基于WOS數(shù)據(jù)庫的藥物重整文獻計量和可視化分析*

韓強，潘晨，郭明星，徐菀佚，趙瑩，田月，崔向麗

(1.首都醫(yī)科大學附屬北京友誼醫(yī)院檢驗科，北京 100050；2.首都醫(yī)科大學附屬北京友誼醫(yī)院藥劑科，北京 100050；首都醫(yī)科大學附屬北京天壇醫(yī)院藥學部，北京 100070)

藥物重整(medication reconciliation，MR)指獲得患者正在服用所有藥物最準確的清單的過程，包括藥物名稱、劑量、給藥頻次和途徑等[1-2]。MR有以下三個步驟：①構(gòu)建患者最佳可能用藥史(the best possible medication history ，BPMH)；②比較當前用藥清單或用藥計劃與BPMH的差異；③向患者、監(jiān)護者、處方醫(yī)生、社區(qū)醫(yī)生等提供準確的用藥信息[1]。

MR能有效避免藥物治療相關(guān)問題，包括漏服、重復(fù)服藥、服藥劑量錯誤等，減少潛在有害的用藥錯誤，是藥物治療管理的基礎(chǔ)[3-5]。2005年，國際衛(wèi)生保健組織認證聯(lián)合會將MR列為“患者安全目標”之一[2]。2021年10月3日，國家衛(wèi)生健康委發(fā)布的《國家衛(wèi)生健康委辦公廳關(guān)于印發(fā)醫(yī)療機構(gòu)藥學門診服務(wù)規(guī)范等5項規(guī)范的通知》，將MR列為五項藥學服務(wù)中的重要一項，可見我國對MR的重視程度顯著提高。在本研究中，筆者通過對近20年WOS(Web of science)數(shù)據(jù)庫中MR文獻進行可視化分析，了解MR研究歷史、現(xiàn)狀、熱點以及發(fā)展方向，并為國內(nèi)優(yōu)化藥學服務(wù)提供參考。

1 資料與方法

1.1文獻檢索 以MR對應(yīng)的MeSH詞“Medication reconciliation”檢索《Web of science》(WOS)核心合集數(shù)據(jù)庫，該數(shù)據(jù)庫是權(quán)威、專業(yè)的引文數(shù)據(jù)庫，限定為標題檢索，檢索時間為建庫至2022年1月18日，排除以下文獻類型：meeting abstract、editorial material、letter、news item、early access、correction、proceedings paper、reprint，重點分析論著和綜述。由本文的第一作者和第二作者閱讀檢索到的所有文獻標題和摘要，獨立完成文獻篩選，如遇分歧與通信作者討論解決。

1.2統(tǒng)計項目 將檢索文獻導入Endnote軟件，統(tǒng)計每年發(fā)文總量和被引次數(shù)；分別統(tǒng)計作者、期刊、機構(gòu)、國家的發(fā)文量、被引頻次和平均被引頻次；統(tǒng)計2020年度期刊引文報告(Journal Citation Report，JCR)，包括影響因子(impact factor，IF)、歸屬類別、期刊等級以及期刊分區(qū)，對發(fā)文量排名前10的期刊進行系統(tǒng)客觀評價。使用Bibliometric.com在線軟件創(chuàng)建國家合作關(guān)系圖，對國家之間的合作關(guān)系進行可視化分析。

1.3引文突現(xiàn)檢測 將文獻導入CiteSpace(5.8.R3版本)軟件，設(shè)置選擇節(jié)點類型為“Cited reference”，“Time Slice”=1年，時間設(shè)置為2003—2021年(檢索到最早一篇文獻發(fā)表于2003年)，檢測10篇最強突現(xiàn)引文(citation burst)。

1.4關(guān)鍵詞聚類分析 將文獻導入VOSviewer(1.6.16版本)軟件，共檢測出關(guān)鍵詞319個，設(shè)置關(guān)鍵詞出現(xiàn)的閾值為5次，對28個符合要求的關(guān)鍵詞進行聚類分析。根據(jù)文獻的發(fā)表時間，對關(guān)鍵詞進行時間排序，不同時間段的關(guān)鍵詞標記不同顏色，以對不同時間段的研究熱點進行可視化呈現(xiàn)，分析MR研究的熱點和趨勢。

2 結(jié)果

2.1文獻篩選結(jié)果 初步檢索到734篇文獻，排除以下文獻類型：會議摘要(meeting abstract)349篇，編輯材料(editorial material)42篇，信件(letter)32篇，短篇新聞(news item)8篇，在線發(fā)表(early access)7篇，出版修正(correction)4篇，會議文獻(proceedings paper)4篇，重印本(reprint)1篇，最終得到納入分析文獻300篇，其中論著(article) 281篇和綜述(review )19篇。

2.2文獻趨勢分析 整體上MR文獻較少，最早的一篇文獻發(fā)表于2003年。2003—2013年，MR相關(guān)文獻量呈現(xiàn)較快增長，2013—2021年，年度發(fā)文量維持在18～28篇，2013年、2019年和2021年的年度發(fā)文量最高達28篇(見圖1)。MR相關(guān)文獻的總被引頻次為6605次，2003—2021年呈現(xiàn)快速增長趨勢(見圖1)，2021年達到最高引用次數(shù)為970，平均每篇引用次數(shù)22.02次，H-index為43。被引頻次最高的文獻是MUELLER[6]在2012年發(fā)表的《Hospital-Based Medication Reconciliation Practices A Systematic Review》，被引314次。

2.3MR文獻的特征分析

2.3.1發(fā)文國家 文章中每位作者所屬機構(gòu)在的國家均計該文章的發(fā)文國家。共有38個國家發(fā)表MR相關(guān)研究，美國發(fā)文量第一(156篇，52.00%)，遠遠超過其他國家的發(fā)文量。另外根據(jù)圖2國家合作關(guān)系圖，美國與其他國家的合作最為密切。加拿大發(fā)文量位居第2名(24篇，8%)，但平均每篇被引次數(shù)最高達38.04次，領(lǐng)先于其他國家，見表1和圖2。

2.3.2作者和機構(gòu) 共有1559位作者(包括第一作者、共同作者和通信作者)，合著作者平均每人5.20篇。發(fā)文量排名前10位的作者見表2，美國學者SCHNIPPER J L發(fā)文量15篇，總被引頻次1036次，位居第一，由圖3作者合作關(guān)系網(wǎng)絡(luò)圖可見，SCHNIPPER J L與其他作者的合作關(guān)系最為密切。加拿大學者HAMANN C文章的平均被引頻次最高，高達每篇108.80次。

共有583個機構(gòu)參與MR方面研究，排名前10位的機構(gòu)見表3。發(fā)文量和總被引頻次排名第一的機構(gòu)是美國哈佛大學附屬布萊根婦女醫(yī)院(Brigham and Women's Hospital)，平均被引頻次最高的機構(gòu)是美國哈佛大學(Harvard University)，發(fā)文量前10的機構(gòu)里有8個是美國的機構(gòu)。

圖1 WOS中MR文獻年發(fā)表量

表1 WOS中MR文獻發(fā)文量排名前10的國家

2.3.3期刊引文報告 共有120個期刊發(fā)表MR文獻，發(fā)文量排名前10位的期刊見表4?！禞ournal of General Internal Medicine》總被引頻次、平均被引頻次和IF均排名第一，分區(qū)也在Q1。發(fā)文量前10名期刊分布在四大類：藥理學和藥學；情報學與圖書館學；內(nèi)科-普通內(nèi)科；醫(yī)療保健科學與服務(wù)。

2.4引文突現(xiàn)檢測 引文突現(xiàn)(citation burst)指文獻一段時間內(nèi)被頻繁引用，主要評價指標為突現(xiàn)強度和突現(xiàn)持續(xù)時間，代表文獻的創(chuàng)新性，紅色標記相當于不同時期的前沿足跡，可用于綜合評估MR研究方向的發(fā)展趨勢。KWAN[3]發(fā)表的《Medication Reconciliation During Transitions of Care as a Patient Safety Strategy》引文強度最高達14.11。前10位最強突現(xiàn)文獻突現(xiàn)持續(xù)時間在4～5年。

2.5關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò) 排名前28的關(guān)鍵詞共現(xiàn)分析

圖2 國家間合作關(guān)系圖

見圖4。圖中節(jié)點大小代表關(guān)鍵詞出現(xiàn)的頻次，由圖4可見，節(jié)點較大的除了檢索關(guān)鍵詞medication reconciliation外，還包括medication error、patient safety、medication discrepancy、transitions in care、pharmacist、clinical pharmacist、hospital discharge、electronic medical record、adverse drug event、elderly，這些出現(xiàn)頻次較高的關(guān)鍵詞均為MR方面研究的熱點。MR文獻關(guān)鍵詞可形成4個聚類(見圖4)。

3 討論

MR能夠減少用藥偏差，保障患者用藥的連續(xù)性和用藥安全，節(jié)約用藥成本。

2003年P(guān)RONOVOST[7]發(fā)表《Medication reconciliation：A practical tool to reduce the risk of medication errors》，首次提出MR的概念，MR整體發(fā)文量較低，2003—2013年呈現(xiàn)明顯上升趨勢，2013—2021年呈現(xiàn)鋸齒狀波動，這說明MR領(lǐng)域還需更多的關(guān)注。2003—2021年，MR文獻的被引頻次逐年增長，提示MR研究質(zhì)量也在逐步提升。

表2 MR文獻發(fā)文量排名前10位的作者

MR研究主要集中在發(fā)達國家，美國發(fā)文量第一，超過總發(fā)文量的一半，早在2008年美國已有68%的機構(gòu)開展MR服務(wù)[8]，各國之間MR開展情況存在較大差異。中國與巴西發(fā)文量并列前10名，但文章平均引用量較低，與其他國家的合作較少，與美國尚存在較大的差距。檢索國內(nèi)文獻發(fā)現(xiàn)，目前我國在糖尿病、心血管疾病、呼吸科、神經(jīng)內(nèi)科等老年慢病患者均開展了MR相關(guān)研究[9-12]，但是整體處于發(fā)展階段，仍需要更多的推廣和實踐，我國學者可借鑒國外先進經(jīng)驗，加強國際合作，開展MR相關(guān)領(lǐng)域研究。中國發(fā)表的6篇英文文章中，有3篇來自中國臺灣地區(qū)，在臺灣地區(qū)MR已嵌入醫(yī)院信息管理系統(tǒng)，患者實施MR的情況均會被記錄在病歷系統(tǒng)里[8，13]。在作者方面，發(fā)文量第一的是美國哈佛大學附屬布萊根婦女醫(yī)院學者SCHNIPPER J L，其與其他作者合作關(guān)系也最為密切，形成以Schnipper J L為核心的作者團隊。SCHNIPPER J L團隊牽頭的多中心藥物重整質(zhì)量改善項目(Multicenter Medication Reconciliation Quality Improvement Study，MARQUIS1 )先后在5家醫(yī)院和18家醫(yī)院開展，研究顯示：每例患者平均發(fā)生用藥偏差由2.85個降至0.98個，對MR廣泛推廣和不斷完善有重要意義，值得我國學習和借鑒[14]。但其他作者分布相對比較散，合作并不密切，可見不同地區(qū)作者應(yīng)該加強合作，以促進MR的不斷發(fā)展。在機構(gòu)方面，前10位的機構(gòu)中有8家來自美國，大部分發(fā)文機構(gòu)是高校，也說明高校對MR研究比較重視和深入。在期刊方面，發(fā)文量前10位的期刊分區(qū)大多在Q3和Q4，提示MR領(lǐng)域的大部分研究仍需進一步提升質(zhì)量?！禞ournal of the American Medical Informatics Association》和《Journal of General Internal Medicine》分區(qū)在Q1，且IF>4，是在MR領(lǐng)域發(fā)文質(zhì)量相對較高的期刊，相關(guān)學者投稿時可重點關(guān)注。值得注意的是，前10位的期刊均不在2021年度《國際期刊預(yù)警名單(試行)》中。

MR研究熱點及前沿分析。分析引文突現(xiàn)，突現(xiàn)強度最高的文章是KWAN[3]發(fā)表的綜述，分別從意外用藥偏差、急診出院后30 d內(nèi)再入院率、醫(yī)療成本等方面綜述MR作用，建議在出院等醫(yī)療轉(zhuǎn)換環(huán)節(jié)，實施MR提高患者安全。最早(2005年)的突現(xiàn)文獻是GLEASON等[15]報道對204例入院患者實施MR，對其中55例患者提出97項干預(yù)意見，有69項(71.13%)意見被接受。MEKONNEN等[2]Meta分析納入19項研究共15 525例患者，發(fā)現(xiàn)藥師主導的MR與常規(guī)護理相比，可顯著減少患者用藥偏差[RR0.34，95%CI(0.23，0.50)]。

圖3 作者合作網(wǎng)絡(luò)分析圖

表3 MR文獻發(fā)文量排名前10的機構(gòu)

關(guān)鍵詞共現(xiàn)分析可看出研究熱點以及前沿，①聚類I主要圍繞癌癥、心血管疾病，藥物重整對藥物相關(guān)問題、藥物差異、治療過渡環(huán)節(jié)的影響，聚類I中除檢索詞“medication reconciliation”外，“medication discrepancy”(occurrence=36)最常出現(xiàn)，“cancer”(avg.pub.year=2020)最近出現(xiàn)?？梢奙R相關(guān)研究從前期關(guān)注心血管疾病逐漸轉(zhuǎn)向關(guān)注腫瘤患者。腫瘤患者用藥偏差發(fā)生率高，2021年1項前瞻性研究中發(fā)現(xiàn)，78 份癌癥患者的醫(yī)療記錄例共發(fā)現(xiàn) 166 處用藥偏差，該研究結(jié)果顯示癌癥患者處于危重疾病狀態(tài)，更需要MR服務(wù)[16]。HERLEDAN[17]開展一項對癌癥患者MR系統(tǒng)綜述研究，報道1項RCT研究發(fā)現(xiàn)MR可減少26%的對臨床造成明顯影響的用藥錯誤[18]，在經(jīng)濟學評價方面，報道收益：成本=2.31：1，說明對癌癥患者實施MR具有明顯的經(jīng)濟學效益[19]。②聚類Ⅱ主要圍繞對內(nèi)科患者和老年患者，醫(yī)院藥師包括臨床藥師提供藥學服務(wù)，對用藥差錯的影響，聚類Ⅱ中“medication error”(occurrence=72)最常出現(xiàn)，“internal medicine”(avg.pub.year=2016)最近出現(xiàn)。可見老年患者和內(nèi)科患者是MR重點關(guān)注對象。中國臺灣地區(qū)的一項針對老年患者的研究，發(fā)現(xiàn)臨床藥師在實施MR時借助PharmaCloud數(shù)據(jù)庫，MR的概率從44.0%增加到86.8%，不僅可以減少重復(fù)用藥，并可降低住院藥費[13]。一項針對內(nèi)科住院患者中開展的MR研究，發(fā)現(xiàn)204例患者中存在195例用藥偏差，最常見的用藥偏差類型是用藥不全(71.8%)，最常見的干預(yù)類型是增加用藥(71.8%)和調(diào)整藥物劑量(12.8%)[20]。③聚類Ⅲ主要圍繞合并用藥較多患者，在患者出入院等治療過渡環(huán)節(jié)，整理用藥記錄，聚類Ⅲ中，“hospital discharge”(occurrence=18)最常出現(xiàn)，“electronic medical record”(avg.pub.year=2016)最近出現(xiàn)。實施MR的重要時間包括患者入院、轉(zhuǎn)科、出院等治療的過渡環(huán)節(jié)，Meta 分析顯示，在治療過渡環(huán)節(jié)開展電子化MR，用藥偏差顯著降低45%[RR0.55，95%CI(0.51，0.58)][21]。電子醫(yī)療記錄幫助醫(yī)療人員方便快捷獲取患者用藥信息，但也需要注意電子醫(yī)療記錄并無法準確記載患者全部用藥史，藥師對219例患者實施MR后發(fā)現(xiàn)，162例(74%)用藥與電子醫(yī)療記錄存在偏差[22]。④聚類Ⅳ主要圍繞運用電子信息技術(shù)提高醫(yī)療健康質(zhì)量，以及MR對患者安全、醫(yī)療連續(xù)性的影響，“patient safety”(occurrence=69)最常出現(xiàn)，“healthcare quality improvement”(avg.pub.year=2017)最新出現(xiàn)。目前已有多項研究借助電子信息化技術(shù)開展MR，這也是未來MR研究開展的重要方向[23-24]。

表4 MR文獻發(fā)文量排名前10的期刊

表5 WOS中MR文獻中前十最強引文突現(xiàn)

圖4 藥物重整文獻關(guān)鍵詞共現(xiàn)圖譜

本研究通過文獻計量學方法，分析MR文獻的特征，全面、直觀地展示國際MR領(lǐng)域的現(xiàn)狀和研究熱點及發(fā)展方向，為國內(nèi)藥師開展更加專業(yè)的MR服務(wù)提供參考，研究者參照本研究的熱點趨勢，開展更深入的研究。