從“預(yù)康復(fù)”到“預(yù)測(cè)性康復(fù)”的研究
——基于CiteSpace的可視化分析

李孝熠，朱毅,2，李聰慧

預(yù)康復(fù)是基于加速康復(fù)外科(Enhanced Recovery After Surgery, ERAS)這一理念而提出的術(shù)前管理策略[1]。1997年，丹麥外科醫(yī)生H.Kehlet提出了快通道外科(fast-track surgery, FTS)的概念，在過去的二十年間FTS逐步發(fā)展形成了加速康復(fù)外科。加速康復(fù)外科是一種多模式圍手術(shù)期策略，以循證醫(yī)學(xué)為基礎(chǔ)，與外科、麻醉、護(hù)理、康復(fù)、營養(yǎng)等多學(xué)科結(jié)合，優(yōu)化圍手術(shù)期處理的臨床路徑，從而減少應(yīng)激反應(yīng)及術(shù)后并發(fā)癥，促進(jìn)患者康復(fù)[2-3]。隨著外科技術(shù)、麻醉和圍手術(shù)期護(hù)理的進(jìn)步，術(shù)后患者的安全性有了很大提升。但對(duì)于年老體弱或伴有多種并發(fā)癥的高風(fēng)險(xiǎn)患者，安全性仍亟待提高。這類患者不僅恢復(fù)周期長，而且難以達(dá)到先前的生理狀態(tài)[4]。預(yù)康復(fù)為這一問題提供了有效的解決方案。研究表明，術(shù)前是管理運(yùn)動(dòng)不足、營養(yǎng)不良、精神緊張等多種手術(shù)風(fēng)險(xiǎn)因素的最佳時(shí)機(jī)[5]。預(yù)康復(fù)在術(shù)前對(duì)主要風(fēng)險(xiǎn)因素進(jìn)行聯(lián)合干預(yù)，增加患者的功能儲(chǔ)備，改善其功能狀態(tài)及預(yù)后[6-7]。三聯(lián)預(yù)康復(fù)即是在術(shù)前針對(duì)運(yùn)動(dòng)、營養(yǎng)和心理三大因素采取多模式協(xié)作方式，減輕手術(shù)危險(xiǎn)因素，提高手術(shù)安全性[8]。但患者風(fēng)險(xiǎn)因素的個(gè)體差異決定了其所需預(yù)康復(fù)的范圍和強(qiáng)度不同[9]，三聯(lián)預(yù)康復(fù)不可能完全適用于每一位患者。與其相比，預(yù)測(cè)性康復(fù)是對(duì)手術(shù)并發(fā)癥、繼發(fā)癥等進(jìn)行準(zhǔn)確預(yù)測(cè)后的提前干預(yù)，避免了盲目的整體多系統(tǒng)預(yù)康復(fù)。它通過建立大數(shù)據(jù)預(yù)測(cè)模型，設(shè)定有效的風(fēng)險(xiǎn)因素預(yù)判，使干預(yù)更加精確有效[10]。要想實(shí)現(xiàn)預(yù)康復(fù)到預(yù)測(cè)性康復(fù)的轉(zhuǎn)變，我們需要借助大數(shù)據(jù)平臺(tái)，對(duì)預(yù)康復(fù)相關(guān)文獻(xiàn)進(jìn)行挖掘和分析，在研究數(shù)據(jù)的過程中探求對(duì)個(gè)體危險(xiǎn)因素預(yù)測(cè)性評(píng)估的方法[11]?？梢暬治鍪浅Ｓ么髷?shù)據(jù)分析的一種，它可以讓讀者直觀的看到結(jié)果。分析者則可根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出預(yù)測(cè)性判斷[12]。

本文通過CiteSpace軟件對(duì)預(yù)康復(fù)相關(guān)文獻(xiàn)進(jìn)行可視化分析，對(duì)其學(xué)科、關(guān)鍵詞和突現(xiàn)詞等單元進(jìn)行共現(xiàn)，為預(yù)康復(fù)提供了新思路。面對(duì)病種的逐步多樣且復(fù)雜，我們研究預(yù)康復(fù)時(shí)應(yīng)在方法學(xué)上做出改變，只有針對(duì)性地對(duì)個(gè)體風(fēng)險(xiǎn)因素采取預(yù)防性干預(yù)和嚴(yán)密監(jiān)測(cè)，才能逐步達(dá)到更準(zhǔn)確的預(yù)測(cè)性康復(fù)。

1 資料與方法

1.1 文獻(xiàn)來源 文獻(xiàn)數(shù)據(jù)來源于《Web of Science(WOS)核心合集》，包含子庫SCI-EXPANDED,SSCI, A&HCI, CPCI-S, ESCI, CCR-EXPANDED,IC。檢索策略為：主題：(prehabilitation) OR 主題：(preoperative exercise) OR 主題：(preoperative rehabilitation)，時(shí)間選取2010～2019年，語種限定為英語，文獻(xiàn)類型選擇論著、綜述和會(huì)議摘要。在WOS中檢索后，將數(shù)據(jù)以純文本格式導(dǎo)出，按照“download-XXX”的形式重新命名，并導(dǎo)入CiteSpace (5.6R5版)軟件中。同理，以predictive rehabilitation為檢索詞進(jìn)行主題詞檢索，因得到的結(jié)果多是預(yù)測(cè)模型，故未用CiteSpace軟件進(jìn)行分析。

1.2 軟件方法 CiteSpace軟件是一款基于科學(xué)文獻(xiàn)分析，構(gòu)建知識(shí)圖譜、分析學(xué)科熱點(diǎn)和趨勢(shì)的可視化軟件。知識(shí)圖譜是顯示科學(xué)知識(shí)發(fā)展及結(jié)構(gòu)關(guān)系的一種圖形，它以科學(xué)知識(shí)為計(jì)量研究對(duì)象,在以數(shù)學(xué)方程式表達(dá)科學(xué)發(fā)展規(guī)律的基礎(chǔ)上，發(fā)掘引文空間的知識(shí)聚類和分布，并以曲線及圖譜的形式將其直觀表現(xiàn)出來[13]。設(shè)置參數(shù)：時(shí)間跨度為2010～2019年，時(shí)間切片為1(即以“1年”為一個(gè)時(shí)區(qū)對(duì)文獻(xiàn)數(shù)據(jù)進(jìn)行分割)；主題詞來源和關(guān)鍵路徑為系統(tǒng)默認(rèn)值；節(jié)點(diǎn)類型分別選取學(xué)科、關(guān)鍵詞等進(jìn)行分析；根據(jù)分析節(jié)點(diǎn)不同，調(diào)整閾值Top N(指提取每個(gè)時(shí)間切片內(nèi)的對(duì)象數(shù)量)、Top N%(指提取每個(gè)時(shí)間切片內(nèi)排名前N%的對(duì)象)并選擇不同的剪切方式。

2 結(jié)果

2.1 文獻(xiàn)量 共檢索到3117篇相關(guān)文獻(xiàn)，經(jīng)CiteSpace處理后，有效文獻(xiàn)為2904篇。十年來，各年新增文獻(xiàn)量總體呈上升態(tài)勢(shì)。見圖1。

圖1 2010～2019年WOS各年新增預(yù)康復(fù)相關(guān)文獻(xiàn)量

2.2 學(xué)科 主要參數(shù)設(shè)置：Node Type(節(jié)點(diǎn)類型)=Category，Time Slicing(時(shí)間切片)=1，Top N=50，pruning : None。結(jié)果顯示：N=155，E=944，Density=0.0791。N表示網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量，E表示連線數(shù)量，Density表示網(wǎng)絡(luò)的密度。見圖2，表1。圖2中節(jié)點(diǎn)的大小反映了在預(yù)康復(fù)文獻(xiàn)中該學(xué)科所占發(fā)文量，節(jié)點(diǎn)越大，發(fā)文量越高；節(jié)點(diǎn)間的連線則代表了各學(xué)科間的聯(lián)系程度(即中心度)，連線越密，說明聯(lián)系程度(即中心度)越高，節(jié)點(diǎn)外的紫環(huán)代表其中心度>0.1。表1則對(duì)各學(xué)科的發(fā)文量和中心度進(jìn)行了定量排序。由圖表所示，預(yù)康復(fù)與外科學(xué)、骨科學(xué)、運(yùn)動(dòng)醫(yī)學(xué)、心血管病學(xué)、神經(jīng)科學(xué)、工程學(xué)、腫瘤學(xué)、康復(fù)學(xué)等多學(xué)科密切相關(guān)，呈現(xiàn)多學(xué)科合作形式，這與其來源學(xué)科(加速康復(fù)外科)保持了一致。其中，外科學(xué)以936篇發(fā)文量約占據(jù)了10年來全部發(fā)文量的32%，這與手術(shù)是其重要治療手段相關(guān)。手術(shù)治療會(huì)導(dǎo)致體內(nèi)嚴(yán)重的應(yīng)激反應(yīng)，而預(yù)康復(fù)可以針對(duì)性地增強(qiáng)患者功能儲(chǔ)備、減弱應(yīng)激反應(yīng)，所以被廣泛應(yīng)用在胸、腹腔癌等各種疾病的手術(shù)治療前。在中心度中，工程學(xué)和運(yùn)動(dòng)醫(yī)學(xué)作為康復(fù)的技術(shù)學(xué)科在排行中占據(jù)前位。

圖2 學(xué)科共現(xiàn)分析圖譜

表1 學(xué)科發(fā)文量和中心度統(tǒng)計(jì)情況

2.3 研究熱點(diǎn)(關(guān)鍵詞) 主要參數(shù)設(shè)置：Node Type=Keyword，Time Slicing=1， Top N=50，pruning: none，visualizations：time zone view(按照時(shí)間分區(qū)對(duì)節(jié)點(diǎn)進(jìn)行排列顯示)。結(jié)果顯示：N=150，E=497，Density=0.0445。見圖3和表2。圖3對(duì)近十年文獻(xiàn)中的關(guān)鍵詞按照“出現(xiàn)時(shí)間”進(jìn)行了劃分，節(jié)點(diǎn)大小反映了關(guān)鍵詞被引用的頻次高低，節(jié)點(diǎn)間的連線則反映了共被引關(guān)系(即中心度)的程度。表2對(duì)各關(guān)鍵詞的被引和中心度進(jìn)行了定量排序。關(guān)鍵詞的“共現(xiàn)分析”能夠反映該領(lǐng)域的研究熱點(diǎn)，研究熱點(diǎn)則能顯示研究人員關(guān)注的研究主題?！翱祻?fù)”以頻次566和中心度0.05占據(jù)了榜首，這與預(yù)康復(fù)的根本目的即實(shí)現(xiàn)病人的功能康復(fù)相符。此外，“骨關(guān)節(jié)炎”、“膝關(guān)節(jié)置換”以及“功能紊亂”等關(guān)鍵詞反映了預(yù)康復(fù)的適應(yīng)癥；“運(yùn)動(dòng)”、“管理”、“重建”等反映了預(yù)康復(fù)的治療手段；“生活質(zhì)量”、“死亡率”、“并發(fā)癥”、“肌力”等則反應(yīng)了預(yù)康復(fù)的評(píng)價(jià)指標(biāo)和意義。

2.4 研究前沿與趨勢(shì) 突現(xiàn)詞是某段時(shí)間內(nèi)頻次變化率高的詞，在一定程度上能探測(cè)某一學(xué)科領(lǐng)域的發(fā)展趨勢(shì)。圖4列舉了近十年來的23個(gè)突現(xiàn)詞，圖中“紅色線段”代表該詞成為突現(xiàn)詞的持續(xù)時(shí)間。對(duì)突現(xiàn)詞分析顯示，從髖關(guān)節(jié)置換、移植、肺功能到下背痛，預(yù)康復(fù)的適應(yīng)癥和治療手段在不斷擴(kuò)大和優(yōu)化。在2010～2014年，功能康復(fù)(functional recovery)是當(dāng)時(shí)的研究趨勢(shì)之一；近年來，多中心(multicenter)和術(shù)前評(píng)估(preoperative assessment)則逐步成為研究熱點(diǎn)和潮流。術(shù)前是管理多種手術(shù)風(fēng)險(xiǎn)因素的最佳時(shí)機(jī)，術(shù)前評(píng)估可以有效提升預(yù)康復(fù)的效率。突現(xiàn)詞的變化，在一定程度上反映了預(yù)康復(fù)概念的進(jìn)展和延伸。

圖3 關(guān)鍵詞時(shí)區(qū)分析圖譜

表2 關(guān)鍵詞頻次和中心度統(tǒng)計(jì)情況

3 討論

可視化分析結(jié)果顯示，2010～2019年間的預(yù)康復(fù)新增文獻(xiàn)量呈總體上升態(tài)勢(shì)。預(yù)康復(fù)研究涉及眾多的學(xué)科領(lǐng)域，與外科學(xué)、骨科學(xué)、腫瘤學(xué)和工程學(xué)等密切相關(guān)。該領(lǐng)域的研究熱點(diǎn)包括康復(fù)、物理療法、生活質(zhì)量等，這也應(yīng)是醫(yī)務(wù)工作者在診治過程中的關(guān)注重點(diǎn)；研究趨勢(shì)則主要集中在“多中心化”和“術(shù)前評(píng)估”等方面。

預(yù)康復(fù)是加速康復(fù)外科的第一步，旨在術(shù)前管理各種手術(shù)風(fēng)險(xiǎn)因素而促進(jìn)患者的康復(fù)。然而，每位患者的耐受性、并發(fā)癥發(fā)生率以及社會(huì)限制因素等均有所不同[14-15]。因此，未來加速康復(fù)外科的預(yù)康復(fù)，必然需要結(jié)合國際功能，殘疾和健康分類系統(tǒng)下結(jié)構(gòu)-活動(dòng)-參與三個(gè)緯度。只有在結(jié)構(gòu)層面上進(jìn)行多系統(tǒng)的有效評(píng)估篩查，結(jié)合患者具體情況，減少環(huán)境限制因素，針對(duì)性地對(duì)其薄弱系統(tǒng)采取有效的預(yù)測(cè)性康復(fù)訓(xùn)練，才能幫助患者更快的回歸家庭和工作崗位，實(shí)現(xiàn)真正有社會(huì)意義的加速康復(fù)外科[16-17]。預(yù)測(cè)性康復(fù)基于大數(shù)據(jù)分析，構(gòu)建預(yù)測(cè)模型，是在有效風(fēng)險(xiǎn)因素預(yù)判后的預(yù)測(cè)性干預(yù)。預(yù)康復(fù)向預(yù)測(cè)性康復(fù)的轉(zhuǎn)變，是在加速康復(fù)外科中作“減法”，亦是在臨床高效目標(biāo)下實(shí)現(xiàn)高效干預(yù)的必然趨勢(shì)。然而，大數(shù)據(jù)意味著數(shù)據(jù)集合的大小、復(fù)雜性、動(dòng)態(tài)性都遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)數(shù)據(jù)分析的處理能力和范圍，我們必須在方法學(xué)上做出改變[18]。

圖4 突現(xiàn)詞分析圖譜

隨著精準(zhǔn)醫(yī)療時(shí)代的到來，預(yù)測(cè)性研究與大數(shù)據(jù)分析的結(jié)合在臨床得到了廣泛應(yīng)用[19]。如Toshiaki等[20]使用日本國家臨床數(shù)據(jù)庫構(gòu)建了預(yù)測(cè)直腸癌低位前切除術(shù)的術(shù)后并發(fā)癥模型?；⑴偷萚21]基于集成機(jī)器學(xué)習(xí)模型 XG Boost構(gòu)建了ICU 住院MODSE早期 (入ICU 24h后) 死亡預(yù)測(cè)模型。在這些臨床預(yù)測(cè)性研究中，研究者基于電子醫(yī)療記錄、生化和基因數(shù)據(jù)、臨床實(shí)驗(yàn)等大型數(shù)據(jù)庫，構(gòu)建機(jī)器算法的預(yù)測(cè)模型[22]。預(yù)測(cè)模型可以通過預(yù)測(cè)因子量化事件發(fā)生的可能，對(duì)患者的風(fēng)險(xiǎn)因素做出有效的風(fēng)險(xiǎn)預(yù)判，進(jìn)而對(duì)醫(yī)療決策系統(tǒng)進(jìn)行完善[23]。經(jīng)過驗(yàn)證表明，這些大數(shù)據(jù)預(yù)測(cè)模型與傳統(tǒng)的評(píng)分相比，預(yù)測(cè)性能更加卓越。

這提示我們同樣可以將預(yù)測(cè)性研究與預(yù)康復(fù)結(jié)合起來，借助大數(shù)據(jù)平臺(tái)建立預(yù)康復(fù)的機(jī)器算法模型并不斷優(yōu)化，對(duì)風(fēng)險(xiǎn)并發(fā)癥做出有效預(yù)判，進(jìn)而實(shí)施預(yù)測(cè)性干預(yù)和監(jiān)測(cè)。預(yù)康復(fù)“預(yù)測(cè)模型”或“風(fēng)險(xiǎn)評(píng)分”的構(gòu)建，可以輔助臨床醫(yī)生對(duì)患者的風(fēng)險(xiǎn)因素和康復(fù)需求做出快速且精準(zhǔn)的評(píng)判，這將有助于“臨床康復(fù)”的開展以及“臨床康復(fù)一體化”的形成。

本文利用CiteSpace軟件對(duì)WOS數(shù)據(jù)庫中近10年預(yù)康復(fù)的相關(guān)文獻(xiàn)進(jìn)行了文獻(xiàn)計(jì)量學(xué)和知識(shí)圖譜可視化分析，揭示了預(yù)康復(fù)的發(fā)展趨勢(shì)和研究熱點(diǎn)，驗(yàn)證了可視化軟件在預(yù)康復(fù)研究中的有效性，也為預(yù)康復(fù)的風(fēng)險(xiǎn)因素管理和并發(fā)癥處置提供了新思路。在未來，我們需要將預(yù)康復(fù)與大數(shù)據(jù)分析進(jìn)一步結(jié)合，建立預(yù)康復(fù)的機(jī)器算法模型，對(duì)患者做出更準(zhǔn)確的風(fēng)險(xiǎn)評(píng)判和干預(yù)，使“預(yù)康復(fù)”發(fā)展為更高效的“預(yù)測(cè)性康復(fù)”。