中醫(yī)電子病歷研究領(lǐng)域科學(xué)知識(shí)圖譜分析

榮光，謝晴宇，孟慶剛

1.北京中醫(yī)藥大學(xué)，北京 100029；2.中國中醫(yī)科學(xué)院中醫(yī)臨床基礎(chǔ)醫(yī)學(xué)研究所，北京 100700

中醫(yī)電子病歷研究領(lǐng)域科學(xué)知識(shí)圖譜分析

榮光1，謝晴宇2，孟慶剛1

1.北京中醫(yī)藥大學(xué)，北京 100029；2.中國中醫(yī)科學(xué)院中醫(yī)臨床基礎(chǔ)醫(yī)學(xué)研究所，北京 100700

目的 探討中醫(yī)結(jié)構(gòu)化電子病歷國內(nèi)研究的新興趨勢(shì)和創(chuàng)新性。方法 計(jì)算機(jī)檢索中國知識(shí)資源總庫（CNKI）2000年1月－2015年12月中醫(yī)電子病歷研究領(lǐng)域相關(guān)文獻(xiàn)，對(duì)該領(lǐng)域研究者、研究機(jī)構(gòu)、關(guān)鍵詞等進(jìn)行文獻(xiàn)計(jì)量分析，采用可視化軟件CiteSpace構(gòu)建共現(xiàn)網(wǎng)絡(luò)。結(jié)果 發(fā)文量前3位的研究者為劉保延（13篇）、張潤順（8篇）、謝琪（7篇）和周雪忠（7篇）；合作緊密的研究機(jī)構(gòu)有中國中醫(yī)科學(xué)院、湖北中醫(yī)藥大學(xué)信息工程學(xué)院、河南中醫(yī)學(xué)院第一附屬醫(yī)院等；關(guān)鍵詞主要聚類有中醫(yī)診斷（#0）、中國中醫(yī)藥信息（#1）、人工智能（#2）、病歷管理（#3）、醫(yī)技科室（#4）等；主要關(guān)鍵詞有電子病歷、中醫(yī)醫(yī)院、數(shù)據(jù)挖掘、遠(yuǎn)程醫(yī)療、人工智能等。結(jié)論 目前，中醫(yī)電子病歷領(lǐng)域的研究者、研究機(jī)構(gòu)間合作不夠緊密，未形成研究熱點(diǎn)，創(chuàng)新性不顯著，原因可能與我國中醫(yī)藥信息化建設(shè)的整體水平密切相關(guān)。

電子病歷；關(guān)鍵詞聚類；研究者合作；研究機(jī)構(gòu)合作；知識(shí)圖譜

2015年12月，烏鎮(zhèn)互聯(lián)網(wǎng)醫(yī)院正式運(yùn)營，連接全國范圍內(nèi)的醫(yī)院、醫(yī)生、患者、藥品和醫(yī)保體系，建立起一個(gè)新型的智慧健康醫(yī)療服務(wù)平臺(tái)，是“互聯(lián)網(wǎng)＋醫(yī)療”模式的突破性探索。該示范模式預(yù)示著，將不同醫(yī)療機(jī)構(gòu)產(chǎn)生和積累的醫(yī)療數(shù)據(jù)共享，遠(yuǎn)程訪問，是互聯(lián)網(wǎng)醫(yī)療領(lǐng)域發(fā)展的重要需求。其中，中醫(yī)電子病歷數(shù)據(jù)作為患者醫(yī)療數(shù)據(jù)的重要載體，是醫(yī)療數(shù)字化的重要組成部分，也是醫(yī)療機(jī)構(gòu)間開展臨床診療、科研所必須的臨床信息資源。中醫(yī)電子病歷研究歷時(shí)15年之久，領(lǐng)域論文數(shù)量逐年遞增，繪制科學(xué)知識(shí)圖譜，能從文獻(xiàn)計(jì)量學(xué)角度詮釋該領(lǐng)域研究現(xiàn)狀，為今后互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)的集成提供依據(jù)。

科學(xué)知識(shí)圖譜是以知識(shí)域（knowledge domain）為對(duì)象，顯示科學(xué)知識(shí)的發(fā)展進(jìn)程和結(jié)構(gòu)關(guān)系的圖像[1]，具有“圖”和“譜”的雙重特性：既是可視化知識(shí)圖形，又是序列化的知識(shí)譜系。顯示了知識(shí)單元或知識(shí)群之間網(wǎng)絡(luò)、結(jié)構(gòu)、互動(dòng)、交叉、演化或衍生等諸多隱含的復(fù)雜關(guān)系，而這些復(fù)雜的知識(shí)關(guān)系正孕育著新的知識(shí)。CiteSpace是應(yīng)用Java語言開發(fā)的一款信息可視化軟件，基于共引分析理論和尋徑網(wǎng)絡(luò)算法等，對(duì)特定領(lǐng)域文獻(xiàn)（聚合）進(jìn)行計(jì)算，以探尋出學(xué)科領(lǐng)域演化的關(guān)鍵路徑和知識(shí)節(jié)點(diǎn)，并通過一系列可視化圖譜的繪制來形成對(duì)學(xué)科演化潛在動(dòng)力機(jī)制的分析和學(xué)科發(fā)展前言的探測(cè)[2]。這種多元、分時(shí)、動(dòng)態(tài)的文獻(xiàn)分析可視化技術(shù)所繪制的知識(shí)圖譜，能夠?qū)⒁粋€(gè)知識(shí)領(lǐng)域的來龍去脈的演進(jìn)歷程集中體現(xiàn)在一幅網(wǎng)絡(luò)圖譜上。鑒于科學(xué)知識(shí)圖譜方法學(xué)研究的優(yōu)勢(shì)，本研究運(yùn)用CiteSpace軟件繪制中醫(yī)電子病歷科學(xué)知識(shí)圖譜，探討該領(lǐng)域的研究者、研究機(jī)構(gòu)合作情況、研究熱點(diǎn)及創(chuàng)新性。

1 資料與方法

1.1 數(shù)據(jù)來源

計(jì)算機(jī)檢索中國知識(shí)資源總庫（CNKI）2000年1月－2015年12月中醫(yī)電子病歷研究領(lǐng)域相關(guān)文獻(xiàn)。檢索式：SU＝‘中醫(yī)電子病歷’。檢索日期：2016年3月23日。閱讀文獻(xiàn)題目和摘要，對(duì)檢索結(jié)果進(jìn)行初篩，排除明顯不相關(guān)者。

1.2 納入與排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)：中醫(yī)藥領(lǐng)域電子病歷的期刊論文。排除標(biāo)準(zhǔn)：①未將中醫(yī)藥作為主要探討對(duì)象者；②未將電子病歷做為主要探討對(duì)象者；③研究設(shè)計(jì)存在缺陷，結(jié)果不可信者；④學(xué)位論文、會(huì)議論文等非標(biāo)準(zhǔn)文獻(xiàn)格式者。采用雙人交叉閱讀文獻(xiàn)全文的方式進(jìn)行納入排除。意見不一致時(shí)討論解決，不能達(dá)成一致者由第3名研究者決定。

1.3 數(shù)據(jù)轉(zhuǎn)換

采用CiteSpace數(shù)據(jù)轉(zhuǎn)換功能，對(duì)所下載數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，以供分析。轉(zhuǎn)換的字段包括關(guān)鍵詞、作者、發(fā)表年份等。

1.4 圖譜生成與評(píng)價(jià)指標(biāo)

科學(xué)知識(shí)圖譜包括：作者合作網(wǎng)絡(luò)、機(jī)構(gòu)合作網(wǎng)絡(luò)和關(guān)鍵詞網(wǎng)絡(luò)。度量指標(biāo)包括：節(jié)點(diǎn)頻次、節(jié)點(diǎn)中心度、節(jié)點(diǎn)突變性、sigma值、模塊度、輪廓值、3種代表性類標(biāo)簽提取算法（tf*idf、LLR、MI）。其中“節(jié)點(diǎn)頻次”“節(jié)點(diǎn)中心度”得到的結(jié)果各是一組有權(quán)重次序的關(guān)鍵詞，用以梳理領(lǐng)域發(fā)展脈絡(luò)，綜合2種測(cè)度方法結(jié)果進(jìn)行分析；“節(jié)點(diǎn)突變性”得到的結(jié)果是一組有權(quán)重次序的關(guān)鍵詞，用以發(fā)現(xiàn)領(lǐng)域熱點(diǎn)，參考前人研究[3-5]，本文設(shè)定節(jié)點(diǎn)突變性＞10為有意義涌現(xiàn)；“sigma值”用以評(píng)估領(lǐng)域創(chuàng)新性，sigma值高的節(jié)點(diǎn)落在某一類的數(shù)量越多，代表這一類具有創(chuàng)新性；“模塊度”“輪廓值”得到的結(jié)果分別是0～1和-1～1的數(shù)值，用以評(píng)價(jià)聚類效果，前者越接近1說明聚類效果越好，后者越接近1說明對(duì)聚類結(jié)論越有把握。當(dāng)模塊度＞0.3、輪廓值＞0.6時(shí)，認(rèn)為聚類效果較好且有把握[6]；“類標(biāo)簽提取算法”得到的結(jié)果是各聚類的代表性標(biāo)簽，用以分析類別特征。3種算法的前提假設(shè)不同，會(huì)提供3組不同的類標(biāo)簽，結(jié)合3組結(jié)果分析效果較好。3位作者按照各圖譜及度量指標(biāo)的指向與約束，對(duì)中醫(yī)電子病歷領(lǐng)域文獻(xiàn)進(jìn)行評(píng)估、探討，最后做出總結(jié)意見。

2 結(jié)果與分析

2.1 檢索結(jié)果

初檢獲文獻(xiàn)248篇，人工閱讀標(biāo)題和摘要信息，排除明顯不相關(guān)文獻(xiàn)92篇，雙人交叉排除42篇，最終納入114篇。

2.2 研究者、研究機(jī)構(gòu)合作情況

構(gòu)建的研究者合作網(wǎng)絡(luò)由219個(gè)節(jié)點(diǎn)、443條連線組成，輪廓值＝0.769 1，模塊度＝0.595 5，模塊結(jié)構(gòu)顯著，聚類結(jié)果可信，見圖1。聚類圖共包含研究者219名，研究者間合作不夠緊密，合作規(guī)模局限于同一單位內(nèi)部。其中，發(fā)文量前3位的研究者為劉保延（13篇）、張潤順（8篇）、謝琪（7篇）和周雪忠（7篇）。

構(gòu)建的研究機(jī)構(gòu)合作網(wǎng)絡(luò)由95個(gè)節(jié)點(diǎn)、32條連線組成，輪廓值＝0.887 2，模塊度＝0.301 5，模塊結(jié)構(gòu)顯著，聚類結(jié)果可信，見圖2。其中，發(fā)文量由高到低的研究機(jī)構(gòu)依次為中國中醫(yī)科學(xué)院（9篇）、中國中醫(yī)科學(xué)院中醫(yī)臨床基礎(chǔ)醫(yī)學(xué)研究所（5篇）、中國中醫(yī)科學(xué)院廣安門醫(yī)院（5篇）、中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所（4篇）、湖北中醫(yī)藥大學(xué)信息工程學(xué)院（4篇）、河南中醫(yī)學(xué)院第一附屬醫(yī)院（3篇）、江西中醫(yī)學(xué)院附屬醫(yī)院（3篇）、山東中醫(yī)藥大學(xué)（3篇）。另外，圖2也體現(xiàn)出不同研究機(jī)構(gòu)之間的合作緊密度與發(fā)文量成正比。

2.3 關(guān)鍵詞節(jié)點(diǎn)聚類、圖譜與相關(guān)指標(biāo)

圖1 中醫(yī)電子病歷研究者合作局部網(wǎng)絡(luò)

圖2 中醫(yī)電子病歷研究機(jī)構(gòu)合作局部網(wǎng)絡(luò)

圖3 中醫(yī)電子病歷研究關(guān)鍵詞聚類網(wǎng)絡(luò)

聚類后，得到13類（#0～#12），見圖3。整體聚類效果好，可信度較高（模塊度＝0.625 2＞0.3；平均輪廓值＝0.621 3＞0.6）。各類中，輪廓值＞0.6者5個(gè)。詳見表1。中文科技期刊數(shù)據(jù)庫（重慶維普）及中國學(xué)術(shù)期刊數(shù)據(jù)庫（萬方數(shù)據(jù)）收錄的中醫(yī)電子病歷相關(guān)文獻(xiàn)，并使用同一方法納入文獻(xiàn)，結(jié)果發(fā)現(xiàn)CNKI未涵蓋的文獻(xiàn)僅為1篇，因此認(rèn)為相對(duì)于144條總納入文獻(xiàn)量，其對(duì)結(jié)論的影響較小。

3.2 創(chuàng)新性評(píng)估

突發(fā)性檢測(cè)結(jié)果顯示，關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)沒有節(jié)點(diǎn)具有突發(fā)性，提示該領(lǐng)域關(guān)鍵詞沒有出現(xiàn)統(tǒng)計(jì)學(xué)意義的頻次波動(dòng)，即中醫(yī)電子病歷領(lǐng)域目前還未出現(xiàn)研究活躍的學(xué)術(shù)分支。sigma值結(jié)合了中介中心性和突發(fā)性指標(biāo)來定義，是衡量創(chuàng)新性的重要指標(biāo)。中醫(yī)電子病歷關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中sigma值均為1，提示該領(lǐng)域創(chuàng)新性不顯著。

總體分析，中醫(yī)電子病歷應(yīng)用領(lǐng)域，學(xué)者和機(jī)構(gòu)間的合作不夠緊密，關(guān)注點(diǎn)集中在專家經(jīng)驗(yàn)的挖掘，但尚未形成研究熱點(diǎn)、創(chuàng)新性不顯著，其原因與我國醫(yī)療信息化整體水平密切相關(guān)。目前，中國醫(yī)療信息化發(fā)展屬于第二階段初期，部分醫(yī)院處于領(lǐng)先優(yōu)勢(shì)，電子病歷記錄正在累積，可直接應(yīng)用于數(shù)據(jù)挖掘的樣本量尚未達(dá)到大數(shù)據(jù)規(guī)模，期刊論文探討的主題集中在系統(tǒng)架構(gòu)和部署實(shí)施，因此，“信息系統(tǒng)”“信息化”“數(shù)字醫(yī)院”等描述宏觀建設(shè)的詞匯才成為該領(lǐng)域探討的高頻詞。與此同時(shí)，國際上醫(yī)療信息化發(fā)展迅速，電子病歷人口覆蓋率高，國際期刊論文探討的主題主要為電子病歷與基因組學(xué)數(shù)據(jù)聯(lián)合應(yīng)用，前沿?zé)狳c(diǎn)研究領(lǐng)域有糖尿病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)、不良反應(yīng)安全性信號(hào)的識(shí)別及流感爆發(fā)的預(yù)測(cè)等。值得注意的是，目前中醫(yī)電子病歷人口覆蓋率較低，對(duì)其再利用得出的結(jié)論存在選擇性偏倚，單一中心采集的表型數(shù)據(jù)可能出現(xiàn)分類錯(cuò)誤問題，多中心數(shù)據(jù)聯(lián)合應(yīng)用能減少偏倚，提高準(zhǔn)確度。

[1] 陳悅,陳超美,劉則淵,等.CiteSpace知識(shí)圖譜的方法論功能[J].科學(xué)學(xué)研究,2015,33(2)：242-253.

[2] CHEN C. CiteSpace Ⅱ：Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006,57(3)：359-377.

[3] 宋艷輝,楊思洛.國際視野下的圖書館學(xué)、情報(bào)學(xué)與檔案學(xué)研究進(jìn)展——基于CiteSpace的信息可視化分析[J].圖書館論壇,2014,6(3)：1-13.

[4] FANG Y. Visualizing the structure and the evolving of digital medicine：a scientometrics review[J]. Scientometrics,2015, 105(1)：5-21.

[5] 趙蓉英,王敏.國際視野下中醫(yī)研究的可視化分析[J].醫(yī)學(xué)信息學(xué)雜志,2011,32(2)：36-41.

[6] CHEN C M, CHEN Y, HOROWITZ M. Towards an explanatory and computational theory of scientific discovery[J]. Journal of Informetrics,2009,3(3)：191-209.

[7] 張潤順,王映輝,姚乃禮,等.名老中醫(yī)電子病歷中病史動(dòng)態(tài)結(jié)構(gòu)化數(shù)據(jù)錄入規(guī)范[J].中國中醫(yī)藥信息雜志,2007,14(3)：100-101.

[8] 劉保延,尹愛寧,張潤順,等.中醫(yī)規(guī)范術(shù)語在結(jié)構(gòu)化電子病歷中應(yīng)用體系的研究[J].中國數(shù)字醫(yī)學(xué),2012,7(8)：41-44.

[9] 中醫(yī)數(shù)字醫(yī)療網(wǎng).我國超半數(shù)中醫(yī)醫(yī)院已建立電子病歷[J].醫(yī)學(xué)信息學(xué)雜志,2014,35(11)：94.

[10] 梁志偉,蔡立民,阮永隊(duì),等.運(yùn)用可擴(kuò)展標(biāo)記語言彈性結(jié)構(gòu)電子病歷的中醫(yī)科研數(shù)據(jù)分析統(tǒng)計(jì)方法探索研究[J].世界科學(xué)技術(shù)－中醫(yī)藥現(xiàn)代化,2010,12(1)：28-32.

[11] 周雪忠,劉保延,王映輝,等.復(fù)方藥物配伍的復(fù)雜網(wǎng)絡(luò)方法研究[J].中國中醫(yī)藥信息雜志,2008,15(11)：98-100.

[12] 葉建紅.試論中醫(yī)病歷電子化的作用和意義[J].時(shí)珍國醫(yī)國藥, 2001,12(11)：1007.

[13] 沈崇德.基于電子病歷的數(shù)字化臨床路徑管理[J].中國衛(wèi)生信息管理,2012,9(3)：18-20.

[14] 孫明月,高蕊.魏子孝治療甲狀腺疾病醫(yī)案挖掘分析[J].中國中醫(yī)藥信息雜志,2012,19(2)：25-27.

[15] 丁衛(wèi)平,顧春華,石振國,等.基于形式概念分析的不完備電子病歷系統(tǒng)粗糙集挖掘研究[J].計(jì)算機(jī)科學(xué),2009,36(10)：230-233.

[16] FORAKER R E, KITE B, KELLEY M. EHR-based visualization tool：Adoption rates, satisfaction, and patient outcomes[J]. EGEMS (Wash DC),2015,3(2)：1159.

Electronic Medical Record in TCM Field—An Analysis Based on Scientific Knowledge Visualization

RONG Guang1, XIE Qing-yu2, MENG Qing-gang1(1. Beijing University of Chinese Medicine,

Beijing 100029, China; 2. Institute of Basic Research in Clinical Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China)

Objective To assess China’s newly evolved hot spots and novelty of structural electronic medical record in TCM field. Methods Articles about electronic medical record in TCM field were retrieved from CNKI from January 2000 to December 2015, focusing on researchers, research institutes, and key words for bibliometric analysis. Then visualization software CiteSpace was used to establish co-occurrence network. Results The top 3 productive authors were LIU Bao-yan (13 articles), ZHANG Run-shun (8 articles), XIE Qi (7 articles), and ZHOU Xue-zhong (7 articles). Institutes highly cooperated with others included China Academy of Chinese Medical Sciences, Information Engineering College of Hubei University of Chinese Medicine and The First Affiliated Hospital of Henan University of Chinese Medicine. The major clusters were TCM diagnosis (#0), China’s TCM information (#1), artificial intelligence (#2), medical record management (#3), and medical laboratory department (#4). The representative keywords involved electronic medical record, TCM hospital, data mining, telemedicine, and artificial intelligence. Conclusion In the field of TCM electronic medical record, cooperation is not sufficiently facilitated among researchers and institutes. Research hot spots are not formed and novelty is not obvious, which is probably because of the overall status quo for China’s TCM information construction.

TCM electronic medical record; keyword cluster; co-author; co-institute; knowledge graph

10.3969/j.issn.1005-5304.2017.01.024

R2-05

A

1005-5304(2017)01-0099-06

2016-03-02）

（

2016-04-24；編輯：向宇雁）

國家科技支撐計(jì)劃（2013BAI02B10）；國家自然科學(xué)基金面上項(xiàng)目（81473800、81273876）

孟慶剛，E-mail：mqgangzy@126.com