生存資料的二次研究系列之四：預后相關系統(tǒng)評價/ Meta分析的文獻計量學研究

孟詳喻，方程，李妙竹，田國祥，曾憲濤

· 循證理論與實踐 ·

生存資料的二次研究系列之四：預后相關系統(tǒng)評價/ Meta分析的文獻計量學研究

孟詳喻1，2，方程1，2，李妙竹3，田國祥4，曾憲濤1，2

預后指標在醫(yī)學研究及臨床實踐中都具有重要意義。預后相關的系統(tǒng)評價/Meta分析對預后方面的研究資料進行評價、匯總以形成能用于指導臨床實踐的高質量證據(jù)。為了探索預后相關系統(tǒng)評價/Meta分析當前在全球范圍的研究現(xiàn)狀，本文通過檢索Scopus數(shù)據(jù)庫獲得2006～2015年間發(fā)表的預后相關的系統(tǒng)評價/Meta分析文獻，利用R軟件、tm程序包、ggplot2程序包以及VOSviewer軟件進行文獻計量學分析、簡單的文本挖掘及相關可視化展示。

預后；系統(tǒng)評價/Meta分析；文獻計量學；文本挖掘；可視化

系統(tǒng)評價/Meta分析是目前最為活躍的醫(yī)學二次研究類型［1］。預后指標在醫(yī)學研究及臨床實踐中都具有重要意義，預后相關的系統(tǒng)評價/Meta分析對預后方面的研究資料進行評價、匯總以形成能用于指導臨床實踐的高質量證據(jù)［2］。

通過文獻計量學研究對某一研究領域既往發(fā)表文獻的文獻分布、被引情況及合著情況等方面進行分析，有助于幫助研究者進一步了解相關領域的研究現(xiàn)狀，為后續(xù)研究提供思路與借鑒。為了探索預后相關系統(tǒng)評價/Meta分析目前在全球范圍的研究現(xiàn)狀，本文通過檢索Scopus數(shù)據(jù)庫獲得2006～2015年間發(fā)表的預后相關的系統(tǒng)評價/Meta分析文獻，利用R軟件、tm程序包、ggplot2程序包以及VOSviewer軟件進行文獻計量學分析、標題信息的文本挖掘及相關可視化展示。

1　材料與方法

1.1數(shù)據(jù)收集 本研究選用Elsevier旗下的Scopus數(shù)據(jù)庫作為文獻來源。該數(shù)據(jù)庫為目前全球最大的同行評審文獻數(shù)據(jù)庫。將檢索時間范圍限定為2006至2015年，即目標文獻為過去10年間發(fā)表的相關文獻。為了獲得預后相關的系統(tǒng)評價/Meta分析，在檢索策略中限定文章標題包含“meta-analysis”或“systematic review”并且在標題或摘要中出現(xiàn)以“prognos”開頭的英文單詞（如prognosis、prognostic等）或“survival”，文獻類型設定為“article”或“review”即論著或綜述。研究領域限定為生命科學、醫(yī)學與健康科學等相關領域。使用的檢索式如下：（（TITLE（meta-analysis） OR （TITLE（systematic） AND TITLE（review） ） AND （TITLE-ABS（prognos*） OR TITLE-ABS（survival）） AND DOCTYPE（ar OR re）AND SUBJAREA（BIOC OR IMMU OR NEUR OR PHAR OR PSYC OR MEDI OR NURS OR DENT OR HEAL） AND （PUBYEAR ＞ 2005 AND PUBYEAR ＜2016）。

2　結果

2.1總覽 經檢索，在2006～2015年的10年間，共有6，918篇預后相關的系統(tǒng)評價/Meta分析為Scopus收錄。其中有3，831篇（55.4%）文獻作為論著（Article）發(fā)表，3，087篇（44.6%）文獻作為綜述（Review）發(fā)表。在同一時期，為Scopus收錄的各類系統(tǒng)評價/Meta分析則有71，144篇，其中論著37，172篇（52.2%），綜述33，972篇（47.8%）。預后相關系統(tǒng)評價/Meta分析占各類系統(tǒng)評價/Meta的比例為9.7%。以英文和中文發(fā)表的文獻占絕大多數(shù)，分別為6，471篇（93.5%）與343篇（5.0%）。

2.2時間分布 預后相關系統(tǒng)評價/Meta分析以及全部類型系統(tǒng)評價/Meta分析的文獻發(fā)表數(shù)量在2006～2015年期間的時間分布如圖1所示?？梢钥闯?，二者的文獻數(shù)量均呈上升趨勢，且在2011～2014年期間增長最為迅速，而2015年則增速明顯放緩。預后相關系統(tǒng)評價/Meta分析文獻占各類文獻百分比隨時間的變化情況如表1所示?？梢钥闯觯?006～2013年間其百分比基本上以9%為中心波動（均值9.06%，標準差0.47%），而2014年則迅速增加至10.7%并在2015年輕微上升至10.9%。

2.3國家與機構分布 發(fā)文數(shù)量前十的國家依次為中國（2，106篇，30.4%）、美國（1，417篇，20.5%）、英國（950篇，13.7%）、加拿大（596篇，8.6%）、意大利（514篇，7.4%）、荷蘭（490篇，7.1%）、澳大利亞（386篇，5.6%）、德國（383篇，5.5%）、法國（244篇，3.5%）與西班牙（179篇，2.6%）。排名前十的國家總發(fā)文量為5，751篇，占文獻總量的83.1%?？梢园l(fā)現(xiàn)，除發(fā)文量排名第一的中國外，排名前十的其他國家均為歐美國家。

發(fā)文數(shù)量排名前十的一級機構及其發(fā)文量如表2所示，其中中國的研究機構占一半，四川大學發(fā)文量排名居首。發(fā)文數(shù)量不少于20篇的機構共有160個，這些機構共參與發(fā)表了4，299篇（62.1%）文獻。

2.4期刊分布 檢索獲得的文獻共涉及1，633種期刊，平均每種期刊發(fā)文4.2篇。發(fā)文量排名前十的期刊發(fā)文量如圖2所示，在這些期刊中共發(fā)表相關文獻1，052篇，占全部文獻的15.2%。發(fā)文量最大的期刊為《PLoS ONE》（360篇，5.2%），其發(fā)文量明顯高于位居第二的《中國循證醫(yī)學雜志》（98篇，1.4%）。在這十種期刊中，有5種期刊為腫瘤學專業(yè)期刊，1種胃腸病專業(yè)期刊，其余4種為綜合性期刊。絕大多數(shù)期刊（1，499種，91.8%）的發(fā)文量不超過10篇，超過半數(shù)的期刊（829種，50.8%）僅發(fā)表了1篇相關文獻。

表2　預后相關系統(tǒng)評價/Meta分析的機構分布

2.5被引情況 檢索獲取的6，918篇文獻被引用次數(shù)總計為162，088次，篇均被引次數(shù)為23.4次。其中1，391篇（20.1%）文獻至今無被引記錄，有1，307篇（18.9%）文獻的被引次數(shù)≤3次。5，571篇有被引記錄的文獻的年均被引次數(shù)的均值為5.7次/年。被引次數(shù)排名前十的文獻［8-17］與年平均被引數(shù)排名前十的文獻［8，10，12，13，15，16，18-21］分別列于表3與表4中?？梢园l(fā)現(xiàn)，總被引次數(shù)與年均被引次數(shù)前十的文獻均為國外學者發(fā)表的研究。腫瘤相關研究的數(shù)目在二者中均居首，均為4篇［8，10，14，16，21］。此外，上述高被引文獻均發(fā)表于國際一流醫(yī)學期刊而無一發(fā)表于圖2中發(fā)文量前十的期刊。

圖2　預后相關系統(tǒng)評價/Meta分析發(fā)文量前十的雜志

對中國學者發(fā)表的2，106篇文獻進行被引分析后發(fā)現(xiàn)，這些文獻被引用次數(shù)總計為14，035次，篇均被引次數(shù)為6.7次。有738篇文獻尚無被引記錄，占比35.0%；有487篇文獻的被引次數(shù)≤3次，占比23.1%。1，368篇有被引記錄的文獻的年均被引次數(shù)的均值為3.1次/年。中國學者發(fā)表的文獻中年均被引次數(shù)前十者列于表5中［22-31］?？梢园l(fā)現(xiàn)，這些文獻研究主題均與腫瘤相關，且大多數(shù)涉及生物標記與腫瘤患者預后的關系［23-27，29-31］。

2.6參考文獻 在納入的6，918篇預后相關的系統(tǒng)評價/Meta分析文獻中共引用了289，757篇次的參考文獻，篇均參考文獻數(shù)量為41.9篇。被引量排名前五的參考文獻的基本信息列于表6中［32-36］?？梢钥闯?，這些高被引的參考文獻中有3篇經典的Meta分析方法學文獻，涉及隨機效應模型［32］、異質性評價［33］和發(fā)表偏倚檢驗［35］；而另外兩篇則為介紹如何提取原始數(shù)據(jù)尤其是時間-事件資料以用于后續(xù)Meta分析的方法學文獻［37，38］。

2.7研究者及合著網(wǎng)絡 共有25，123名研究者參與了全部6，918篇文獻的研究工作，篇均作者數(shù)為3.6名。發(fā)文最多的學者為蘭州大學的楊克虎教授，共發(fā)文45篇。將發(fā)文數(shù)量不低于10篇的135名作者所構成的合著網(wǎng)絡進行聚類與可視化展示（圖3）。圖3中的每一個節(jié)點代表一名研究者，兩節(jié)點之間的連線代表兩名研究者間的合著關系。節(jié)點的大小與相應研究者的發(fā)文數(shù)量成正比，連線寬度與合著次數(shù)呈正比。根據(jù)135名作者的合著情況，聚類分析將其劃分為24個亞組，基本上每一個亞組對應一個合作緊密的研究團隊，在圖3中以不同的顏色進行標示?？梢钥闯觯谥袊鴮W者內部，即便不同的研究團隊間基本上都有著較為緊密的合作，但中國學者與國外學者的合作則很少。而國外學者的合著關系僅限于研究團隊內部，不同團隊之間的聯(lián)系則很少。

表3　總被引次數(shù)排名前十文獻的基本信息

表4　年均被引次數(shù)排名前十文獻的基本信息

表5　中國學者發(fā)表的文獻中年均被引次數(shù)排名前十文獻的基本信息

2.8標題信息的文本挖掘 對6198篇納入文獻的標題所構成的語料庫進行文本挖掘。基于預處理后的語料庫構建得到文本數(shù)量6，918個、詞條數(shù)7，916條、稀疏度99.87%、最大詞條長度43字節(jié)的文本-詞條矩陣。出現(xiàn)頻率前五的詞條依次為“meta-analysis”（4，135次）、“systematic review”（3，894次）、“cancer”（2，305次）、“patients”（1，389次）和“prognostic”（840次）。出現(xiàn)頻率不超過20次的詞條總計7，406條，占全部詞條的93.6%。50.7%的詞條僅出現(xiàn)一次。經關聯(lián)分析確定與“cancer”相關程度最高的詞條為“l(fā)ung”（相關系數(shù)r=0.35），相關度靠前的詞條還有“breast”（r=0.32）、“non-smallcell”（r=0.32）、“advanced”（r=0.24）、“colorectal”（r=0.23）、“gastric”（r=0.22）、“chemotherapy”（r=0.20）、“prostate”（r=0.17）及“expression （r=0.16）”等。對出現(xiàn)頻率前100的詞條繪制術語云（圖4）。為了方便展示，在術語云中將“meta-analysis”與“systematic review”分別簡化為“meta”與“sysrev”。術語云中詞條的字體大小與其出現(xiàn)頻率成正比。對出現(xiàn)頻率前100的詞條進行分層聚類分析并繪制樹狀圖（圖5）。綜合圖4與圖5的內容，讀者能夠對該領域的熱點研究主題分布有快速和初步的認識。

表6　被引數(shù)排名前五的參考文獻的基本信息

圖3　發(fā)文量不低于10篇的作者的合著網(wǎng)絡及聚類圖

圖4　納入文獻標題中出現(xiàn)頻率前100詞條的術語云

3　討論

預后指標在醫(yī)學研究及臨床實踐中都具有重要意義，預后相關的系統(tǒng)評價/Meta分析對預后方面的研究資料進行評價、匯總以形成能用于指導臨床實踐的高質量證據(jù)。在本系列的前幾篇文章中，介紹了預后相關二次研究的基本概念［2］以及生存曲線合并［33］與時間-事件IPD重構［34］等基礎方法學內容。本文首次以預后相關系統(tǒng)評價/Meta分析為主題進行了文獻計量學分析，并進行了文本挖掘與相關可視化展示。

根據(jù)本研究的分析結果，預后相關系統(tǒng)評價/Meta分析的發(fā)文數(shù)量在過去10年間呈上升趨勢，其增長情況與全部系統(tǒng)評價/Meta分析的增長情況基本一致，其在全部系統(tǒng)評價/Meta分析中所占的比例在過去兩年有較為顯著的上升。我國學者發(fā)表的預后相關系統(tǒng)評價/Meta分析的發(fā)文量位居各國榜首，占比近1/3。排名前十的其他國家則全部為歐美國家。發(fā)文量排名前十的研究機構中超過半數(shù)的機構來自我國?？梢娢覈鴮W者在該領域的研究發(fā)表數(shù)量上具有較大的優(yōu)勢。就期刊分布而言，我們可以明顯地看出，預后相關系統(tǒng)評價/Meta分析文獻集中發(fā)表于少數(shù)特定雜志的現(xiàn)象非常明顯。其中我國期刊《中國循證醫(yī)學雜志》發(fā)文量近百篇，僅次于《PLoS ONE》位居第二。就單個學者發(fā)文量而言，我國學者楊克虎教授位居榜首。

文獻的被引情況是反映其學術影響力最為直接和重要的指標。通過對比我們可以發(fā)現(xiàn)，我國學者發(fā)表文獻的篇均被引次數(shù)及有被引記錄文獻的年均被引次數(shù)均值均明顯低于所有預后相關系統(tǒng)評價/Meta分析的相關指標，可見我國在該領域雖然研究發(fā)表數(shù)量大但研究成果的影響力較小。

的分析結果提示在該領域最有影響力的文獻為Meta分析方法學經典文獻以及介紹如何提取生存資料用于Meta分析的方法學文獻。

發(fā)文量10篇及以上學者所構成的合著網(wǎng)絡提示中國不同的研究團隊之間存在著緊密的合作關系，而國外的不同團隊間聯(lián)系很少；中國學者與國外學者之間的聯(lián)系也非常少。我們推測造成這一現(xiàn)象的原因在于，系統(tǒng)評價/Meta分析引入我國的時間相對較晚，率先掌握了系統(tǒng)評價/Meta分析理念與方法學的循證醫(yī)學專家是開展系統(tǒng)評價/Meta分析的主力軍，這部分人具有相似的學術背景，雖然就職于不同的研究機構但其相互之間的聯(lián)系卻是十分緊密的；而歐美國家的情況與我國存在較大差異，循證醫(yī)學在歐美已經有了數(shù)十年的發(fā)展，其理念與方法學已經十分普及，不同學術背景的研究者與研究機構均有能力獨立完成系統(tǒng)評價/Meta分析研究。

圖5　出現(xiàn)頻率前100的詞條的分層聚類樹狀圖

標題信息文本挖掘的結果顯示，該領域內最熱門的研究方向為惡性腫瘤，其中肺癌（尤其是非小細胞肺癌）、乳腺癌、晚期癌癥、結直腸癌、胃癌及化療等主題最受關注。發(fā)文量前十的期刊中半數(shù)是腫瘤學專業(yè)期刊以及高被引文獻中有許多腫瘤學相關文獻［8，10，14，16，21］也從側面印證了這一發(fā)現(xiàn)。

綜上所述，預后相關系統(tǒng)評價/Meta分析是系統(tǒng)評價/Meta分析中具有一定地位的重要類型，其發(fā)文數(shù)量在過去十年呈持續(xù)上升趨勢。我國學者在該領域的文獻發(fā)表數(shù)量位居世界前列，但影響力相對欠缺，需要在今后的研究工作中提升研究質量，加強與國際一流研究機構之間的合作，力爭發(fā)表于國際一流期刊以增強學術影響。就研究主題而言，該領域內最熱門的研究方向為惡性腫瘤，這印證了預后分析在腫瘤學臨床研究中的重要地位。

參 考 文 獻

［1］ 曾憲濤，田國祥，張超，等. Meta分析系列之十五：Meta分析的進展與思考［J］. 中國循證心血管醫(yī)學雜志，2013，5（6）：561-3.

［2］ 孟詳喻，田國祥，仇成鳳，等. 生存資料的二次研究系列之三：預后相關的二次研究的基本概念介紹［J］. 中國循證心血管醫(yī)學雜志，2016，18（3）：in press.

［3］ R Core Team. R： A language and environment for statistical computing ［Internet］. R Foundation for Statistical Computing， Vienna， Austria， 2015.2016-02-05. Available from： https：//www.R-project.org/

［4］ FeinererI，HornikK. tm： Text Mining Package［Internet］. R package version 0.6-2. 2016-02-05. Available from： http：//CRAN.R-project. org/package=tm/

［5］ Wickham H. ggplot2： Elegant Graphics for Data Analysis ［M］. New York： Springer-Verlag， 2009.

［6］ Van Eck NJ，Waltman L. Text mining and visualization using VOSviewer［J］. ISSI Newsletter， 2011，7（3）：50-4.

［7］ Torgo L. Data Mining with R： Learning with Case Studies［M］. London：CRC press，2010.

［8］ PignonJP，le Ma?tre A，MaillardE，et al. Meta-analysis of chemotherapy in head and neck cancer （MACH-NC）： an update on 93 randomised trials and 17，346 patients［J］.Radiother Oncol，2009，92（1）：4-14.

［9］ Gianni M，DentaliF，GrandiAM，et al. Apical ballooning syndrome or takotsubo cardiomyopathy： a systematic review［J］. Eur Heart J，2006，27（13）：1523-9.

［10］ GebskiV，BurmeisterB，SmithersBM，et al. Survival benefits from neoad juvantchemoradiotherapy or chemotherapy in oesophageal carcinoma：a meta-analysis［J］. Lancet Oncol，2007，8（3）：226-34.

［11］ D'Amico G，Garcia-TsaoG，Pagliaro L. Natural history and prognostic indicators of survival in cirrhosis： a systematic review of 118 studies［J］. J Hepatol，2006，44（1）：217-31.

［12］ MottilloS，F(xiàn)ilionKB，GenestJ，et al. The metabolic syndrome and cardiovascular risk a systematic review and meta-analysis［J］. J Am CollCardiol，2010，56（14）：1113-32.

［13］ vanOsJ，LinscottRJ，Myin-GermeysI，et al. A systematic review and meta-analysis of the psychosis continuum： evidence for a psychosis proneness-persistence-impairment model of psychotic disorder［J］. Psychol Med，2009，39（2）：179-95.

［14］ Wagner AD，GrotheW，HaertingJ，et al. Chemotherapy in advanced gastric cancer： a systematic review and meta-analysis based on aggregate data［J］. J ClinOncol， 2006，24（18）：2903-9.

［15］ GriesdaleDE，deSouza RJ，van Dam RM，et al. Intensive insulin therapy and mortality among critically ill patients： a meta-analysis including NICE-SUGAR study data［J］.CMAJ，2009，180（8）：821-7.

［16］ Early Breast Cancer Trialists' Collaborative Group （EBCTCG），Darby S，McGale P，et al. Effect of radiotherapy after breast-conserving surgery on 10-year recurrence and 15-year breast cancer death：meta-analysis of individual patient data for 10，801 women in 17 randomisedtrials［J］. Lancet，2011，378（9804）：1707-16.

［17］ BroekmansFJ，KweeJ，HendriksDJ，et al. A systematic review of tests predicting ovarian reserve and IVF outcome［J］. Hum Reprod Update，2006，12（6）：685-718.

［18］ Prince M，BryceR，AlbaneseE，et al. The global prevalence of dementia： a systematic review and meta-analysis［J］. Alzheimers Dement，2013，9（1）：63-75.

［19］ AutierP，BoniolM，PizotC，et al. Vitamin D status and ill health： a systematic review［J］. Lancet Diabetes Endocrinol，2014，2（1）：76-89.

［20］ SassonC，RogersMA，DahlJ，et al. Predictors of survival from out-ofhospital cardiac arrest： a systematic review and meta-analysis［J］. CircCardiovascQual Outcomes，2010，3（1）：63-81.

［21］ Bach PB，MirkinJN，OliverTK，et al. Benefits and harms of CT screening for lung cancer： a systematic review［J］. JAMA，2012，307（22）：2418-29.

［22］ Lee CK，BrownC，GrallaRJ，et al. Impact of EGFR inhibitor in nonsmall cell lung cancer on progression-free and overall survival： a meta-analysis［J］. J Natl Cancer Inst，2013，105（9）：595-605.

［23］ Zhang L，RiethdorfS，WuG，et al. Meta-analysis of the prognostic value of circulating tumor cells in breast cancer［J］. Clin Cancer Res，2012，18（20）：5701-10.

［24］ Mao C，QiuLX，LiaoRY，et al. KRAS mutations and resistance to EGFR-TKIs treatment in patients with non-small cell lung cancer： a meta-analysis of 22 studies［J］. Lung Cancer， 2010，69（3）：272-8.

［25］ Wang Y，GaoX，WeiF，et al. Diagnostic and prognostic value of circulating miR-21 for cancer： a systematic review and metaanalysis［J］. Gene，2014，533（1）：389-97.

［26］ Zhang QW，LiuL，GongCY，et al. Prognostic significance of tumorassociated macrophages in solid tumor： a meta-analysis of the literature［J］. PLoS One，2012，7（12）：e50946.

［27］ Li MX，LiuXM，ZhangXF，et al. Prognostic role of neutrophil-tolymphocyte ratio in colorectal cancer： a systematic review and metaanalysis［J］. Int J Cancer，2014，134（10）：2403-13.

［28］ Zhang Y，ShiJ，ShiB，et al. Self-expanding metallic stent as a bridge to surgery versus emergency surgery for obstructive colorectal cancer： a meta-analysis［J］. SurgEndosc，2012，26（1）：110-9.

［29］ Guan P，YinZ，LiX，et al. Meta-analysis of human lung cancer microRNA expression profiling studies comparing cancer tissues with normal tissues［J］.J ExpClin Cancer Res，2012，31（1）：54.

［30］ Mao C，YangZY，HuXF，et al. PIK3CA exon 20 mutations as a potential biomarker for resistance to anti-EGFR monoclonal antibodies in KRAS wild-type metastatic colorectal cancer： a systematic review and meta-analysis［J］.Ann Oncol，2012，23（6）：1518-25.

［31］ Fu X，HanY，WuY，et al. Prognostic role of microRNA-21 in various carcinomas： a systematic review and meta-analysis［J］.Eur J Clin Invest，2011，41（11）：1245-53.

［32］ DerSimonianR，Laird N. Meta-analysis in clinical trials［J］.Control Clin Trials，1986，7（3）：177-88.

［33］ Higgins JP，ThompsonSG，DeeksJJ，et al. Measuring inconsistency in meta-analyses［J］.BMJ，2003，327（7414）：557-60.

［34］ ParmarMK，TorriV，Stewart L. Extracting summary statistics to perform meta-analyses of the published literature for survival endpoints［J］. Stat Med，1998，17（24）：2815-34.

［35］ Egger M，Davey Smith G，SchneiderM，et al. Bias in meta-analysis detected by a simple， graphical test［J］. BMJ，1997，315（7109）：629-34.

［36］ Tierney JF，StewartLA，GhersiD，et al. Practical methods for incorporating summary time-to-event data into meta-analysis［J］. Trials，2007，8（1）：16.

［37］ 孟詳喻，靳英輝，程小珂，等. 生存資料的二次研究系列之一：應用R軟件實現(xiàn)生存曲線中數(shù)據(jù)提取與生存曲線的合并［J］. 中國循證心血管醫(yī)學雜志，2016，18（1）：2-6.

［38］ 孟詳喻，田國祥，拜爭剛，等. 生存資料的二次研究系列之二：R軟件重建time-to-event結局的單個患者數(shù)據(jù)［J］. 中國循證心血管醫(yī)學雜志，2016，18（2）：135-7.

本文編輯：姚雪莉

Bibliometric analysis on prognosis-related systematic reviews/Meta-analyses

MENG Xiang-yu*， FANG Cheng， LI Miao-zhu， TIAN Guo-xiang， ZENG Xian-tao.*Center for Evidence-Based and Translational Medicine，Zhongnan Hospital， Wuhan University， Wuhan 430071， China.

ZENG Xian-tao， E-mail: zengxiantao1128@163.com

Prognostic indices are of major importance and significance in medical research and clinical practice. Prognosis-related systematic reviews/Meta-analyses evaluate and summarize relevant study findings，generating high quality clinically applicable evidence. In order to examine the current scientific landscape of prognosis-related systematic reviews/Meta-analyses worldwide， we performed this bibliometric analysis with text mining and visualization. Relevant literature published during 2006-2015 was used as the source material， which was obtained by searching the Scopus database. The R software， tm package， ggplot2 package and VOSviewer were used as software tools.

Prognosis； Systematic reviews/Meta-analyses； Bibliometrics； Text mining； Visualization

· 循證理論與實踐 ·

R4

A

1674-4055（2016）04-0386-06

1430071 武漢，武漢大學中南醫(yī)院循證與轉化醫(yī)學中心；2430071 武漢，武漢大學循證與轉化醫(yī)學中心；3北卡羅來納州，美國杜克大學人群健康衰老研究中心；4100700 北京，北京軍區(qū)總醫(yī)院干四科

曾憲濤，E-mail：zengxiantao1128@163.com

10.3969/j.issn.1674-4055.2016.04.02

此外，檢索該數(shù)據(jù)庫收錄的同一時間段內發(fā)表的全部系統(tǒng)評價/Meta分析，檢索式為（（TITLE（meta-analysis） OR （TITLE（systematic）AND TITLE（review）） AND DOCTYPE（ar OR re）AND SUBJAREA（BIOC OR IMMU OR NEUR ORPHAR OR PSYC OR MEDI OR NURS OR DENT OR HEAL） AND （PUBYEAR ＞ 2005 AND PUBYEAR ＜2016），將其作為后續(xù)時間分布的參照。檢索日期為2016年1月31日。

1.2文獻計量學分析 對檢索獲取的預后相關系統(tǒng)評價/Meta分析文獻數(shù)量與全部類型的系統(tǒng)評價/Meta分析文獻數(shù)量繪制時間分布圖。對預后相關系統(tǒng)評價/Meta分析文獻的國家、機構與期刊分布進行描述。計算納入文獻的總被引次數(shù)及篇均被引次數(shù)。對高被引文獻計算年均被引次數(shù)，即總被引數(shù)除以自發(fā)表以來經歷的年數(shù)，將其作為評價文獻影響力的指標，并根據(jù)這一指標確定影響力排名前十的文獻。對納入文獻的參考文獻進行分析，找出被引量排名前五的參考文獻。對發(fā)表文獻不低于10篇的作者所構成的合著網(wǎng)絡進行可視化展示。合著關系的定義為某文獻的作者間兩兩互為合著關系。使用R軟件3.2.1［3］、tm程序包［4］、ggplot2程序包［5］與VOSviewer1.6.3軟件［6］進行文獻計量學分析與相關可視化展示。

1.3文本挖掘 以全部納入文獻的標題信息作為語料庫進行文本挖掘分析。對頻率較高的詞條繪制術語云，進行分層聚類分析并繪制樹狀圖［7］。所用軟件為R軟件3.2.1［3］、tm程序包［4］及ggplot2程序包［5］。

圖1發(fā)文量的時間分布圖

表1預后相關系統(tǒng)評價/Meta分析在全部系統(tǒng)評價/Meta分析中占比隨時間變化情況

年份百分比（%）20069.0 20079.8 20088.2 20099.2 20108.7 20119.2 20129.1 20139.3 201410.7 201510.9