(gòu)為中國醫(yī)學科學院北京協(xié)和醫(yī)學院，同時其與中國食品藥品檢定研究院、中國中醫(yī)科學院、國家藥典委員會均有密切合作，形成了該研究領域的核心團隊。此外，中文文獻發(fā)文機構(gòu)中浙江大學在該領域的研究頗為廣泛，排除機構(gòu)合并與改名帶來發(fā)文量上的不平衡，浙江大學在該領域的發(fā)文量最高，但未與其他科研機構(gòu)形成密切的合作。英文文獻發(fā)文機構(gòu)中日本大阪府立公共研究所發(fā)文量較高，但未與其他機構(gòu)合作。機構(gòu)之間與國家之間的密切合作將更有利于該領域?qū)W科的發(fā)展，因此各研究機構(gòu)在各自研究的過程中應密切合作，進而更好地提升植物類藥材的質(zhì)量標準，打破藥材進出口貿(mào)易的壁壘。

表2 植物類藥材農(nóng)殘檢測相關研究領域中、英文文獻發(fā)文量前10 名的機構(gòu)Table 2 Top 10 organizations of Chinese and English literatures publications in field of pesticide residue detection of botanical medicinal materials

圖3 植物類藥材農(nóng)殘檢測研究中文文獻機構(gòu)合作網(wǎng)絡Fig.3 Collaboration network of institutions in Chinese literatures on pesticide residue detection of botanical medicinal materials

圖4 植物類藥材農(nóng)殘檢測研究英文文獻機構(gòu)合作網(wǎng)絡Fig.4 Collaboration network of institutions in English literatures on pesticide residue detection of botanical medicinal materials

2.4 研究現(xiàn)狀與熱點

2.4.1 關鍵詞共現(xiàn)分析 對所納入文獻的關鍵詞進行研究分析，可準確把握某一領域的研究熱點，了解最新的科研進展[13]。為使VOSviewer1.6.19 所繪制的圖譜更為美觀，本研究將中、英文文獻關鍵詞閾值分別設置為8、6，關鍵詞共現(xiàn)網(wǎng)絡和密度可視化圖譜如圖5、6 所示，排名前25 的關鍵詞見表3。分析結(jié)果顯示，植物類藥材農(nóng)殘檢測的研究目的包括藥材質(zhì)量標準的制定與膳食風險評估，其檢測基質(zhì)主要是中藥材、藥食同源類植物，且檢測主要集中于金銀花、三七、人參、黃芪等藥材，樣品前處理方式與農(nóng)殘檢測方法以固相萃取、QuEchERS（quick、easy、cheap、effective、rugged、safe）、固相微萃取、氣相色譜、質(zhì)譜（MS）、氣質(zhì)聯(lián)用色譜（GC-MS/MS）等為主。張喜利等[14]研究發(fā)現(xiàn)在藥用植物中重金屬和農(nóng)藥殘留的含量呈正相關，二者可以超分子的形式參與植物生長期，因此重金屬與農(nóng)藥殘留常為植物外源性有害物質(zhì)研究的熱點。農(nóng)殘檢測研究更趨向于對多種農(nóng)藥的同時檢測，其中有機氯、有機磷、擬除蟲菊酯類農(nóng)藥為主要的農(nóng)殘檢測類型。

表3 植物類藥材農(nóng)殘檢測研究文獻排名前25 的關鍵詞Table 3 Top 25 keywords in literatures on pesticide residue detection of botanical medicinal materials

圖5 植物類藥材農(nóng)殘檢測研究中文文獻關鍵詞共現(xiàn)網(wǎng)絡圖 (左) 和密度圖 (右)Fig.5 Cooccurrence network (left) and density (right) maps of keywords in Chinese literatures on pesticide residue detection studies of botanical medicinal materials

圖6 植物類藥材農(nóng)殘檢測研究英文文獻關鍵詞共現(xiàn)網(wǎng)絡圖 (左) 和密度圖 (右)Fig.6 Cooccurrence network (left) and density (right) maps of keywords in English literatures on pesticide residue detection studies of botanical medicinal materials

2.4.2 關鍵詞聚類分析 為突出該領域的研究主題，本研究采用了LSI 聚類算法，對中、英文文獻關鍵詞進行聚類分析，見圖7。中、英文文獻關鍵詞聚類參數(shù)如下：中文文獻模塊聚類值（Q）＝0.617 2（＞0.3），平均輪廓值（S）＝0.868 5（＞0.5），英文文獻Q＝0.553 3（＞0.3），S＝0.830 6（＞0.5）。當Q＞0.3 時表明聚類有效，S＞0.5 時表明聚類合理，S＞0.7 時表明聚類可信[15]，從而可知本研究的中、英文文獻關鍵詞的11 個聚類結(jié)果滿意且可信。

圖7 植物類藥材農(nóng)殘檢測研究中文 (A) 和英文 (B) 文獻關鍵詞聚類圖Fig.7 Clustered view of keywords in Chinese (A) and English (B) literatures on pesticide residue detection studies of botanical medicinal materials

由聚類圖可看出，11 個不同顏色的聚類區(qū)塊大多重疊，重疊區(qū)表明各聚類間聯(lián)系密切。其中，中文聚類詞#0、#4 涉及檢測指標，#1、#7、#8 涉及實際問題或現(xiàn)象，#2、#3、#5、#6、、#9、#10 涉及理論知識或技術(shù)手段。英文聚類詞#1、#2、#4、#5、#6、#7、#10 涉及該研究領域的主要研究或參考對象，#0、#8 涉及檢測與管理藥用植物安全問題，#3、#9 涉及檢測技術(shù)手段。主要聚類信息如表4、5 所示。

表4 植物類藥材農(nóng)殘檢測研究中文文獻關鍵詞聚類Table 4 Keyword clustering of Chinese literatures on pesticide residues detection studies of botanical medicinal materials

表5 植物類藥材農(nóng)殘檢測研究英文文獻關鍵詞聚類Table 5 Keyword clustering of English literatures on pesticide residues detection studies of botanical medicinal materials

2.4.3 關鍵詞突現(xiàn)分析與時間線分布 使用CiteSpace 6.1.R6Advanced 分別繪制以中、英文文獻關鍵詞聚類為基礎的時間線圖譜（圖8、9），同時對爆發(fā)強度排名前20 的中、英文文獻關鍵詞進行突現(xiàn)（圖10）。通過獲取強爆發(fā)的關鍵詞以及時間線分布，可準確分析熱點主題變化，并有效預測研究發(fā)展趨勢[10]。

圖8 植物類藥材農(nóng)殘檢測研究中文文獻關鍵詞時間線分布Fig.8 Timeline distribution of keywords in Chinese literatures on pesticide residue detection of botanical medicinal materials

圖9 植物類藥材農(nóng)殘檢測研究英文文獻關鍵詞時間線分布Fig.9 Timeline distribution of keywords in English literatures on pesticide residue detection of botanical medicinal materials

圖10 植物類藥材農(nóng)殘檢測研究中 (A)、英 (B) 文文獻關鍵詞 (前20) 突現(xiàn)圖Fig.10 Keywords (top 20) emergence view of Chinese (A) and English (B) literatures on pesticide residue detection studies of botanical medicinal materials

根據(jù)關鍵詞聚類時間線圖譜，可發(fā)現(xiàn)中、英文文獻的各聚類標簽所包含的關鍵詞分布時區(qū)主要在2000—2023 年和2005—2023 年，因此可將中、英文文獻的研究趨勢大概分為2 個階段，第1 階段中、英文文獻分別為1987—2000 年和1998—2005 年，第2 階段中、英文文獻分別為2001—2023 年和2006—2023 年。

第1 階段：中、英文文獻呈現(xiàn)的關鍵詞最少，為該研究領域的起始階段，該階段的中、英文聚類標簽#0 農(nóng)藥殘留（pesticide residues）均出現(xiàn)最早且時間跨度最長，中文#0 聚類標簽中所包含的出現(xiàn)最早的關鍵詞為中藥材（1987 年），英文#0 聚類標簽中出現(xiàn)最早的關鍵詞為 organochlorine and organophosphorus（1998 年），此關鍵詞來源于Yoon等[16]的研究報道。該階段的技術(shù)手段較為單一，檢測技術(shù)以氣相色譜法、HPLC、GC-MS 為主，前處理方式包括固相萃取、超臨界流體萃取、固相微萃取，且研究主要集中于藥材的質(zhì)量控制。

第2 階段：時間線上的關鍵詞集中分布，為中、英文文獻研究的高速發(fā)展期，該階段代表了該領域的熱點研究主題與發(fā)展趨勢。與第1 階段相比，該階段技術(shù)手段和研究目的更加豐富。該階段檢測技術(shù)增加了LC-MS/MS、GC-MS/MS、紅外光譜、全二維氣相色譜、熒光檢測、離子色譜、免疫分析、拉曼光譜、分子印跡，前處理方式增加了QuEchERS、分散固相萃取、碳納米管、微波輔助提取、凝膠滲透色譜、共價有機框架材料，此時還豐富了理論基礎，如保留指數(shù)與電化學原理。研究目的拓展了農(nóng)藥殘留規(guī)律研究、農(nóng)殘安全監(jiān)測和膳食暴露風險評估。

圖10 所展示的中、英文文獻強爆發(fā)關鍵詞主要分布在各關鍵詞時間線的第2 階段。中文文獻爆發(fā)強度最高的關鍵詞為殘留量（強度5.39），爆發(fā)持續(xù)時間最長的關鍵詞為限量標準（17 年），預測未來熱點關鍵詞為標準和風險評估；英文文獻爆發(fā)強度最高的關鍵詞為pesticide residue（農(nóng)藥殘留，強度5.54），爆發(fā)持續(xù)時間最長的關鍵詞為organophosphorus pesticide（有機磷類農(nóng)藥，6 年），預測未來熱點關鍵詞為農(nóng)藥殘留、色譜法、液相、暴露、農(nóng)藥。

3 討論

由植物類藥材農(nóng)殘檢測研究中、英文文獻的作者、機構(gòu)、關鍵詞分析得出該領域的研究熱點主要分布于檢測基質(zhì)、農(nóng)殘種類、技術(shù)手段，研究趨勢為藥材的質(zhì)量評價與風險評估。因此，探索一條普適性農(nóng)殘檢測的技術(shù)手段將是大勢所趨，同時也能最大限度的滿足藥材質(zhì)量標準制定與農(nóng)殘膳食攝入風險評估。

3.1 研究熱點

對該領域國內(nèi)外核心研究文獻進行分析，以探尋研究熱點。通過對文獻發(fā)文作者和機構(gòu)共現(xiàn)分析發(fā)現(xiàn)，該領域主要的國內(nèi)研究機構(gòu)為以薛健為代表的中國醫(yī)學科學院北京協(xié)和醫(yī)學院、金紅宇為代表的中國食品藥品檢定研究院、吳加倫為代表的浙江大學、付志鋒為代表的西南大學；國外研究機構(gòu)為以Tagami Takaomi 為代表的日本大阪府立公共研究所。其中，中國醫(yī)學科學院北京協(xié)和醫(yī)學院和中國食品藥品檢定研究院為該領域的核心研究機構(gòu)，且二者的代表成員薛健和金紅宇曾合作對金銀花中有機磷類和高效氯氟氰菊酯農(nóng)殘檢測進行研究，建立了采用氣相-蒸發(fā)光檢測器測定金銀花中有機磷類農(nóng)藥的方法，并確定了高效氯氟氰菊酯在金銀花中的殘留規(guī)律[17-18]。以薛健為代表的中國醫(yī)學科學院北京協(xié)和醫(yī)學院團隊的研究以采用GC-MS/MS 法對常見中藥材中多種農(nóng)藥殘留檢測為主，并進行了鐵皮石斛、金銀花等藥材中農(nóng)殘膳食風險評估及人參加工過程中有機氯農(nóng)藥轉(zhuǎn)移的研究[19-24]。金紅宇團隊的研究主要采用GC-MS/MS、LC-MS/MS 檢測方法，涉及處方中藥材及藥材不同藥用部位中農(nóng)藥多殘留的檢測，此外該團隊還建立了在不使用混合農(nóng)藥對照品的條件下，采用高分辨質(zhì)譜對藥材的不同藥用部位中適用氣相色譜分離的農(nóng)藥進行檢測的方法[25-27]。以吳加倫為代表的浙江大學團隊和以Tagami Takaomi 為代表的日本大阪府立公共研究所團隊都是該領域的早期研究團隊，受當時學科發(fā)展所限，他們的研究主要是對中藥材或漢方藥材中某一種農(nóng)殘的檢測，且檢測方法主要為HPLC、GC、GC-MS[28-32]。以付志鋒為代表的西南大學團隊通過免疫色譜技術(shù)和化學發(fā)光原理，采用雙重或多重信號探針實現(xiàn)對中藥材中多種農(nóng)藥殘留的快速、靈敏、特異性檢測，操作簡單且準確性高，適用于中藥材中農(nóng)殘的快速檢測[33-39]。

結(jié)合關鍵詞分析可知該領域的熱點研究方向為通過采用快速、靈敏、準確、普適的檢測方法，同時檢測植物類藥材中的多種農(nóng)藥。根據(jù)關鍵詞共現(xiàn)分析可知，金銀花、三七、人參、黃芪為該領域的熱點檢測基質(zhì)，其中金銀花出現(xiàn)頻次最多，且在關鍵詞突現(xiàn)分析中爆發(fā)強度及持續(xù)時間均較其他檢測基質(zhì)突出，因其以花蕾入藥，較易有農(nóng)藥殘留。金書含等[40]研究發(fā)現(xiàn)人參生長年限越長，其農(nóng)藥殘留水平也越高，表明人參中農(nóng)藥殘留量與生長年限呈正比。此外，隨著藥材生長年限的增加，其所受病蟲害的風險也越大，進而加劇了農(nóng)藥的使用，因此可初步推斷同為多年生草本植物的三七、黃芪也較易農(nóng)藥殘留量的積累，同時因上述4 種藥材在醫(yī)藥大健康領域均具有較高的藥用價值及普及性，提高藥材質(zhì)量對保障人民生命健康安全具有重要的現(xiàn)實意義。在關鍵詞分析中農(nóng)藥類型以有機氯、有機磷、擬除蟲菊酯類為主，早期有機氯類農(nóng)藥因高效、廉價被廣泛應用于農(nóng)作物種植中，但因其高毒、難降解，長期使用對人體和環(huán)境均可造成不可逆的損害，此后易分解的環(huán)境友好型有機磷類農(nóng)藥逐漸成為熱點，但長期暴露于此農(nóng)藥環(huán)境中，易造成人體中樞神經(jīng)系統(tǒng)損傷，隨著人們對綠色農(nóng)業(yè)的追求，高效、低毒、易降解的擬除蟲菊酯類農(nóng)藥日益成為殺蟲劑中的主要類型之一。通過查詢中國農(nóng)藥信息網(wǎng)發(fā)現(xiàn)，除人參、三七的農(nóng)藥登記有植物生長調(diào)節(jié)劑外，金銀花、黃芪均無登記，且這4 種熱點研究基質(zhì)的農(nóng)藥登記情況以殺蟲、殺菌劑為主，包括氨基甲酸酯、煙堿、擬除蟲菊酯類殺蟲劑，甲氧基丙烯酸酯類、唑類、抗生素類殺菌劑，但實際樣品檢測中仍有有機氯、有機磷類農(nóng)藥檢出的報道，農(nóng)藥登記不全且較為單一，需不斷完善中藥材農(nóng)藥登記制度，減少農(nóng)藥的濫用，全面監(jiān)控中藥材農(nóng)藥暴露水平，通過采取一定措施監(jiān)控藥材種植的環(huán)境行為，降低藥材源頭污染及農(nóng)殘膳食攝入風險，倡導綠色中藥，從而滿足人們健康生活所需。

3.2 發(fā)展趨勢

該領域的發(fā)展得益于《中國藥典》對中藥材中農(nóng)藥殘留限量標準及檢測方法的不斷明確與完善，自《中國藥典》2000 年版明確規(guī)定了9 種有機氯農(nóng)藥的檢測方法以來，此后的各版藥典不斷擴大藥材中農(nóng)殘檢測范圍、降低限量標準、完善檢測方法。根據(jù)發(fā)文趨勢分析，可將該研究領域的發(fā)展大概分為3 個階段，即初始期（首發(fā)時間—2000 年）、過渡期（2001—2005 年）、高速發(fā)展期（2006—2022年）。此外，結(jié)合關鍵詞突現(xiàn)與時間線分布，該領域發(fā)展的初始期和過渡期的研究主要以中藥材的質(zhì)量控制及農(nóng)殘限量標準研究為主，通過固相萃取、超臨界流體萃取前處理，GC、HPLC、GC-MS 等傳統(tǒng)檢測方式對藥材中某一種農(nóng)殘進行檢測，其中有機氯、有機磷類農(nóng)藥是常檢類型。隨著學科發(fā)展，該領域迎來高速發(fā)展期，農(nóng)殘檢測前處理方式與檢測技術(shù)迭代更新，改進的QuEChERS 技術(shù)[41-43]、磁性材料[44-45]、納米材料技術(shù)[46-48]以及有機框架材料[49-50]的應用簡化了傳統(tǒng)的農(nóng)殘檢測前處理步驟，有效降低了基質(zhì)效應，檢測方法也逐漸向GCMS/MS、LC-MS/MS、UHPLC-MS/MS[51]、SFCMS/MS[52]、分子印跡膜電噴霧電離質(zhì)譜[53]、高分辨質(zhì)譜[54]、免疫色譜與化學發(fā)光法[33-39]、表面增強拉曼光譜法[55]等新型方法過渡，檢測手段趨于簡單、快速、靈敏、準確化，同時對藥材中殘留農(nóng)藥的檢測更趨向于多種農(nóng)藥的同時檢測。隨著人們對藥材外源性污染物膳食攝入風險意識的增強，研究趨勢開始向藥材風險評估發(fā)展，而且由關鍵詞突現(xiàn)分析可知，關鍵詞“標準”“風險評估”“exposure”從開始爆發(fā)一直持續(xù)至今，因此可以判斷該研究領域未來發(fā)展的趨勢仍將趨向于藥材的質(zhì)量標準研究和農(nóng)殘膳食攝入風險評估。

3.3 不足之處

本研究在數(shù)據(jù)收集時，所選數(shù)據(jù)庫較為單一，同時為得到高相關性文獻，縮小了主題詞的檢索種類，在納入文獻時，可能存在文獻數(shù)量的不足，對分析結(jié)果造成誤差。此外，受文獻納入時間所限，CNKI 和WoSCC 最新收錄的文獻并未分析，因此未來將會對該領域不同數(shù)據(jù)庫的文獻進行不間斷的計量分析，以獲取實時熱點，并準確把握研究趨勢。

4 結(jié)論

通過使用文獻計量軟件對植物類藥材中農(nóng)殘檢測研究的中、英文文獻的關鍵信息進行知識網(wǎng)絡科學圖譜繪制，使信息可視化，進而有效獲取該領域的研究熱點與發(fā)展趨勢。熱點研究發(fā)現(xiàn)，新型凈化材料與靈敏的檢測儀器結(jié)合大大降低了藥材基質(zhì)效應的影響，使農(nóng)殘精準的定性、定量成為可能，同時該領域更傾向于采用能夠簡單、快速、準確、實時分析的技術(shù)手段對藥材中農(nóng)藥多殘留的檢測，達到對藥材質(zhì)量標準的提升與全面風險評估的目的，從而滿足綠色中藥的發(fā)展需求，保障人們生命健康安全。

利益沖突所有作者均聲明不存在利益沖突