基于知識圖譜的實施科學三種類型研究設計的研究熱點與趨勢

摘要：目的 探索采用不同實施科學研究設計的關注熱點與趨勢，為推動實施科學在臨床醫療護理研究中的應用提供研究設計參考。方法 檢索Web of Science文獻并用CiteSpace軟件對其進行可視化分析，主要包括發文量、國家及機構、高頻關鍵詞、聚類及突現。結果 共檢索到1946篇論文和364篇綜述，發文量總體呈上升趨勢;美國發文最多，占26.49%，機構中美國華盛頓大學發文最多，占14.29‰;研究熱點圍繞艾滋病毒、模型、機器學習、項目等，研究趨勢有深度學習、機器學習、挑戰、障礙、公共衛生和分類等。結論 學者們基于實施科學不同類型研究設計開展了大量研究，以人工智能技術助力，推動實施科學快速發展與成果傳播，建議學者未來基于實施科學的理論框架，進一步識別影響干預措施實施的因素，推動措施轉化落地，以達到預期的健康效益。

關鍵詞：實施科學;研究設計;類型;可視化;研究熱點

中圖分類號：R47 文獻標識碼：A DOI：10.3969/j.issn.1006-1959.2024.20.004

文章編號：1006-1959（2024）20-0028-06

Research Hotspot and Trend of Three Types of Research Design of Implementation Science Basedon Knowledge Graph

LIU Lu1，PENG Tingting2，DENG Xun2，ZHANG Shan1

（1.School of Nursing，Capital Medical University，Beijing 100069，China;

2.Extracardiac Critical Care Center，An-zhen Hospital，Capital Medical University，Beijing 100029，China）

Abstract：Objective To explore the hotspots and trends of different implementation of scientific research design， and to provide research design reference for promoting the application of implementation science in clinical medical nursing research.Methods The Web of Science literature was retrieved and visualized by CiteSpace software， including the number of publications， countries and institutions， high-frequency keywords， clustering and bursts.Results A total of 1946 papers and 364 reviews were retrieved， and the number of publications showed an overall upward trend. The United States issued the most documents， accounting for 26.49%， and the University of Washington issued the most documents， accounting for 14.29 ‰. Research hotspots focus on HIV， models， machine learning， projects， etc. Research trends include deep learning， machine learning， challenges， obstacles， public health and classification.Conclusion Scholars have carried out a lot of research based on different types of research designs of implementation science， with the help of artificial intelligence technology， to promote the rapid development of implementation science and the dissemination of results. It is suggested that scholars should further identify the factors affecting the implementation of intervention measures based on the theoretical framework of implementation science in the future， and promote the transformation of measures to achieve the expected health benefits.

Key words：Implementation science;Research design;Types;Visualization;Research hotspot

近年來，越來越多的學者關注實施科學（implementation science）在縮短科學證據到實踐應用差距的作用，即識別和解決從知識到實施差距的阻礙因素，制定實施策略來推動經過研究驗證的有效干預措施在實踐中應用，側重于醫護人員對于干預措施的接納或采用[1]。大量研究表明[2， 3]，研究證據和實踐之間的差距可能是由多種因素造成的，包括知識或教育培訓缺乏、人文環境支持不足（如同伴支持、榜樣作用等）、人力資源短缺、激勵機制不完善等。除上述個人水平和組織水平的影響因素外，還有學者認為研究設計方法也是影響證據發現和實踐應用之間時間差的重要因素[4]。目前研究設計首先是在理想環境下干預措施所能達到的最大預期效果評價，然后在現實臨床工作中干預措施的療效研究，最后是推動干預措施融入實踐常規工作的實施研究。但研究設計未能充分考慮促進證明有效的干預措施在融入常規工作中的實施相關影響因素[5]。有研究[6]結合臨床效果和實施研究的要素提出了3種效果——實施混合研究設計，分別是混合類型Ⅰ：在觀察和收集實施策略信息的同時，檢驗臨床干預措施對患者結局的影響;混合類型Ⅱ：臨床干預措施和實施策略的雙重檢驗;混合類型Ⅲ：在觀察和收集臨床干預措施對患者結局影響信息的同時，對實施策略進行檢驗，以期達到加速將研究結果轉化為常規實踐以及增強公共衛生影響力的目的。本研究通過可視化圖譜方式，描述近十余年上述實施科學研究設計的研究熱點與發展趨勢，為臨床管理者推動實施科學在醫療護理研究中的應用提供研究設計參考和思路。

1資料與方法

1.1文獻檢索策略 文獻來源于Web of Science（WOS）核心合集數據庫，主題檢索詞為（‘implementation science’or‘implementation research’）AND（‘hybrid design’or‘hybrid type’or‘hybrid approach’or‘hybrid’）。檢索時間為2012年3月-2022年12月，文獻類型限定為論文和綜述。

1.2方法 納入的文獻導入CiteSpace 6.1.R6軟件中進行可視化分析[7，8]，包括每年發文量、發文國家和機構、高頻關鍵詞及聚類和突現，時間范圍為2012年1月-2022年12月，時間分區為1年，網絡連接強度為Cosine。①發文量：采用Excel工具繪制每年發文量;②發文國家：節點類型選擇country，閾值為TOP50;③發文機構：節點類型選擇institution，閾值為TOP30;④高頻關鍵詞：節點類型選擇keyword，閾值為TOP30，關鍵詞初步分析數據后，采用最小生成樹法和修剪切片網絡對圖譜進行修剪，并將意義相同的關鍵詞進行合并;⑤關鍵詞聚類分析：采用Log-Likelihood Ratio算法對關鍵詞進行聚類分析，計算聚類模塊值Q值以及聚類平均輪廓值S值，當Q值>0.3表示聚類結構顯著，S值>0.5表示聚類合理;⑥關鍵詞突現分析：突發檢測的靈敏度為2.0，伽馬值為1.0，最小持續時間設置為1。

2結果

2.1發文量分析 共檢索到1946篇論文和364篇綜述，發表時間范圍在2012年3月-2022年12月，無重復文獻，最終2310篇納入分析，每年發文量總體呈上升趨勢，見圖1。

2.2發文國家分析 節點為114，說明有114個國家基于實施科學三種類型設計發表了相關研究;E值表示節點間連線為955，密度值為0.1483，即各國家間有較為密切的研究合作。發文量≥100篇的國家為美國（612篇，26.49%）、中國（356篇，15.80%）、印度（210篇，9.09%）、英國（162篇，7.01%）、澳大利亞（134篇，5.80%）、加拿大（115篇，4.98%）、西班牙（113篇，4.89%）和德國（112篇，4.85%）。

2.3發文機構分布 機構合作網絡圖譜有884個節點，1650條連線，密度為0.0042，說明各連線機構存在一定的合作。發文最多的機構為華盛頓大學（33篇，14.29‰），見表1。

2.4關鍵詞分析

2.4.1高頻關鍵詞 將意義相同的關鍵詞進行合并，如strategy和intervention合并為intervention。節點有517個，連線1021條，網絡密度為0.0077。出現頻次最高的關鍵詞為“implementation（實施）”，見表2。

2.4.2關鍵詞聚類分析 關鍵詞聚類結果顯示，S值為0.8302，Q值為0.592，說明聚類合理，能夠代表該主題的研究熱點。聚類結果為#0 implementation science（實施科學）、#1 HIV（艾滋病毒）、#2 model（模型）、#3 machine learning（機器學習）、#4 program（項目）、#5 generative adversarial networks（生成式對抗網絡），見圖2。

2.4.3關鍵詞突現分析 實施科學三種類型研究設計中預測該領域發展趨勢的突現詞為deep learning（深度學習）、machine learning（機器學習）、challenge（挑戰）、barrier（障礙）、public health（公共衛生）、classification（分類），見圖3。

3討論

目前，我國存在醫療衛生資源總量不足、分布不均、醫療衛生服務發展不平衡、醫療費用與日俱增等問題[8， 9]。然而，諸多驗證各類疾病的干預措施未能成功在實際臨床工作中轉化實施，不僅會造成經濟資源的浪費，還會導致醫療護理質量下降;且患者無法得到預期的治療護理，或得到有害或不必要的治療護理，進而影響患者的臨床結局和預后[10， 11]。2016年，中共中央、國務院印發了《“健康中國2030”規劃綱要》，并提出“持續改進醫療質量和醫療安全，提升醫療服務同質化程度，規范診療行為”[12]。而實施科學就是對方法和策略的科學研究，在科學證據轉化以及規范診療行為過程中起到了重要的作用。實施科學對于證據轉化的設計、準備、實施和維持都提供了一定理論與方法學指導，有助于政策制定者和臨床醫護人員接受以證據為基礎的干預措施并維持實施[13]。

3.1基于實施科學三種類型研究設計的研究現狀 近年來，實施科學受到越來越多的學者以及管理者的關注，因此每年的發文量呈快速上升趨勢。自2012年Curran GM等[6]提出了3種效果-實施混合研究設計后，學者們不斷探索實施科學的研究方法、實踐應用以及效果評價，推動實施科學快速發展與成果傳播，促進了實施科學的深入研究[14]。發文占比在10%以上的國家有美國和中國，且各國之間在實施科學研究方面有較為密切的合作，各組織機構之間在推動實施科學發展過程中也存在一定的合作，可能是各國學者致力于縮短研究證據與臨床落地之間的時間，進而通過合作交流、經驗借鑒等手段來實現互利互贏[15， 16]。

3.2基于實施科學三種類型研究設計的研究熱點

3.2.1基于實施科學三種類型研究設計的關注方法 實施科學是對干預措施和實施策略的科學研究，這些方法和戰略有助于醫護人員和政策制定者接受以證據為基礎的實踐和研究并定期使用。實施科學關注于研究證據到臨床實踐的全過程，主要包含以下4個步驟：指南的編制發布、指南的傳播交流、指南的采納運用以及指南的改進完善。在上述全過程中，采用先進、科學、可操作的方法來推動指南轉化各個階段的順利開展是學者們和管理者共同關注的問題。高頻關鍵詞包含model（模型）、algorithm（算法）、neural network（神經網絡）、machine learning（機器學習）;關鍵詞聚類包括#2 model（模型）、#3 machine learning（機器學習）、#5 generative adversarial networks（生成式對抗網絡）。隨著大數據技術的不斷發展與更新，越來越多的學者利用人工智能、深度學習、機器學習等方法輔助臨床醫護人員進行疾病的診斷、危險因素的識別、疾病發生風險預測以及個性化醫療護理措施的制定，進而達到促進指南成功轉化落實的目的。例如，Shameer K等[17]介紹了心血管領域機器學習的應用，基于臨床醫學中不斷增長的大數據，采用機器學習、深度學習和強化學習等方法構建自動化風險預測模型，采用無監督學習技術更精確地表達復雜疾病的表型，通過應用智能化手段增強醫護人員對疾病的診斷和干預的實施，進而促進循證措施的轉化。Adeoye J等[18]評價了140篇關于基于機器學習的癌癥預后模型的使用（包括輔助診斷、風險分層和輔助決策）和臨床實際實施程度，發現僅有0.7%在臨床影響和療效方面進行了評估。未來，還需要采集更大樣本量用于訓練模型，并推動使用隨機對照試驗設計增加實施效果的評估，以促進實際臨床應用。

3.2.2基于實施科學三種類型研究設計的關注疾病 關鍵詞聚類包括#1 HIV（艾滋病毒）。盡管有證據表明相關干預措施可以防治HIV，但由于實際實施困難，限制了許多用于防治青少年HIV干預措施的效果。因此，諸多研究人員基于實施科學來推動相關干預措施的落地實施，并認為實施科學能夠加強整個非洲青少年HIV的預防和護理[19-22]。Vorkoper S等[21]對在撒哈拉以南非洲進行的青少年和年輕人（10～24歲）HIV研究中應用實施科學的研究進行了范圍綜述，納入的44篇文章涉及HIV的預防或治療，其中50%專門關注了HIV預防的延續性護理，可接受性和可行性是實施科學成果中被報道最多的指標，為進一步指導研究設計、實施和傳播以及衛生政策的制定提供了依據。此外，青少年HIV病毒預防和治療實施科學聯盟描述了當前青少年HIV和實施科學相結合的學術現狀，如基于實施科學框架指導干預措施的實施以及效果評價;并探索利用實施科學加強青少年HIV預防和治療的方法，可促進成功實施以證據為基礎的干預措施，進而減少HIV傳播和改善治療效果[19]。

3.3基于實施科學三種類型研究設計的研究趨勢 實施科學三種類型研究設計中預測該領域發展趨勢的突現詞為deep learning（深度學習）、machine learning（機器學習）、challenge（挑戰）、barrier（障礙）、public health（公共衛生）、classification（分類）。不同實施科學研究設計關注的重點有所差異，混合類型Ⅰ重點關注干預措施對患者疾病相關結局的影響;混合類型Ⅱ是同時關注干預措施和實施策略的效果;混合類型Ⅲ重點關注推動干預措施執行的實施策略的有效性。不同類型研究設計中，均可考慮應用人工智能技術（如深度學習、機器學習）助力實施科學的推動與發展[23-25]。2022年7月，Implementation Science雜志發表了指南實施趨勢的范圍綜述，并分析了指南實施存在的挑戰與障礙[25]。該研究納入了118項指南實施研究，其中僅有21%的研究在指南實施規劃階段涉及理論或框架，50%預先確定實施障礙因素。這提示了研究人員在未來研究中基于實施科學進行研究設計過程時，最好基于相應的理論來支撐研究，以及識別影響基于循證的干預措施轉化的障礙因素，有針對性的提升醫護人員對于干預措施的采用。通過將實施科學研究的要素與臨床療效相結合，達到更快速的轉化收益、更有效的實施措施以及為醫護人員提供更多有用信息的目的，進而實現加速研究結果轉化為常規實踐的目標。

4展望

在實踐工作中，基于循證的干預措施實施依從性不佳則無法產生預期的健康效益，而實施科學通過明確實施過程中的障礙因素來解決存在的問題，以最大限度地發揮基于證據的干預措施的影響，促進基于循證實踐的干預措施和政策應用到日常衛生保健工作中。實施科學既可加快研究人員、實施者和政策制定者之間可持續合作的發展，也可為臨床管理者推動實施科學在醫療護理研究中的應用提供研究設計參考和思路，以提高衛生服務的質量和有效性。未來，可進一步采用基于人工智能技術助力實施科學在實際工作中的應用和發展。

參考文獻：

[1]Morris ZS，Wooding S，Grant J.The answer is 17 years， what is the question： understanding time lags in translational research[J].J R Soc Med，2011，104（12）：510-520.

[2]黃超，杜亮，陳耀龍，等.中國醫務人員對臨床實踐指南的使用和需求調查[J].中國循證醫學雜志，2019，19（6）：635-638.

[3]Houghton C，Meskell P，Delaney H，et al.Barriers and facilitators to healthcare workers' adherence with infection prevention and control （IPC） guidelines for respiratory infectious diseases：a rapid qualitative evidence synthesis[J].Cochrane Database Syst Rev，2020，4：D13582.

[4]Proctor EK，Landsverk J，Aarons G，et al.Implementation research in mental health services：an emerging science with conceptual，methodological，and training challenges[J].Adm Policy Ment Health，2009，36（1）：24-34.

[5]March JS，Silva SG，Compton S，et al.The case for practical clinical trials in psychiatry[J].Am J Psychiatry，2005，162（5）：836-846.

[6]Curran GM，Bauer M，Mittman B，et al.Effectiveness-implementation hybrid designs：combining elements of clinical effectiveness and implementation research to enhance public health impact[J].Med Care，2012，50（3）：217-226.

[7]李佳鎂，郭瑜潔，陳思琪，等.基于CiteSpace的癌癥職業康復研究熱點分析[J].解放軍護理雜志，2022，39（6）：60-63.

[8]黃超，陳耀龍，蔣帥，等.深化醫改背景下我國臨床實踐指南規范化發展的探討[J].中國衛生質量管理，2018，25（4）：43-45.

[9]馬翠，周先東.全國各地區醫療衛生水平綜合評價分析[J].重慶醫學，2022，51（17）：3053-3058.

[10]Baron DM，Metnitz P，Rhodes A，et al.Clinical guidelines：How can we improve adherence and implementation？[J].Eur J Anaesthesiol，2017，34（6）：329-331.

[11]新華社.提升醫療服務水平中國臨床實踐指南聯盟來了[EB/OL].（2021-05-24）[2023-11-01]http：//www.gov.cn/xinwen/2021-05/24/content_5611215.htm.

[12]中共中央，國務院.“健康中國2030”規劃綱要[EB/OL].（2016-10-25）[2023-11-01]http：//www.gov.cn/xinwen/2016-10/25/content_5124174.htm.

[13]Reuter K，Genao K，Callanan EM，et al.Increasing Uptake of Depression Screening and Treatment Guidelines in Cardiac Patients：A Behavioral and Implementation Science Approach to Developing a Theory-Informed，Multilevel Implementation Strategy[J].Circ Cardiovasc Qual Outcomes，2022，15（11）：e9338.

[14]屈智勇，郭帥，張維軍，等.實施科學對我國心理健康服務體系建設的啟示[J].北京師范大學學報（社會科學版），2017（2）：29-36.

[15]Kwak L，Toropova A，Powell BJ，et al.A randomized controlled trial in schools aimed at exploring mechanisms of change of a multifaceted implementation strategy for promoting mental health at the workplace[J].Implementation Science，2022，17（1）：59.

[16]Milton S，Emery JD，Rinaldi J，et al.Exploring a novel method for optimising the implementation of a colorectal cancer risk prediction tool into primary care：a qualitative study[J].Implementation Science，2022，17（1）：31.

[17]Shameer K，Johnson KW，Glicksberg BS，et al.Machine learning in cardiovascular medicine：are we there yet？[J].Heart，2018，104（14）：1156-1164.

[18]Adeoye J，Akinshipo A，Koohi-Moghadam M，et al.Construction of machine learning-based models for cancer outcomes in low and lower-middle income countries：A scoping review[J].Frontiers in Oncology，2022，12：976168.

[19]Vorkoper S，Sam-Agudu NA，Bekker LG，et al.Implementation Science for Eliminating HIV Among Adolescents in High-Burden African Countries：Findings and Lessons Learned from the Adolescent HIV Prevention and Treatment Implementation Science Alliance （AHISA）[J].AIDS Behav，2023，27（Suppl 1）：3-6.

[20]Goosby E，Wasserheit JN，Glass R，et al.Advancing Adolescent HIV Prevention and Care Through Implementation Science：An Agenda for Combating the Global AIDS Epidemic in Sub-Saharan Africa[J].AIDS Behav，2023，27（Suppl 1）：1-2.

[21]Vorkoper S，Tahlil KM，Sam-Agudu NA，et al.Implementation Science for the Prevention and Treatment of HIV among Adolescents and Young Adults in Sub-Saharan Africa：A Scoping Review[J].AIDS Behav，2023，27（Suppl 1）：7-23.

[22]Boshe J，Brtek V，Beima-Sofie K，et al.Integrating Adolescent Mental Health into HIV Prevention and Treatment Programs： Can Implementation Science Pave the Path Forward？[J].AIDS Behav，2023，27（Suppl 1）：145-161.

[23]陳耀龍，羅旭飛，史乾靈，等.人工智能如何改變指南的未來[J].協和醫學雜志，2021，12（1）：114-121.

[24]段明月，葉玉琴，張樂，等.人工智能制定乳腺癌術后治療方案與相關指南一致性研究[J].中國實用外科雜志，2019，39（9）：964-967.

[25]Peters S，Sukumar K，Blanchard S，et al.Trends in guideline implementation：an updated scoping review[J].Implement Sci，2022，17（1）：50.

收稿日期：2023-11-12;修回日期：2023-11-25

編輯/杜帆

基金項目：國家自然科學基金項目（編號：NSFC72304196）

作者簡介：劉璐（1997.10-），女，河南光山縣人，碩士研究生，主要從事護理信息學研究

通訊作者：張山（1993.1-），女，北京人，博士，副教授，主要從事急危重癥護理、護理信息學研究