基于PubMed數(shù)據(jù)庫的糖尿病腎病的共詞分析研究

張叢笑　朱新旺

[摘要] 目的 為了解近年來糖尿病腎病研究的熱點及趨勢，對文獻資料進行共詞分析。 方法 利用文本挖掘系統(tǒng)（BICOMB）統(tǒng)計分析2014年4月～2019年3月PubMed收錄的糖尿病腎病的文獻，將累積頻次達到50的主題詞進行聚類分析，形成戰(zhàn)略坐標。 結(jié)果 累計收錄糖尿病腎病文獻3972篇，統(tǒng)計出高頻主題詞40個。聚類分析顯示高頻主題詞聚類于6個類別：2型糖尿病腎病血糖與尿檢之間的聯(lián)系、糖尿病腎病的流行病學、病因?qū)W及病理生理學的研究、2型糖尿病腎病引起的慢性腎衰竭透析治療的死亡率、糖尿病腎病的病理學及代謝的研究、糖尿病腎病的藥物治療、2型糖尿病腎病遺傳學的多態(tài)性。利用共詞矩陣和聚類分析的結(jié)果，得出6個熱點的密度和向心度及戰(zhàn)略坐標。 結(jié)論 糖尿病腎病作為代謝性疾病糖尿病的并發(fā)癥，其藥物治療、防治以及遺傳學仍是目前研究的熱點問題。同時總結(jié)了糖尿病腎病研究的6個熱點及發(fā)展趨勢。位于戰(zhàn)略坐標第四象限的糖尿病腎病的流行病學、病因?qū)W及病理生理學的研究，糖尿病腎病的病理學及代謝的研究，糖尿病腎病的藥物治療研究具有潛在的研究價值。

[關鍵詞] 糖尿病腎病;高頻主題詞;共詞分析;戰(zhàn)略坐標

[中圖分類號] G353.1;R692? ? ? ? ? [文獻標識碼] B? ? ? ? ? [文章編號] 1673-9701（2020）01-0108-05

Co-word analysis of diabetic nephropathy based on PubMed database

ZHANG Congxiao1? ?ZHU Xinwang2

1.Blood Purification Center， Shenyang Fourth People's Hospital， Shenyang? ?110031，China;2.Department of Nephrology， the First Affiliated Hospital of China Medical University， Shenyang? ?110001， China

[Abstract] Objective To understand the hotspots and trends of diabetic nephropathy research in recent years， and to perform co-word analysis on literature. Methods The bibliographic items co-occurrence matrix builder （BICOMB） was used to statistically analyze the literature on diabetic nephropathy collected from PubMed from April 2014 to March 2019. The subject words with cumulative frequency up to 50 were clustered to form strategic coordinates. Results A total of 3，972 articles on diabetic nephropathy were collected， and 40 high-frequency subject words were counted. Cluster analysis showed that high-frequency subject words mainly clustered in six categories：the relationship between blood glucose and urine test in type 2 diabetic nephropathy，the epidemiology，etiology and pathophysiology of diabetic nephropathy， and the mortality in renal dialysis treatment for chronic renal failure caused by type 2 diabetic nephropathy， pathology and metabolism of diabetic nephropathy，drug therapy in diabetic nephropathy， and polymorphism in the genetics of type 2 diabetic nephropathy. Using the results of the co-word matrix and cluster analysis， the density and centripetality and strategic coordinates of the six hotspots were obtained. Conclusion This study demonstrates that diabetic nephropathy is a complication of metabolic disease diabetes， and its drug treatment and prevention， genetics are still hot issues in current research. At the same time， six hot spots and development trends of diabetic nephropathy research are summarized. The epidemiology， etiology and pathophysiology of diabetic nephropathy in the fourth quadrant of strategic coordinates， the pathology and metabolism of diabetic nephropathy， and drug therapy research of diabetic nephropathy have potential research value.

[Key words] Diabetic nephropathy; High frequency subject word; Co-word analysis; Strategic coordinates

據(jù)國際糖尿病聯(lián)合會統(tǒng)計，2017年全世界大約有4.51億糖尿病患者，到2045年這個數(shù)字可能會增加到6.93億[1]。糖尿病腎?。╠iabetic nephropathy，DN）是糖尿病患者最常見的微血管并發(fā)癥，是世界范圍內(nèi)終末期腎臟病的主要原因[2]。美國2型糖尿病患者幾乎占據(jù)新發(fā)終末期腎臟病的50%[3]。我國糖尿病腎病住院人數(shù)逐年上升，至2011年在三級醫(yī)院已超過因腎小球腎炎住院的比例，且差距逐漸加大[4]。糖尿病腎病患者出現(xiàn)腎功能不全后較其他腎臟病患者更早需要進行腎臟替代治療，且死亡率高，給全球醫(yī)療帶來巨大的社會經(jīng)濟負擔[5，6]，因此大量研究人員投入到糖尿病腎病的研究中。

共詞分析（co-word analysis）由于其直接面向主題并針對學術文獻內(nèi)容進行分析的特點，被科學計量學研究者應用于研究熱點的識別[7]。相對于傳統(tǒng)的引文分析方法，共詞分析能夠克服基于引文分析等方法識別熱點所產(chǎn)生的滯后性、間接性等問題，更具有優(yōu)勢[8]。1988年Law等人提出了“戰(zhàn)略坐標”（strategic diagram）的概念。在戰(zhàn)略坐標中，X軸為向心度（concentricity），用于衡量一個學科領域與其他學科領域的相互影響的程度[9]。Y軸為密度（density），用于衡量使字詞聚合成一類的這種聯(lián)系的強度，也就是該類的內(nèi)部強度[10]。而戰(zhàn)略坐標是以向心度和密度為XY軸構(gòu)成的二維坐標，用于描述某一研究領域內(nèi)部聯(lián)系情況和領域間的相互影響情況[11]。

為方便臨床了解近年來糖尿病腎病的研究熱點，從大量糖尿病腎病研究中尋找出有用的數(shù)據(jù)，我們利用共詞分析的方法對2014年4月～2019年3月關于糖尿病腎病研究的文獻進行統(tǒng)計分析。

1 資料與方法

1.1 一般資料

本研究使用的樣本來自美國生物技術信息中心（National Center for Biotechnology Information，NCBI）的PubMed醫(yī)學數(shù)據(jù)庫。以“[diabetic nephropathy（MeSH Terms） OR DN（MeSH Terms）OR DKD（MeSH Terms）]”作為檢索策略，下載2014年4月～2019年3月5年期間PubMed收錄的糖尿病腎病的文獻。

1.2 數(shù)據(jù)提取分析

利用文本挖掘系統(tǒng)（BICOMB）統(tǒng)計這些主題詞的出現(xiàn)頻次，將這些主題詞按照其出現(xiàn)頻次由高到低排序，累積頻次達到50的主題詞作為當前糖尿病腎病研究熱點的標志。為進一步反映這些主題詞之間的關系，通過BICOMB軟件將這些高頻主題詞形成一個40×40的詞篇矩陣。將該矩陣導入Excel表中，利用SPSS 24.0統(tǒng)計學軟件對高頻主題詞進行聚類分析。類間相似系數(shù)計算采用落合和組間距離方法。

1.3 戰(zhàn)略坐標

利用高頻主題詞得出的共詞矩陣，使用戰(zhàn)略坐標來描述特定類別內(nèi)的內(nèi)部關系及其相互作用的影響。在戰(zhàn)略坐標中，X軸設為向心度，表示領域間相互影響的強度;Y軸設為密度，表示某一領域內(nèi)部聯(lián)系的強度[12]。采用平均數(shù)法，由高頻主題詞的共詞矩陣計算出各研究熱點的向心度和密度。各主題的研究發(fā)展狀況在戰(zhàn)略坐標的四個象限中體現(xiàn)。

2 結(jié)果

2.1 糖尿病腎病研究的高頻主題詞

收集2014年4月～2019年3月5年期間PubMed收錄的有關糖尿病腎病的文獻3972篇。糖尿病腎病研究的累積頻次達到50的高頻主題詞分布見表1。糖尿病腎病/藥物治療、糖尿病腎病/代謝、2型糖尿病/并發(fā)癥、糖尿病腎病/防與治、糖尿病腎病/遺傳學是位于前5位的高頻主題詞，出現(xiàn)頻次幾乎達到300次。

2.2 糖尿病腎病研究高頻主題詞的聚類分析

糖尿病腎病研究的高頻主題詞的聚類分析見圖1。根據(jù)聚類結(jié)果，可以看出當前糖尿病腎病研究的6個熱點有：（1）2型糖尿病腎病血糖與尿檢之間的聯(lián)系（由10、18、39、21號主題詞組成）;（2）糖尿病腎病的流行病學、病因?qū)W及病理生理學的研究（由13、26、6、27、22、35、3、8、15、9、16號主題詞組成）;（3）2型糖尿病腎病引起的慢性腎衰竭透析治療的死亡率（由7、30、37、33號主題詞組成）;（4）糖尿病腎病的病理學及代謝的研究（由12、24、2、25、31、20、28號主題詞組成）;（5）糖尿病腎病的藥物治療（由32、36、11、19、1、4、、14、17、38、23號主題詞組成）;（6）2型糖尿病腎病遺傳學的多態(tài)性（由5、29、34、40號主題詞組成）。

2.3 糖尿病腎病研究熱點的戰(zhàn)略坐標

利用BICOMB形成的高頻主題詞的共詞矩陣得到6個研究熱點的向心度和密度，見表2。根據(jù)向心度和密度的平均值，可得戰(zhàn)略坐標的原點（2.38，49.09）。以X軸為向心度，Y軸為密度，分成四個象限，進而得到本研究6個熱點的戰(zhàn)略坐標，見封三圖6。6個熱點分布于戰(zhàn)略坐標的三個象限內(nèi)。

3 討論

共詞分析方法最早在20世紀70年代中后期由法國文獻計量學家提出[10]。共詞分析法利用文獻集中主題詞共同出現(xiàn)的情況，確定該文獻集所有代表學科中各主題之間的關系。主題詞在同一篇文獻中出現(xiàn)的次數(shù)越多，則這兩個主題的關系越緊密[13]。因此，統(tǒng)計一組文獻的主題詞兩兩之間在同一篇文獻的出現(xiàn)頻率，可形成一個由這些詞對關聯(lián)所組成的共詞矩陣，而矩陣節(jié)點內(nèi)之間的遠近可以反映主題內(nèi)容的親疏關系[14]。共詞分析就是基于此原理，以文獻主題詞為分析對象，利用聚類分析等統(tǒng)計分析方法，將分析對象之間的共詞網(wǎng)狀關系以圖形的形式簡單直觀表達出來的過程[15]。本研究通過PubMed醫(yī)學數(shù)據(jù)庫得出糖尿病腎病研究的高頻主題詞，說明糖尿病腎病作為代謝性疾病糖尿病的并發(fā)癥，其藥物治療、防治以及遺傳學仍是目前研究的熱點問題。

透過主題詞之間的共詞聚類分析得出糖尿病腎病研究的6個熱點類別。同時，我們采用戰(zhàn)略坐標來定量分析這些熱點的發(fā)展趨勢，使結(jié)論具有定性、定量的特點，提高了結(jié)論的可信度，幫助臨床掌握糖尿病腎病的研究方向。戰(zhàn)略坐標圖是以向心度和密度為參數(shù)的二維坐標，X軸為向心度，表示領域間相互影響的強度。向心度是通過該熱點的高頻主題詞與其他熱點的高頻主題詞之間的聯(lián)系強度得來的[14]。向心度越大，表明一個領域與其他領域的相關度越強、聯(lián)系越緊密，該領域在研究過程中就越重要，在整個研究工作中就越趨于中心地位[9]。Y軸為密度，表示某一領域內(nèi)部聯(lián)系的強度。密度是通過該熱點內(nèi)的平均聯(lián)系強度得來的，體現(xiàn)了一個領域維持自己和發(fā)展自己的能力[8]。戰(zhàn)略坐標分為四個象限，每個象限用于描述每個熱點的發(fā)展情況[13]。

熱點1位于第一象限，密度和向心度都較高。密度高，說明糖尿病腎病和血尿檢查之間聯(lián)系緊密，且研究已比較成熟;向心度高則說明糖尿病腎病的血尿檢查本身也與其他熱點研究具有密切的聯(lián)系。

熱點3、6位于第二象限，密度高，但向心度低，說明2型糖尿病腎病引起的慢性腎衰竭透析治療的死亡率和遺傳學的多態(tài)性研究之間內(nèi)部聯(lián)系緊密，研究內(nèi)容明確，該領域的研究正在進行正規(guī)研究，但處于整個研究網(wǎng)絡的邊緣，不是優(yōu)先研究對象。

沒有熱點位于第三象限。第三象限的密度和向心度都低，表明內(nèi)部聯(lián)系松散，無密切關系，位于此象限的研究與其他研究的相關性不大，也不是核心內(nèi)容。

熱點2、4、5位于第四象限，密度低，說明糖尿病腎病的流行病學、病因?qū)W及病理生理學;病理學及代謝的研究和糖尿病腎病藥物治療的相關研究尚不成熟;但其向心度高，說明與其他研究聯(lián)系緊密。因此，位于第四象限的糖尿病腎病的流行病學、病因?qū)W及病理生理學;病理學及代謝的研究和糖尿病腎病藥物治療的相關研究尚未完全明確，具有潛在的發(fā)展空間及研究價值。但隨著研究的深入發(fā)展，有向第一象限發(fā)展的趨勢。

綜上，本研究通過信息情報學對糖尿病腎病研究文獻進行共詞分析，明確糖尿病腎病研究的熱點及發(fā)展趨勢，為糖尿病腎病的進一步研究指明了方向。

[參考文獻]

[1] Cho NH，Shaw JE，Karuranga S，et al. IDF Diabetes Atlas：Global estimates of diabetes prevalence for 2017 and projections for 2045[J]. Diabetes Research and Clinical Practice，2018，138：271-281.

[2] Zhang C，Zhu X，Li L，et al. A small molecule inhibitor MCC950 ameliorates kidney injury in diabetic nephropathy by inhibiting NLRP3 inflammasome activation[J]. Diabetes，Metabolic Syndrome and Obesity：Targets and Therapy，2019，12：1297-1309.

[3] Umanath K，Lewis JB. Update on diabetic nephropathy：Core curriculum 2018 [J]. American Journal of Kidney Diseases，2018，71（6）：884-895.

[4] Zhang L，Long J，Jiang W，et al. Trends in chronic kidney disease in China[J]. N Engl J Med，2016，375（9）：905-906.

[5] Flyvbjerg A. The role of the complement system in diabetic nephropathy[J]. Nat Rev Nephrol，2017，13（5）：311-318.

[6] Weldegiorgis M，Smith M，Herrington WG，et al. Socioeconomic disadvantage and the risk of advanced chronic kidney disease：Results from a cohort study with 1.4 million participants[J]. Nephrol Dial Transplant，2019，4（1）：1-9

[7] Liu B，Chen H，Huang X. Map changes and theme evolution in work hours：A co-Word analysis[J]. International Journal of Environmental Research and Public Health，2018，15（5）：1039.

[8] Chang X，Zhou X，Luo L，et al. Hotspots in research on the measurement of medical students clinical competence from 2012-2016 based on co-word analysis[J]. BMC Medical Education，2017，17（1）：162.

[9] Wang Z，Deng Z，Wu X. Status quo of professional-patient relations in the internet era： Bibliometric and co-word analyses[J]. Int J Environ Res Public Health，2019， 16（7）：E1183.

[10] Wei W，Ge J，Xu S，et al. Knowledge maps of disaster medicine in China based on co-word analysis[J]. Disaster Med Public Health Prep，2019，13（3）：405-409.

[11] Xu C，Wang Z，Lu K，et al. Hotspot Analysis of Sepsis Literature[J]. Medical Science Monitor，2018，24：5427-5436.

[12] Liu J，Wei WJ，Shi B，et al. Mapping theme trends and knowledge structures for human neural stem cells：A quantitative and co-word biclustering analysis for the 2013-2018 period[J]. Neural Regeneration Research，2019， 14（10）：1823.

[13] Zhao F，Shi B，Liu R，et al. Theme trends and knowledge structure on choroidal neovascularization：A quantitative and co-word analysis[J]. BMC Ophthalmology，2018，18（1）：86.

[14] Yang A，Lv Q，Chen F，et al. Identification of recent trends in research on vitamin D：A quantitative and co-word analysis[J]. Medical Science Monitor，2019，25：643-655.

[15] Mccray AT，Gefeller O，Aronsky D，et al. The birth and evolution of a discipline devoted to information in biomedicine and health care. As reflected in its longest running journal[J]. Methods Inf Med，2011，50（6）：491-507.

（收稿日期：2019-08-28）