基于CiteSpace的門診大數(shù)據(jù)研究趨勢及熱點可視化分析

摘要：目的" 基于CiteSpace軟件對門診大數(shù)據(jù)研究的相關(guān)文獻進行可視化分析，分析該領(lǐng)域的研究熱點和趨勢，為今后研究工作開展提供借鑒。方法" 在中國知網(wǎng)數(shù)據(jù)庫（CNKI）中，以“大數(shù)據(jù)”O(jiān)R“big data”AND“門診”為主題詞，檢索從2013年1月-2023年6月的文獻。運用CiteSpace對文獻的發(fā)表時間、作者、機構(gòu)、期刊、關(guān)鍵詞進行可視化分析。結(jié)果" ①共納入224篇文獻，每年發(fā)文量呈穩(wěn)步上升趨勢，2018和2020年達到最高；②研究主要在信息和管理類的期刊發(fā)表；③作者合作網(wǎng)絡(luò)分析顯示，黃紹中、陳純、黃宇飛、謝小平、張勇發(fā)文量較多，陳純、張勇、謝小平、黃紹中已經(jīng)形成了穩(wěn)定的研究團隊；④研究機構(gòu)主要集中在大學(xué)及大學(xué)附屬醫(yī)療機構(gòu)，各團體間的合作并不明顯。發(fā)文量較多的前5所機構(gòu)分別為上海交通大學(xué)、電子科技大學(xué)、福建省醫(yī)療保險管理中心、華中科技大學(xué)、北京大學(xué)第三醫(yī)院；⑤關(guān)鍵詞聚類分析后，形成10個聚類群，分別為大數(shù)據(jù)、數(shù)據(jù)挖掘、智慧醫(yī)療、疫情防控、門診、醫(yī)院、醫(yī)療費用、機器學(xué)習(xí)、管理、電子病歷；⑥關(guān)鍵詞突現(xiàn)分析顯示，研究趨勢為數(shù)據(jù)挖掘、機器學(xué)習(xí)、傳染病防控、門診電子病歷和智慧門診。結(jié)論" 大數(shù)據(jù)已成為門診管理的研究熱點之一，作者、機構(gòu)之間的協(xié)作還需要加強，未來仍需擴展門診大數(shù)據(jù)應(yīng)用場景。

關(guān)鍵詞：大數(shù)據(jù)；門診管理；CiteSpace；可視化分析

中圖分類號：R197.3" " " " " " " " " " " " " " " " "文獻標識碼：A" " " " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2024.14.008

文章編號：1006-1959（2024）14-0043-06

Research Trend and Hot Spot Visualization Analysis of Outpatient Big Data Based on CiteSpace

XU Jing-juan，ZHU Feng，LIU Hua-lian

（Outpatient Department of Changzhou First People’s Hospital，Changzhou 213003，Jiangsu，China）

Abstract：Objective" To visually analyze the related literature of outpatient big data research based on CiteSpace， analyze the research hotspots and trends in this field， and provide reference for future research work.Methods" The literature from January 2013 to June 2023 were retrieved from CNKI database with the keywords of ‘big data’ AND ‘outpatient’. CiteSpace was used to visualize and analyze the publication time， authors， institutions， journals， and keywords of the literature.Results" ①A total of 224 literature were included， and the number of articles published per year showed a steady upward trend， reaching the highest in 2018 and 2020. ②The research literature were mainly published in the journals of information and management. ③The analysis of authors' collaborative network showed that HUANG Shao-zhong， CHEN Chun， HUANG Yu-fei， XIE Xiao-ping， and ZHANG Yong had more publications， and that CHEN Chun， ZHANG Yong， XIE Xiao-ping， and HUANG Shao-zhong had formed a stable research team. ④The research institutions were mainly concentrated in the universities and university-affiliated medical institutions， and cooperation among groups was not obvious. The top five institutions with the largest number of publications were Shanghai Jiao Tong University， University of Electronic Science and Technology of China， Fujian Medical Insurance Management Center， Huazhong University of Science and Technology， and Peking University Third Hospital. ⑤According to keyword clustering analysis， 10 clusters were formed， which were big data， data mining， intelligent medical healthcare， epidemic prevention and control， outpatient， hospital， medical cost， machine learning， management， and electronic medical records. ⑥According to keyword emergence analysis， the research trends were data mining， machine learning， infectious disease prevention and control， outpatient electronic medical records and intelligent outpatient service.Conclusion" Big data has become one of the research hotspots in outpatient service management， and the collaboration between authors and institutes needs to be strengthened. In the future， it is still necessary to expand the application scenarios of outpatient big data.

Key words：Big data;Outpatient management;CiteSpace;Visualization analysis

門診是大多數(shù)患者及家屬進入醫(yī)院的第一站，門診人員密集度高、流動性大，且存在多重工作人員、職能、流程、環(huán)節(jié)和場所的交錯，門診服務(wù)質(zhì)量直接反映了醫(yī)院的管理水平和技術(shù)實力，進而影響到患者及家屬就診的體驗感和滿意度[1]。門診信息系統(tǒng)，包括醫(yī)院信息系統(tǒng)（hospital information system， HIS）、醫(yī)學(xué)影像存檔與通訊系統(tǒng)（picture archiving and communication systems， PACS）、實驗室信息管理系統(tǒng)（laboratory information management system， LIS）、電子病歷（electronic medical record， EMR）和收費系統(tǒng)，儲存著大量的數(shù)據(jù)信息[2]。對這些門診大數(shù)據(jù)進行智能挖掘和分析，發(fā)掘大數(shù)據(jù)中蘊含的知識與規(guī)律，可為管理者的決策提供有效支撐[3]。CiteSpace軟件是應(yīng)用于文獻計量學(xué)研究的重要工具之一，是在科學(xué)計量學(xué)、數(shù)據(jù)和信息可視化背景下發(fā)展起來的一款引文分析軟件，通過可視化的手段來呈現(xiàn)文獻的知識結(jié)構(gòu)、規(guī)律和分布情況[4]。本研究基于CiteSpace軟件，分析近10年內(nèi)關(guān)于大數(shù)據(jù)在門診管理應(yīng)用研究的相關(guān)文獻，分析門診大數(shù)據(jù)研究現(xiàn)狀、研究熱點和研究趨勢，為門診大數(shù)據(jù)的深入研究提供依據(jù)。

1資料與方法

1.1數(shù)據(jù)來源" 數(shù)據(jù)來源于中國知網(wǎng)（CNKI）。檢索方式為高級檢索中的“主題”檢索；檢索策略：“大數(shù)據(jù)”O(jiān)R“big data”AND“門診”；時間：2013年1月1日-2023年6月30日。納入標準：與門診大數(shù)據(jù)相關(guān)的期刊論文、學(xué)位論文。排除標準：新聞報道、征稿啟示、會議論文、科普宣傳、重復(fù)發(fā)表及與主題不相關(guān)的文獻。2名課題組成員分別進行文獻檢索，閱讀文題、摘要及全文進行文獻篩選，意見不一致時與第3名研究者共同討論決定。

1.2數(shù)據(jù)轉(zhuǎn)換" 將CNKI中所納入文獻，選擇Refworks形式導(dǎo)入相應(yīng)文件夾，并以download_XXX形式命名，文獻的信息包括發(fā)表年份、作者、機構(gòu)、期刊、題名、摘要、關(guān)鍵詞等。

1.3軟件參數(shù)設(shè)置" 使用的軟件版本為CiteSpace 6.2.R2，生成相應(yīng)的可視化圖譜。CiteSpace分析的參數(shù)設(shè)置：時間跨度（time slicing）選擇2013-2023年，時間切片為每1年；術(shù)語來源（Term Source）為Title、Abstract、Author、Keywords和Keywords Plus；節(jié)點類型（Node Types）分別為Author、Institution、Keyword；聯(lián)結(jié)強度（Links Strength）為Cosine；閾值為Top 50；裁剪方式（Pruning）為Pathfinder、Pruning sliced works和Pruning the merged network；可視化（Visualization）為Cluster View-Static和Show Merged Network。用Excel 2018進行頻數(shù)計算。

2結(jié)果

2.1發(fā)文量的時間分布" 共搜索出文獻280篇，根據(jù)納入及排除標準，閱讀題目及摘要刪除45篇（研究主題不符27篇、研究類型不符18篇），閱讀全文排除文獻11篇（研究主題不符），共排除56篇。從年度發(fā)文量看，2013-2023年發(fā)文量呈逐漸上升趨勢，發(fā)文量回歸方程為Y=2.1909X-4400.9。2013-2016年間發(fā)文量較少，每年不超過15篇。2017-2018年發(fā)文量大幅增長，2018-2022年發(fā)文量保持平穩(wěn)，每年在20篇左右，2023年僅納入了6個月的文獻，發(fā)文量較少，見圖1。

2.2期刊發(fā)文量分析" 發(fā)文量前10名期刊共發(fā)表門診大數(shù)據(jù)應(yīng)用相關(guān)文獻59篇，其中《中國數(shù)字醫(yī)學(xué)》發(fā)文量最多（11篇），見表1。

2.3作者合作網(wǎng)絡(luò)分析" 作者合作網(wǎng)絡(luò)分析得到706個節(jié)點，1496根連線，網(wǎng)絡(luò)密度為0.006。合作網(wǎng)絡(luò)顯示，黃紹中、陳純、黃宇飛、謝小平、張勇發(fā)文量較多，陳純、張勇、謝小平、黃紹中已經(jīng)形成了穩(wěn)定的研究團隊，其他大部分作者分布分散，發(fā)文量較少，見圖2。

2.4機構(gòu)合作網(wǎng)絡(luò)分析" 機構(gòu)合作網(wǎng)絡(luò)分析得到347個節(jié)點，354根連線，網(wǎng)絡(luò)密度為0.0059。合作網(wǎng)絡(luò)顯示，眾多機構(gòu)對門診大數(shù)據(jù)的應(yīng)用進行了深入研究，主要集中在大學(xué)及大學(xué)附屬醫(yī)療機構(gòu)，各團體間的合作并不明顯。發(fā)文量較多的前5所機構(gòu)機構(gòu)分別為上海交通大學(xué)（9篇）、電子科技大學(xué)（4篇）、福建省醫(yī)療保險管理中心（3篇）、華中科技大學(xué)（3篇）、北京大學(xué)第三醫(yī)院（3篇），見圖3。

2.5關(guān)鍵詞分析

2.5.1關(guān)鍵詞共現(xiàn)分析" 關(guān)鍵詞進行共現(xiàn)分析得到417個節(jié)點，680根連線，網(wǎng)絡(luò)密度為0.0078。關(guān)鍵詞研究熱點主要集中在大數(shù)據(jù)、門診、數(shù)據(jù)挖掘、醫(yī)院、醫(yī)療費用、疫情防控、機器學(xué)習(xí)、分級診療、智慧醫(yī)療、醫(yī)院管理、信息化，見圖4、表2。

2.5.2關(guān)鍵詞聚類分析" 對關(guān)鍵詞進行聚類分析得到關(guān)鍵詞聚類圖，共形成一致性較高的10個聚類，分別為大數(shù)據(jù)、數(shù)據(jù)挖掘、智慧醫(yī)療、疫情防控、門診、醫(yī)院、醫(yī)療費用、機器學(xué)習(xí)、管理、電子病歷，見圖5。

2.5.3關(guān)鍵詞突現(xiàn)分析" 關(guān)鍵詞突現(xiàn)表現(xiàn)為在短時間內(nèi)出現(xiàn)頻率的明顯增加，可代表該領(lǐng)域的研究趨勢[5]。本研究的突現(xiàn)關(guān)鍵詞共15個，按突現(xiàn)強度由高到低排列，依次為醫(yī)院、分級診療、疫情防控、數(shù)據(jù)挖掘、機器學(xué)習(xí)、傳染病、人工智能、醫(yī)療數(shù)據(jù)、區(qū)域醫(yī)療、數(shù)據(jù)分析、管理、預(yù)約診療、智慧門診、電子病歷和信息化，見圖6。

3討論

3.1門診大數(shù)據(jù)已成為門診管理的研究方向之一" 本研究結(jié)果顯示，2013-2023年門診大數(shù)據(jù)相關(guān)研究的文獻數(shù)量逐年提升，2018和2020年呈現(xiàn)峰值。信息和管理類的期刊對門診大數(shù)據(jù)研究有持續(xù)的關(guān)注。作者和研究機構(gòu)共現(xiàn)網(wǎng)絡(luò)分析顯示，陳純、張勇、謝小平、黃紹中的研究團隊較穩(wěn)定，其他不同作者及研究機構(gòu)之間聯(lián)系不緊密，未形成明顯的合作網(wǎng)絡(luò)，表明本領(lǐng)域內(nèi)合作需進一步加強。

3.2門診大數(shù)據(jù)的應(yīng)用

3.2.1門診信息共享" 收集門診的數(shù)據(jù)信息，建立疾病、?？茩z查、臨床術(shù)語、診斷和知識數(shù)據(jù)庫及質(zhì)量管理系統(tǒng)可以實現(xiàn)大數(shù)據(jù)框架下的同質(zhì)化疾病管理[6，7]。通過門診大數(shù)據(jù)，可建立門診診療信息共享平臺，實現(xiàn)HIS、LIS、PACS、EMR等信息數(shù)據(jù)的共享[8]，也有助于醫(yī)院和基層醫(yī)療機構(gòu)之間的分級診療工作的實施[9]。

3.2.2門診流程優(yōu)化" 基于門診就診各個環(huán)節(jié)的大數(shù)據(jù)分析，如號源數(shù)量、門診人流量、等候時間、醫(yī)療人力數(shù)量等，實現(xiàn)門診醫(yī)療資源的合理分配，改進門診服務(wù)流程，可提高門診服務(wù)水平，改善門診患者就醫(yī)體驗[2，10，11]。

3.2.3疫情防控管理" 傳染病的疫情防控是醫(yī)院的感染管理和公共衛(wèi)生的重要工作內(nèi)容，建立基于大數(shù)據(jù)的傳染病信息化監(jiān)測預(yù)警和多點觸發(fā)機制，有助于提高傳染病的流調(diào)效率，傳染病的早發(fā)現(xiàn)、早診斷、控制疾病傳播[12，13]。

3.2.4疾病風險預(yù)警" 疾病風險預(yù)測模型與門診健康大數(shù)據(jù)管理平臺相結(jié)合，利用機器學(xué)習(xí)、數(shù)據(jù)挖掘、深度學(xué)習(xí)等數(shù)據(jù)處理方式[14-16]，建立疾病預(yù)警機制，對門診患者的個人健康狀況進行評估與風險預(yù)測[17-19]。

3.2.5門診費用監(jiān)控" 通過數(shù)據(jù)倉庫導(dǎo)出門診費用相關(guān)數(shù)據(jù)，可以分析門診費用情況及其影響因素，針對性采用控費[20，21]。采用異常數(shù)據(jù)挖掘技術(shù)，對門診收費異常點進行排查，建立預(yù)警機制，可為門診醫(yī)生用藥、檢查和治療提供參考，也可減少財務(wù)異常費用結(jié)算發(fā)生[22]。

3.3門診大數(shù)據(jù)的研究趨勢" 根據(jù)文獻關(guān)鍵詞聚類和突現(xiàn)的綜合分析，今后門診大數(shù)據(jù)的研究趨勢集中在數(shù)據(jù)挖掘、機器學(xué)習(xí)、傳染病防控、門診電子病歷和智慧門診，門診管理者可進一步在這些方面拓展門診大數(shù)據(jù)的應(yīng)用場景。

綜上所述，門診大數(shù)據(jù)的研究熱度呈逐年上升的趨勢，不同研究者和研究機構(gòu)之間的協(xié)作性和關(guān)聯(lián)度還需要進一步加強。門診大數(shù)據(jù)在門診信息共享、門診流程優(yōu)化、疫情防控、疾病風險預(yù)警、門診費用監(jiān)控等門診管理環(huán)節(jié)中發(fā)揮了積極的作用。未來，門診管理者仍需進一步拓展門診大數(shù)據(jù)的應(yīng)用場景，從而提高門診管理效率和服務(wù)質(zhì)量，改善門診患者就醫(yī)體驗。

參考文獻：

[1]王平.《醫(yī)療機構(gòu)門診質(zhì)量管理暫行規(guī)定》意義解讀[J].中國衛(wèi)生質(zhì)量管理，2023，30（2）：20-23.

[2]劉剛，李娟.基于大數(shù)據(jù)分析的門診就診影響因素及診療流程動態(tài)優(yōu)化研究[J].成都醫(yī)學(xué)院學(xué)報，2022，17（1）：110-113.

[3]吳珺，鄭欣麗，朱嘉輝，等.基于PCA-GRA-BK算法的醫(yī)療大數(shù)據(jù)分析[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2023，57（3）：364-372.

[4]陳超美，陳悅，侯劍華，等.CiteSpace Ⅱ：科學(xué)文獻中新趨勢與新動態(tài)的識別與可視化[J].情報學(xué)報，2009，28（3）：401-421.

[5]陶紫晶，陳格格，崔玉容，等.基于VOSviewer和CiteSpace可視化分析“腦-腸軸”理論的研究熱點與前沿[J].世界中西醫(yī)結(jié)合雜志，2023，18（5）：876-886.

[6]劉璀.眼科結(jié)構(gòu)化門診電子病歷大數(shù)據(jù)管理與臨床應(yīng)用[D].汕頭：汕頭大學(xué)，2021.

[7]陳柯羽，唐武軍，于潔.信息化在中醫(yī)醫(yī)院門診病歷質(zhì)量控制中的應(yīng)用及SWOT分析[J].中國醫(yī)藥導(dǎo)報，2021，18（4）：155-158.

[8]張彥彬.基于超融合架構(gòu)的電子病歷信息共享平臺研究[D].北京：北京交通大學(xué)，2021.

[9]周利宏.以門診電子病歷為入口的分級診療建設(shè)[J].解放軍醫(yī)院管理雜志，2018，25（7）：685-687.

[10]王其軍，李揚，單清，等.大數(shù)據(jù)下的?？茖＜议T診供需精細化管理研究[J].江蘇衛(wèi)生事業(yè)管理，2021，32（7）：907-910.

[11]黃昊，趙平，羅賢斌，等.信息化提升門診服務(wù)能力[J].中國數(shù)字醫(yī)學(xué)，2016，11（10）：26-28.

[12]陳媛，丘美嬌，陳寶，等.綜合醫(yī)院發(fā)熱門診信息化建設(shè)對傳染病監(jiān)測預(yù)警及登記報告的影響[J].海南醫(yī)學(xué)，2021，32（17）：2293-2297.

[13]周莉莉，余洋.基于大數(shù)據(jù)平臺的院內(nèi)傳染病流調(diào)系統(tǒng)設(shè)計與實現(xiàn)[J].中國數(shù)字醫(yī)學(xué)，2023，18（4）：68-72.

[14]王能才，王玉珍，張海英，等.基于人工智能的醫(yī)療大數(shù)據(jù)中心設(shè)計與構(gòu)建[J].中國醫(yī)學(xué)裝備，2022，19（2）：1-5.

[15]崔曉旭.基于數(shù)據(jù)挖掘的疾病預(yù)測組合模型研究[D].北京：北京交通大學(xué)，2019.

[16]安瑩，黃能軍，楊榮，等.基于深度學(xué)習(xí)的心血管疾病風險預(yù)測模型[J].中國醫(yī)學(xué)物理學(xué)雜志，2019，36（9）：1103-1112.

[17]張習(xí)梅，楊露，南原.疾病預(yù)警在健康大數(shù)據(jù)管理平臺中的應(yīng)用[J].醫(yī)學(xué)信息學(xué)雜志，2021，42（2）：49-52，65.

[18]相靜，王玖，胡西厚.健康醫(yī)療大數(shù)據(jù)驅(qū)動下的疾病風險評估與預(yù)測方法探析[J].中國衛(wèi)生信息管理雜志，2018，15（3）：329-333.

[19]郭佳凱.基于數(shù)據(jù)倉庫的電子病歷大數(shù)據(jù)分析[D].沈陽：中國醫(yī)科大學(xué)，2022.

[20]陳純，張勇，黃紹中，等.2005-2014年福建省直單位參保人群中心腦血管疾病患者門診就診機構(gòu)及費用分布的概況及分析[J].中國全科醫(yī)學(xué)，2017，20（24）：3008-3014.

[21]程小恩，溫川飆，許強，等.基于大數(shù)據(jù)分析的中醫(yī)門診醫(yī)療診費點陣模型構(gòu)建[J].貴州中醫(yī)藥大學(xué)學(xué)報，2020，42（4）：93-98.

[22]李會敏，王亞林，李濤.基于醫(yī)療信息化的醫(yī)院門診轉(zhuǎn)賬結(jié)算風險控制方法研究[J].自動化與儀器儀表，2020（5）：146-149.

收稿日期：2023-08-24；修回日期：2023-09-04

編輯/杜帆