基于CiteSpace可視化分析結構方程模型在我國醫(yī)藥領域的應用趨勢

鄭淼淼,洪望龍,朱文濤,馬國強,沈愛宗,2

[1.安徽中醫(yī)藥大學藥學院,合肥 230012;2.中國科學技術大學附屬第一醫(yī)院(安徽省立醫(yī)院)藥劑科,合肥 230001]

結構方程模型 (structural equation model,SEM)是一種處理復雜變量的統(tǒng)計學方法,是因子分析和路徑分析的結合。SEM通過觀測變量可測量無法直接觀察的變量,即潛變量,解釋觀測變量與潛變量、潛變量與潛變量之間的關系及強度。與傳統(tǒng)統(tǒng)計方法相比,SEM是驗證一個或多個自變量與一個或多個因變量之間復雜關系的模型,SEM不局限于解釋變量之間的單一關系,通過驗證性分析,在測量過程中處理誤差,提供了解釋潛變量之間結構關系的可能[1-2],被稱為第二代統(tǒng)計技術。20世紀70年代,JORESKOG綜合因素分析、路徑分析與回歸分析逐漸形成了SEM,并開發(fā)了一個通用計算機程序,既LISREL,展示了如何將一般模型應用于無數(shù)重要的實質性模型[3],為SEM的發(fā)展做出了重要貢獻。隨著越來越多的學者對SEM進行相關研究,SEM理論日趨成熟,SEM軟件也得到快速發(fā)展,這些軟件包括Amos、LISREL、Mplus、EQS、CALIS、RAMONA、SEPATH、Mx等,也有學者使用計算機編程軟件(如R語言)進行SEM分析[2,4]。SEM受到許多研究者的關注,被廣泛應用于心理學、管理學、社會科學等學科。隨著我國醫(yī)藥領域的發(fā)展,許多方面面臨著機遇和挑戰(zhàn),醫(yī)藥研究領域面對的問題越來越復雜,因此SEM成為潛在的不可或缺的統(tǒng)計工具。

CiteSpace作為一款信息可視化應用程序,通過對某一學科或特定主題的知識領域文獻進行計量、共現(xiàn)及聚類分析,對該研究領域的知識結構、應用規(guī)律和分布情況等內容進行可視化網(wǎng)絡圖譜呈現(xiàn),可為研究者們理清該領域知識來源、重要轉折點、研究熱點方向及未來研究趨勢[5-6]。為提高醫(yī)藥從業(yè)人員對SEM的認識與應用,解決越來越具體且復雜的問題,筆者嘗試運用CiteSpace軟件對SEM在我國醫(yī)藥領域的應用情況進行文獻計量學分析,以期了解SEM在我國醫(yī)藥領域的應用現(xiàn)狀、研究熱點及趨勢,現(xiàn)報道如下。

1 數(shù)據(jù)與方法

1.1數(shù)據(jù)來源與檢索策略 通過采用(主題=結構方程模型)OR(主題=結構方程)OR(主題=潛變量)OR(主題=SEM)在中國知網(wǎng)、萬方數(shù)據(jù)知識服務平臺和維普網(wǎng)3個數(shù)據(jù)庫進行醫(yī)藥衛(wèi)生科技專題檢索,限定檢索時間為建庫至 2022年9月,初步獲文獻8 872篇。由兩名研究員閱讀文獻題名、摘要、關鍵詞及全文后;排除與SEM無關、信息不全、會議論文、科技成果、新聞報道等文獻;通過NoteExpress排除重復文獻(重復時選擇發(fā)表時間較早的那篇),最后得到文獻2 486篇,文獻以refworks格式導出。

1.2研究方法 將導出的文獻以“download_x.txt”命名,將其導入CiteSpace 6.1.R2 進行格式轉換與分析。分析時間段設置為1990年1月—2022年12月,時區(qū)分割(#year per slice)默認為1年。閾值設定可選擇g-index、top N或top N%[5],在該篇文獻中閾值參數(shù)設定g-index為25,其余參數(shù)設定均為默認值?！癮uthor”“institution”“keyword”為可選擇分析的3種節(jié)點類型,節(jié)點類型分析包括作者合作網(wǎng)絡分布、機構合作網(wǎng)絡分布、關鍵詞共現(xiàn)分析、關鍵詞聚類分析、關鍵圖突現(xiàn)分析等[6]。根據(jù)對不同節(jié)點類型的分析選擇是否對網(wǎng)絡進行裁剪,剪裁方法選擇“pathfinder”,輔助剪裁方法選擇“pruning slice networks”[5]。并采用ECXEL對文獻總體趨勢進行作圖分析。

1.3圖譜解讀 網(wǎng)絡圖譜中每一個節(jié)點(node,N)代表一個分析對象,節(jié)點圖形越大及節(jié)點字體越大皆表示分析對象出現(xiàn)的頻次越高,節(jié)點的顏色由上至下代表了字段年份由近到遠。節(jié)點間的線條(line,E)代表分析對象間存在協(xié)作,連線的顏色不同代表初次協(xié)作的年份不同,連線密度(density)代表協(xié)作密度[7-8]。中介中心性(centrality )可體現(xiàn)研究內容在該領域的重要性,centrality>0.1的節(jié)點在結構中起關鍵節(jié)點作用[6-9]。聚類圖譜中,#代表聚類,其中若模塊值(modularity Q,Q)>0.3、平均輪廓值(mean silhouette,S)>0.5,則說明得到的聚類模塊顯著且合理[6,10]。突現(xiàn)圖譜中紅色線條代表節(jié)點在該段年份研究熱度高。

2 結果

2.1文獻總體趨勢 SEM在我國醫(yī)藥領域年度發(fā)文量和發(fā)展趨勢見圖1。1992年發(fā)表第一篇中文醫(yī)藥領域SEM文章;1992—2006年發(fā)文量較少,呈穩(wěn)定增長狀態(tài);2007年至今,SEM在我國醫(yī)藥領域的應用為快速增長階段,2021年度發(fā)文量約為2006年的27倍。2 486篇文獻中,文獻發(fā)表篇數(shù)前20的期刊見表1。由表1可知,SEM在我國醫(yī)藥領域的應用涵蓋公共衛(wèi)生、臨床心理學、預防醫(yī)學、行為醫(yī)學、護理學、流行病學、衛(wèi)生管理等多個學科的研究內容。

圖1 SEM在我國醫(yī)藥領域各年度發(fā)文量趨勢Fig.1 Trend of SEM’s annual publications in China pharmaceutical field

2.2作者合作分布圖譜 研究SEM在我國醫(yī)藥領域的主要研究人員及合作情況,對作者進行發(fā)文量與合作網(wǎng)絡分布研究,結果見圖2和表2。從發(fā)文量表及作者合作網(wǎng)絡圖譜中可以看出,發(fā)文量≥7的作者有20位,N=765,E=1 210,density=0.004 1,作者合作較為分散,部分形成合作。

表2 SEM文獻的作者、發(fā)文量、作者機構與研究內容Tab.2 Authors,number of publications,author institutions and research content in SEM literatures

圖2 作者合作網(wǎng)絡圖譜Fig.2 Author collaboration network mapping

SEM在我國醫(yī)藥領域的主要研究團隊與其研究內容包括:以張愛華團隊、劉堃團隊、劉巧蘭團隊、周郁秋團隊、李嬌團隊、丁魁團隊為代表主要使用SEM進行不同人群心理健康研究;以張巖波團隊、劉艷團隊為代表主要研究SEM的理論發(fā)展與應用情況;以陳啟光為代表的團隊主要探討中醫(yī)證候方向內容;以李濤為代表的團隊主要進行不同因素下的雙生子研究;以任書華為代表的團隊主要進行行為醫(yī)學研究;以孫濤為代表的團隊主要使用SEM探討護理領域問題。

2.3機構合作分布圖譜 為研究SEM在我國醫(yī)藥領域主要核心研究機構及其合作情況,對機構進行合作網(wǎng)絡分析,結果見圖3。機構合作網(wǎng)絡圖譜僅呈現(xiàn)發(fā)文量≥8的機構名稱,由圖中可得,N=503,E=257,density=0.002,研究機構主要分布在各大院校,機構間合作較分散。

圖3 機構合作網(wǎng)絡圖譜Fig.3 Mapping of institutional cooperation networks

表3僅列出發(fā)文量前10的研究機構,可更為直觀地看出SEM在我國醫(yī)藥領域的主要研究機構。從表3可知,在該領域的的主要研究機構包括北京大學、東南大學公共衛(wèi)生學院、山西醫(yī)科大學、中國科學院心理研究所、南京中醫(yī)藥大學、哈爾濱醫(yī)科大學等。

表3 SEM在醫(yī)藥領域的研究機構與頻數(shù)Tab.3 SEM research institutions and frequency in the field of medicine

2.4關鍵詞共現(xiàn)圖譜 由于關鍵詞共現(xiàn)分析網(wǎng)絡過于密集,選擇對網(wǎng)絡進行裁剪。且不同作者對同一詞語的表述不同,故將節(jié)點中同義詞進行合并,得到關鍵詞共現(xiàn)圖譜(圖4),關鍵詞共現(xiàn)圖譜僅顯示頻次前35的關鍵詞。列出中介中心性前12的關鍵詞,見表4。結合圖4和表4可知,SEM結合了驗證性因子分析與路徑分析,“結構方程模型”“影響因素分析”出現(xiàn)的頻次高且中心性高,是SEM在醫(yī)藥領域多學科應用的主要研究類型?！靶睦斫】怠薄吧钯|量”“信效度”“應對方式”中心性均≥0.1,為多個學科研究均感興趣的主題。SEM在我國醫(yī)藥領域應用較多的研究類型是影響因素分析、中介效應分析、驗證性因子分析、路徑分析;研究對象有護士、老年人、醫(yī)療機構、醫(yī)生、青少年、學生等;研究方法有計劃行為理論、調查問卷;研究主題包括社會支持、生活質量、應對方式、心理健康、信效度檢驗、心理彈性、中醫(yī)證候等。

表4 中介中心性前12的關鍵詞Tab.4 Top 12 keywords in centrality

圖4 關鍵詞共現(xiàn)圖譜Fig.4 Keyword co-occurrence mapping

2.5關鍵詞聚類圖譜 基于關鍵詞共現(xiàn)圖譜,通過選擇似然方程(log-likelihood equation,LLR)對關鍵詞進行聚類,選擇共聚最大的前11個聚類,得到關鍵詞聚類圖譜(圖5),前6個聚類的主要關鍵詞見表5。關鍵詞聚類圖譜中,Q=0.556 8,S=0.817 2,說明得到的聚類模塊顯著且具有高信度。圖譜中顏色從上至下代表發(fā)表時間由遠及近,其中#0護士該聚類顏色為紅色,說明該聚類的內容為近期研究。對#0進行分析,S=0.895,表示該聚類具有同質性。#0涉及的對象有護士,涉及的研究主題包括心理資本、職業(yè)倦怠、工作滿意度、工作投入等。

表5 關鍵詞前6個聚類Tab.5 Top six keywords in cluster

圖5 關鍵詞聚類圖譜Fig.5 Keyword clustering map

2.6關鍵詞突現(xiàn)圖譜 1992年起,SEM逐漸被應用于我國醫(yī)藥領域。對1992—2020年的關鍵詞進行突發(fā)性檢測,選擇30個熱點關鍵詞(圖6),其中近幾年研究熱點分別是護理、新型冠狀病毒感染(Corona Virus Disease 2019,COVID-19)、護生、病恥感、使用意愿、肺癌等。

圖6 關鍵詞突現(xiàn)圖譜Fig.6 Keywords burst map

3 討論

3.1SEM在我國醫(yī)藥領域的發(fā)展趨勢 1992年,張風雨等[11]發(fā)表我國第一篇中文醫(yī)藥領域SEM文章,引入SEM分析醫(yī)學現(xiàn)場資料中存在潛變量結構的情況,較好地解決了線性回歸分析和路徑分析方法無法解決的問題,并指出了SEM在醫(yī)學中的應用前景;2000—2006年SEM在我國醫(yī)藥領域的應用處于探索階段,該階段文獻主要為綜述,探討了SEM在效度評價、流行病學、中醫(yī)證候、心理學研究中的應用;2007年至今,SEM在我國醫(yī)藥領域的應用呈快速增長趨勢,該階段研究內容豐富,主要包括臨床醫(yī)學、流行病學、臨床心理學、公共衛(wèi)生、中醫(yī)證候、護理學等,涉及中介分析、影響因素分析、因果分析、相關性分析等對研究內容進行探討。SEM在醫(yī)藥領域的應用快速增長,原因可能在于SEM適用于分析潛變量、分析復雜結構關系的作用,隨著SEM方法學的發(fā)展,出現(xiàn)許多基于SEM的新變式模型,在群體異質性和追蹤研究方面發(fā)揮了重要作用[12],且SEM軟件的發(fā)展增加了SEM可用性,故越來越多的研究者將SEM納入臨床研究的標準研究設計和數(shù)據(jù)分析策略。從文獻發(fā)表期刊情況來看,驗證了SEM在我國醫(yī)藥領域的應用涵蓋多個學科,表明我國醫(yī)藥領域多學科正日益認識并使用SEM,專注于解決醫(yī)藥領域多學科中需要研究潛變量的難題。

3.2SEM在我國醫(yī)藥領域的應用現(xiàn)狀 從作者合作和機構合作分布圖譜可知,越來越多醫(yī)藥從業(yè)人員將SEM與研究內容結合起來,但研究者之間的合作較分散,主要研究機構分布于各大高校,作者合作與機構合作尚未形成集群。因此,相較于傳統(tǒng)的統(tǒng)計學方法,醫(yī)藥從業(yè)人員對SEM的認識仍有待加強,SEM作為有效的統(tǒng)計方法,可為醫(yī)藥從業(yè)人員解決研究中遇到的問題。

關鍵詞突現(xiàn)結果顯示,1994—2006年,“驗證性因子分析”“線性結構方程模型”“潛變量”是SEM研究的熱點,期間研究者逐漸使用SEM分析“人格”“中醫(yī)證候”“雙生子研究”“信效度”,該段年份我國醫(yī)藥領域多學科對SEM表示出相似的興趣。2007年至今,SEM被應用于多方面主題研究,結合關鍵詞共現(xiàn)與聚類分析,可將在該階段研究熱點歸納為醫(yī)務人員工作情況、心理健康、行為意愿、量表的信度與效度檢驗、中醫(yī)證候、生活質量、護理、滿意度調研等,應用研究類型主要為影響因素分析、中介效應分析。SEM之所以適用于以上研究熱點,與研究內容逐漸涉及潛變量、復雜結構密切相關。

黃建等[13]構建民營醫(yī)院患者體驗、滿意度與忠誠度模型,驗證了3個維度之間的關系,從而在提高患者的生命質量等方面為院方提供依據(jù);姜勤勤等[14]采用SEM研究有用性、患者態(tài)度對“互聯(lián)網(wǎng)+護理服務”患者采納意愿的影響,為推進“互聯(lián)網(wǎng)+護理服務”可持續(xù)發(fā)展提供建議;任正等[15]為了解醫(yī)務人員心理健康現(xiàn)狀,探討社會支持、職業(yè)倦怠、工作壓力等影響因素對心理健康狀況的作用路徑,為增進醫(yī)務人員心理健康水平提供參考策略;吾超等[16]采用SEM探討傳染科護士的應對方式在自我效能感與職業(yè)成功間的中介效應,得出有效促進護士職業(yè)成功的途徑;柴可夫等[17]研究糖尿病早期微血管病變的證候-證素-癥狀關系?？傊?在分析醫(yī)務人員工作情況、心理健康、行為意愿、滿意度、中醫(yī)證候等主題時,常涉及探討多潛變量之間的復雜關系與中介作用等問題,通過SEM將所有要素都考慮在內,得到的模型具備較好的參考價值。此外,量表作為多學科研究調查中獲取信息的重要工具,為確認量表的真實性與可靠性,SEM也常被用來檢驗量表的結構效度。

3.3SEM在我國醫(yī)藥領域的研究趨勢 對突現(xiàn)結果中近年來熱點關鍵詞的來源文獻總結可知,SEM近些年來在護理領域應用較為廣泛,研究對象包括護士、護生、患者、護工、患者家屬等,研究主題有留職意向、專業(yè)適應性、職業(yè)認同、工作投入、護理人員心理健康、患者(肺癌患者等)臨床護理、患者病恥感等。這與隋小帆等[18]的結論一致,后者對多個數(shù)據(jù)庫中應用SEM進行護理研究的文獻進行檢索,發(fā)現(xiàn)其相關論文呈顯著上升,SEM由最初的研究范圍僅護理教育與管理,逐漸拓展至各?？婆R床護理研究,研究對象覆蓋了護士、護生、服務對象、照顧者等,這與實際臨床護理研究中會遇到許多不可測量指標有關。SEM在COVID-19疫情期間的相關研究也屬于研究熱點與前沿,由于COVID-19對人身體與心理的傷害,2020年起SEM逐漸被應用于分析COVID-19疫情期間居民接種意愿、隔離意愿、預防行為以及醫(yī)務人員在新冠病毒期間工作、心理情況分析等主題,如許彬等[19]通過SEM分析公眾對COVID-19疫情的常識性防疫能力、過度反應和預期之間的關系,為后COVID-19疫情時代公眾健康素養(yǎng)教育提供依據(jù)等,SEM分析人們對COVID-19疫情的知曉以及心理狀況等方面發(fā)揮著重要作用。同時,探討用戶對信息技術的使用意愿成為近年來SEM在我國醫(yī)藥領域的研究前沿方向,一方面因為隨著醫(yī)療科技不斷創(chuàng)新,線上醫(yī)療服務等信息技術的出現(xiàn)對醫(yī)療資源配置起著重要的作用[20],另一方面用戶對信息技術的主觀感受是影響用戶使用該技術的重要原因,技術開發(fā)者越來越注重用戶個人體驗,因此有必要了解影響醫(yī)療信息平臺用戶接納的因素,進而提出相應建議。對前沿熱點的分析可發(fā)現(xiàn),醫(yī)藥領域研究越來越關注個人的主觀感受,這也是SEM在醫(yī)藥領域應用逐漸增多的原因。

總之,我國醫(yī)藥領域在主觀感受方面的關注使SEM解決潛變量、復雜模型的能力逐漸受到醫(yī)藥人員的重視,SEM在我國醫(yī)藥領域的研究數(shù)量逐年上升,但對SEM的理解仍需加強。本研究檢索我國多個權威中文數(shù)據(jù)庫,利用 CiteSpace 分析并呈現(xiàn)SEM在我國醫(yī)藥領域的研究現(xiàn)狀、熱點及趨勢,其結果具有參考價值。由于CiteSpace分析中文文獻的局限性,主要以關鍵詞作為分析,對內容的討論也以關鍵詞呈現(xiàn),可能存在描述偏倚的情況,本文僅討論SEM在我國醫(yī)藥領域的應用,未對國外的研究熱點及趨勢進行探討和對比,未來可對此深入分析。