基于Web of Science急診信息化建設的文獻計量學分析

彭寅森,李 韻,李金星,曾晗月,陳騰霞,程 捷,鄧 怡,彭 淼,毛世芳

近年來信息技術得以高速發(fā)展,其中傳感技術、計算機與智能技術及通信技術等已在生活各方面得到了廣泛應用。在醫(yī)療領域中應用信息技術不僅有利于提高臨床工作效率和質量,還可進一步提升病人就醫(yī)體驗[1]。急診科作為醫(yī)院運轉的重要部門,通常承擔著對急癥、突發(fā)癥、危重癥病人以及院前急救等醫(yī)療救治任務。但如今急診醫(yī)療卻面臨著過度擁擠、工作壓力大、治療不及時、診斷錯誤等諸多問題[2-5]。這些問題會對病人安全、病人體驗及實際臨床工作產(chǎn)生不同程度的影響[2,6]。而5G救護車、人工智能(AI)輔助診療、智能醫(yī)療資源及疾病智慧管理系統(tǒng)等信息技術的使用則可使以上問題得到緩解[7-10]。通過文獻計量學分析可以讓學者更加清晰地了解到該研究領域已達成的學術成就,有助于分析其中的研究趨勢及熱點問題,確定未來研究方向[11]。故本研究通過文獻計量學方法,以了解急診信息化建設領域研究現(xiàn)狀,并探究該領域研究熱點及前沿問題,剖析其研究趨勢,或可為未來相關研究指明方向。

1 方法

1.1 檢索策略

Web of Science核心合集(WOSCC)不僅被認為是最權威學術數(shù)據(jù)庫[12],同時還可提供與文獻計量學分析相關的關鍵數(shù)據(jù)[13]。故研究者于2023年3月8日以“emergency/emergency department/informalize construction/information technology/5G/artificial intelligence/Internet of Things”等為主題詞對WOSCC進行了高級檢索,檢索時限為2012年1月1日—2023年3月8日。納入標準:1)文獻類型限定為論著及綜述;2)語言限定為英語。排除標準:1)研究內容與主題不符;2)重復發(fā)表文獻。

1.2 文獻計量學工具及方法

利用VOSviewer 1.6.19軟件、CiteSpace 6.1.R6軟件和Microsoft Excel 2019軟件,獲取文獻計量學相關參數(shù),如總引用數(shù)(TC)、每篇出版物引用數(shù)(CPP,TC/出版數(shù))、高產(chǎn)作者、機構、國家及主要關鍵詞等,并將其中部分重要結果生成可視化圖譜,以更好地展現(xiàn)研究熱點,分析潛在研究前沿。

2 結果

2.1 檢索結果

本文初步檢索共獲取文獻1 044篇,按納入與排除標準剔除后,最終納入文獻1 011篇,經(jīng)軟件獲取相關數(shù)據(jù)如下:11 466 TC,11.34 CPP,共包含463種期刊、3 755個機構及5 109位作者。此外,如圖1所示,有關急診信息化建設的研究,近年來呈快速增長趨勢,其中,論著和綜述分別為950篇(93.97%)和61篇(6.03%),截至2022年末相關研究數(shù)量較10年前已增長3倍有余。

圖1 2012—2023年急診信息化建設領域年發(fā)文趨勢及文獻類別圖譜

2.2 作者分析

如表1所示,最多產(chǎn)的作者是Hall Matthew(n=26),緊隨其后的是Shah Samir S(n=25)和Neuman Mark I(n=22)。篇被引次數(shù)最多的作者是Aronson Paul L(227 TC,32.43 CPP),其次是Neuman Mark I(578 TC,26.27 CPP)。此外,在發(fā)文量排名前10位的作者中,美國作者占90%。

表1 2012—2023年急診信息化建設領域發(fā)文量居前10位的作者發(fā)文情況

2.3 機構分析

根據(jù)數(shù)據(jù)匯總結果顯示,總被引次數(shù)最多的3個機構分別是哈佛大學(2 116 TC)、俄亥俄大學(1 110 TC)、波士頓兒童醫(yī)院(963 TC)。如圖2所示,在2012—2016年美國部分機構較為活躍,但近5年來活躍程度有所下降(如哈佛大學、華盛頓大學、范德堡大學等),而韓國、澳洲、加拿大的機構則在2019—2022年,特別是在2022年尤為活躍。此外,如圖2B所示,軟件識別出了40個發(fā)文>4篇的機構,其中排名前5的是:哈佛大學(n=97)、俄亥俄大學(n=65)、波士頓兒童醫(yī)院(n=54)、賓夕法尼亞大學(n=41),辛辛那提兒童醫(yī)院醫(yī)療中心(n=39)。

圖2 2012—2023年急診信息化建設領域機構共現(xiàn)圖

2.4 國家分析

本文利用VOSviewer將至少發(fā)表過8篇文章的19個國家進行了可視化分析,如圖3所示,發(fā)文量排名前3位的國家分別是美國(6 442 TC,13.04 CPP,494篇,占總數(shù)的48.86%)、中國(112篇,995 TC,8.8 CPP)和澳大利亞(95篇,1 347 TC,14.18 CPP)。此外,在可視化圖譜中,發(fā)文數(shù)量與節(jié)點大小呈正相關,且節(jié)點間的連線越多,表明其間的合作越緊密[14]。而在本研究的可視化圖譜中,美國、中國、澳大利亞、加拿大和韓國有著較大的節(jié)點以及相對密切的聯(lián)系,這就表明以上國家在急診信息化建設領域中有更強的合作和學術影響力。

圖3 2012—2023年急診信息化建設領域國家共現(xiàn)圖

2.5 高被引文獻分析

研究者將被引次數(shù)排名前5位的文章進行了羅列。如表2所示,Mueller等[15]發(fā)表在ArchivesofInternalMedicine上的文章被引次數(shù)最高(340 TC),其主要綜述了利用信息技術參與用藥管理有利于降低用藥差錯及藥物相關不良事件的發(fā)生率。He等[16]發(fā)表的文章排名第2位(181 TC),其重點探討了如何保障醫(yī)療領域中物聯(lián)網(wǎng)技術應用的安全性。Bashshur等[17]發(fā)表的文章則排名第3位(127 TC),這篇文章主要分析了在初級保健中開展遠程醫(yī)療的可行性、可接受性及應用效果,其中提到部分到急診科就診的非緊急病人在就診前會利用互聯(lián)網(wǎng)尋求醫(yī)療幫助。此外,我們還進行了Reference-co-citation分析。如圖4所示,Buntin等[18]發(fā)表的文章突現(xiàn)值最高(n=4.59),此研究為解決醫(yī)療信息技術實際應用過程中的部分挑戰(zhàn)提供了建議。Frisse等[19]發(fā)表的文章突現(xiàn)值位居第2位(n=3.75),該研究則指出在急診科實施的健康信息交換服務有利于提升醫(yī)療成本效益。

表2 2012—2023年急診信息化建設領域總被引頻次排名前5位的文獻

圖4 2012—2023年急診信息化建設領域參考文獻突現(xiàn)視圖

2.6 關鍵詞共現(xiàn)分析

關鍵詞共現(xiàn)分析可以使研究者了解所研究領域間的內在聯(lián)系及其發(fā)展脈絡,并獲取知識圖譜[20]。如圖5A所示,VOSviewer軟件共識別出4 348個關鍵詞,在剔除部分重復及相關度較低的關鍵詞如“emergency-department”“United-States”等后,將出現(xiàn)頻次>10次的關鍵詞進行了可視化分析,其中排名前10位的關鍵詞分別是:護理(n=158)、急診科(n=127)、管理(n=108)、影響(n=101)、兒童(n=72)、死亡率(n=63)、風險(n=59)、系統(tǒng)(n=53)、結局(n=52)、人工智能(n=51)。在共現(xiàn)圖譜中,護理、健康信息交換、影響、結局等關鍵詞在早年間較受關注,而人工智能、深度學習、機器學習等關鍵詞近幾年較為流行。此外,CiteSpace軟件的突現(xiàn)功能有利于研究者分析所研究領域的熱點話題和研究趨勢[21],因此研究者還將各關鍵詞按照其突現(xiàn)值高低進行了排序。如圖5B所示,在突現(xiàn)值排名前15位的關鍵詞中,每個關鍵詞突現(xiàn)值均>3。其中,人工智能突現(xiàn)值最高(n=14.55),其次則是深度學習(n=6.88)和機器學習(n=6.13),以上關鍵詞在2020—2021年被首次提出,至今仍受到持續(xù)關注。

圖5 2012—2023年急診信息化建設領域關鍵詞共現(xiàn)圖

2.7 關鍵詞聚類分析

關鍵詞聚類分析有助于進一步探討所研究領域的熱點話題[20]。圖6A利用VOSviewer軟件將各關鍵詞按顏色分為了5個聚類,聚類1的主題是醫(yī)學信息技術在急診的應用。聚類2更多關注于流行病學,即利用信息系統(tǒng)分析不同人群,特別是急診兒科的流行病學特征。聚類3的主題則是急診醫(yī)學中應用的各種新技術,如人工智能、物聯(lián)網(wǎng)等。而聚類4和聚類5的主題與前面幾個聚類相似,主要聚焦于各種信息技術在輔助診斷、疾病預測和提高病人生存率方面發(fā)揮的作用。圖6B則利用CiteSpace軟件將各關鍵詞分為了12個聚類,分析可知近3年在急診信息化建設及應用領域備受關注的話題是健康信息技術、急診管理和疾病。

圖6 2012—2023年急診信息化建設領域關鍵詞聚類視圖

3 討論

3.1 急診信息化建設研究現(xiàn)狀

從發(fā)文趨勢來看,有關急診信息化建設的相關研究整體呈上升趨勢。但從高產(chǎn)作者、國家及機構分析中可知,美國是該領域研究的主要參與者。在發(fā)文最多的10名作者中有9名來自美國,我國學者并未包含其中。同時,在發(fā)文量排名前19位的國家中,發(fā)達國家占73.70%(n=14),我國在該領域的研究占11.07%。這提示我國在該領域的研究仍處于發(fā)展階段,未來需進一步加大研究力度,提高研究質量。此外,同一國家中的各個機構合作相對而言較為密切,但跨區(qū)域合作并不明顯,未來研究還應打破國際壁壘,加強區(qū)域間交流,進一步推進急診信息化建設。

3.2 研究熱點及趨勢

本研究利用引文分析、關鍵詞共現(xiàn)、爆發(fā)及聚類等功能,經(jīng)小組討論后得出急診信息化建設領域的研究熱點包括:AI輔助預檢分診及急診醫(yī)療服務、利用信息技術進行急診流行病學篩查及急診信息化管理。此外,在此領域中AI及與之相關的深度學習、機器學習等關鍵詞受關注程度較高,其出現(xiàn)時間也與結束觀測時間相近。因此,研究者認為急診信息化建設未來的研究趨勢或是對AI輔助急診醫(yī)療服務的進一步探討和剖析。

3.3 急診信息化建設研究面有待拓展

隨著新時代信息技術的不斷發(fā)展和普及,急診醫(yī)療領域中包含的信息化要素也越來越多。研究表明利用人工智能、物聯(lián)網(wǎng)、5G等信息技術有利于提高急診工作效率及質量[22-24]。但在現(xiàn)有研究中,學者們主要聚焦于AI技術在輔助急診分診、治療及影像診斷方面的應用,有關5G及物聯(lián)網(wǎng)等技術的關注度仍有待提高。其次,救護車服務在實際工作中常常會面臨病人定位不準確的問題,但目前關于解決這類問題的研究仍然較少,未來可加強在這方面的研究,以進一步提高院前智慧急救服務的質量和效率。而關于信息技術輔助急診流行病學調查,在高產(chǎn)作者的文章中,大多關注的都是與兒童或青少年相關的急診流行病學問題,建議可利用信息系統(tǒng)增加與其他人群相關的急診流行病學研究。

3.4 急診信息化建設亟待完善

急診信息化建設過程中也面臨著部分挑戰(zhàn)和問題。Bakhoum等[25]指出急診護士每天花費在電子健康記錄上的時間占總工時的25%。急診醫(yī)務人員信息素養(yǎng)及病人健康信息質量也存在參差不齊的問題[26]。而智能救護車則可能會由于通訊協(xié)議版本過低、基礎設施搭建不完善等原因,出現(xiàn)數(shù)據(jù)傳輸延遲、網(wǎng)絡卡頓等問題[27]。此外,大部分AI輔助診療活動都是基于對大數(shù)據(jù)的廣泛學習后才得以實現(xiàn)的,但大數(shù)據(jù)學習卻面臨著區(qū)域間數(shù)據(jù)互通困難及隱私泄露等挑戰(zhàn)[28-29],這就給AI學習各類疾病數(shù)據(jù)帶來了一定阻礙。因此,在未來的研究中,我們可利用語音錄入及自動填充等信息化手段代替?zhèn)鹘y(tǒng)手工書寫,以減少健康信息數(shù)據(jù)錄入的時間,同時應提高急診醫(yī)療人員信息素養(yǎng),培養(yǎng)信息化醫(yī)療復合型人才,并參考International Classification of Diseases 11th,建立與之類似的書寫規(guī)范和標準化健康信息語言體系,以確保病人健康信息的可靠性。另外,打破“信息孤島”現(xiàn)象也是重中之重,應加強不同地域,特別是農(nóng)村地區(qū)的基礎建設,并在此過程中加強技術保障,以期在保障數(shù)據(jù)安全的前提下,擴大急診智慧醫(yī)療服務覆蓋面,進一步促進優(yōu)質急診醫(yī)療資源共享。

3.5 局限性

本研究也存在著部分局限性,具體如下:1)只納入了WOSCC中收錄的文獻,其他的一些主要數(shù)據(jù)庫如中國知網(wǎng)、萬方數(shù)據(jù)庫、PubMed、Scopes中收錄的文獻并未被納入研究,這可能會導致在該領域某些最新的研究成果被忽視。2)在數(shù)據(jù)收集時,檢索時限為2012年1月1日—2023年3月8日,但由于數(shù)據(jù)庫的更新,可能會導致某些最新的研究成果被忽視。3)研究將語言限制為英文,這在一定程度上也會影響數(shù)據(jù)分析的全面性,建議在將來的研究中納入其他語言的研究,以獲得更加全面的研究結果。

4 小結

近年來學者們對急診信息化建設的關注度持續(xù)提升,其研究熱點主要是AI輔助診療、利用信息系統(tǒng)輔助急診流行病學調查及急診信息化管理。未來應不斷拓展急診信息化建設研究面、培養(yǎng)信息化醫(yī)療復合型人才、加強與急診信息化建設相關的安全性研究、完善急診信息化基礎建設、加速建立標準化服務及語言體系、解決AI輔助診療及5G救護車等技術在實際應用中面臨的具體問題,以保障急診信息化建設的有效落實,為病人提供更加優(yōu)質、便捷的急診智慧醫(yī)療服務。