1987年，美國(guó)國(guó)立衛(wèi)生研究院首次將醫(yī)學(xué)信息學(xué)定義為將計(jì)算機(jī)運(yùn)用到健康保健和醫(yī)學(xué)不同領(lǐng)域，對(duì)醫(yī)療數(shù)據(jù)進(jìn)行分析和傳播的信息科學(xué)[1]。由此可知醫(yī)學(xué)信息學(xué)是與醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、圖書(shū)情報(bào)學(xué)等多學(xué)科交叉的一門(mén)科學(xué)。

我國(guó)醫(yī)學(xué)信息學(xué)科在醫(yī)學(xué)圖書(shū)情報(bào)學(xué)的基礎(chǔ)上，伴隨著我國(guó)醫(yī)藥衛(wèi)生事業(yè)信息化的發(fā)展而逐漸興起，在過(guò)去的30年中得到了快速發(fā)展，學(xué)科內(nèi)涵日益豐富，研究領(lǐng)域也不斷擴(kuò)展[2-4]。

為有效及時(shí)地把握醫(yī)學(xué)信息學(xué)科的發(fā)展?fàn)顩r和研究熱點(diǎn)，國(guó)內(nèi)學(xué)者采用科學(xué)計(jì)量學(xué)的方法開(kāi)展了相應(yīng)的研究。

2015年，魏麗、張?jiān)魄锏壤肂ICOMB、VOSviewer、SPSS等分析軟件,以Pub Med數(shù)據(jù)庫(kù)中醫(yī)學(xué)信息學(xué)領(lǐng)域核心期刊2010-2014年的科技文獻(xiàn)為數(shù)據(jù)來(lái)源,繪制共現(xiàn)網(wǎng)絡(luò)圖、熱點(diǎn)密度圖和聚類樹(shù)圖,探測(cè)國(guó)外醫(yī)學(xué)信息學(xué)領(lǐng)域研究前沿,研究顯示國(guó)外醫(yī)學(xué)信息學(xué)領(lǐng)域的研究前沿主要包括電子健康檔案的自然語(yǔ)言處理和數(shù)據(jù)挖掘,醫(yī)療決策幫助系統(tǒng),計(jì)算機(jī)輔助的藥物治療,臨床決策支持,醫(yī)療保健的態(tài)度、質(zhì)量和模式,病案系統(tǒng)及其聯(lián)動(dòng),信息系統(tǒng)及其整合等[5]。

2011年，徐丹等使用知識(shí)圖譜工具HistCite和Pajek軟件，探索該領(lǐng)域的研究熱點(diǎn)并繪制學(xué)科發(fā)展的主要路徑[6]。2014年，袁曉園等通過(guò)共詞分析的方法對(duì)關(guān)鍵詞進(jìn)行聚類分析，歸納出醫(yī)學(xué)信息學(xué)研究的六大主題[7]。

然而，目前的研究大多是對(duì)國(guó)內(nèi)或國(guó)外醫(yī)學(xué)信息學(xué)研究熱點(diǎn)的計(jì)量分析，而二者的對(duì)比研究則相對(duì)較少，同時(shí)存在時(shí)間維度不統(tǒng)一、數(shù)據(jù)來(lái)源差異等問(wèn)題[8-11]。

本文選擇醫(yī)學(xué)信息學(xué)研究體系較為完善的美國(guó)作為主要研究對(duì)象，采用科學(xué)計(jì)量學(xué)中的共詞分析法，對(duì)中、美兩國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域研究的現(xiàn)狀和熱點(diǎn)進(jìn)行了分析，明確兩國(guó)在醫(yī)學(xué)信息學(xué)領(lǐng)域研究的差異，旨在為我國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域的研究提供借鑒和參考。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源

以Web of Science(WOS)核心合集為數(shù)據(jù)源，于2015年3月1日進(jìn)行檢索，收集中國(guó)及美國(guó)發(fā)表的研究方向?yàn)獒t(yī)學(xué)信息學(xué)的學(xué)術(shù)文獻(xiàn)，檢索式分別為：((SU=MEDICAL INFORMATICS) AND CU=(PEOPLES R CHINA OR TAIWAN OR HONG KONG OR MACAU))和((SU=MEDICAL INFORMATICS) AND CU=USA)，時(shí)間跨度為2005-2014年，文獻(xiàn)類型限定為Article或Letter或Note或Review。

通過(guò)檢索最終得到醫(yī)學(xué)信息學(xué)領(lǐng)域中國(guó)發(fā)表了相關(guān)文獻(xiàn)1 433篇，美國(guó)發(fā)表文獻(xiàn)7 780篇，分別將數(shù)據(jù)導(dǎo)出為T(mén)XT格式文件。

1.2 方法

本文采用共詞分析法對(duì)中、美兩國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域發(fā)文的知識(shí)結(jié)構(gòu)和研究熱點(diǎn)進(jìn)行分類和梳理。目前，大多數(shù)知識(shí)圖譜工具不支持文獻(xiàn)數(shù)據(jù)清洗[12]，而且聚類效果不盡如人意。因此本文使用TDA軟件對(duì)關(guān)鍵詞數(shù)據(jù)進(jìn)行清理，并生成共詞矩陣和相異矩陣，使用專業(yè)統(tǒng)計(jì)軟件SPSS 20.0對(duì)關(guān)鍵詞矩陣進(jìn)行聚類分析，通過(guò)Ucinet軟件和NetDraw軟件對(duì)關(guān)鍵詞的分布進(jìn)行可視化分析，從而歸納出兩國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域的主要研究熱點(diǎn)，并進(jìn)行對(duì)比分析。

2 結(jié)果與分析

2.1 中國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域發(fā)文分析

2.1.1 關(guān)鍵詞詞頻統(tǒng)計(jì)

對(duì)中國(guó)發(fā)表的1 433篇文獻(xiàn)進(jìn)行統(tǒng)計(jì)，共得到4 611個(gè)關(guān)鍵詞。使用TDA軟件的List Cleanup功能對(duì)上述4 611個(gè)關(guān)鍵詞進(jìn)行自動(dòng)清理，將一些同根詞、同義詞、近義詞、單復(fù)數(shù)形式或復(fù)合形式進(jìn)行合并，如Support vector machine和Support vector machines。

另外，由于軟件存在無(wú)法自動(dòng)識(shí)別英文縮寫(xiě)和全拼、部分同義詞未能合并、非同義詞合并等問(wèn)題，因而需要人工對(duì)其進(jìn)行篩選和處理；同時(shí)結(jié)合醫(yī)學(xué)信息學(xué)的主題，刪除沒(méi)有實(shí)質(zhì)意義或關(guān)聯(lián)的詞匯，如評(píng)價(jià)、技術(shù)等，并刪除一些地域性詞匯。

經(jīng)過(guò)處理后共得到關(guān)鍵詞4 358個(gè)，關(guān)鍵詞最高頻次為41次。選擇詞頻≥9次的48個(gè)關(guān)鍵詞(詞頻共717次)作為聚類分析的基礎(chǔ)，詳見(jiàn)表1。

由表1可知，中國(guó)醫(yī)學(xué)信息學(xué)的研究主要集中在支持向量機(jī)、電子病歷、射頻識(shí)別技術(shù)、認(rèn)證、遠(yuǎn)程醫(yī)療信息系統(tǒng)、特征選擇、安全、電子健康檔案、智能卡、數(shù)據(jù)挖掘等方面，是關(guān)于數(shù)學(xué)、統(tǒng)計(jì)和計(jì)算機(jī)方法在醫(yī)院管理、臨床管理、護(hù)理管理等方面的應(yīng)用。

2.1.2 關(guān)鍵詞聚類分析

使用TDA軟件生成關(guān)鍵詞共詞矩陣(表2)，并使用Ochiia系數(shù)將共詞矩陣轉(zhuǎn)化為相似矩陣，將相似矩陣導(dǎo)出到EXCEL中。

由于相似矩陣中的0值過(guò)多，統(tǒng)計(jì)時(shí)容易造成誤差，因而用1和全部相似矩陣數(shù)據(jù)相減，得到關(guān)鍵詞的相異矩陣，見(jiàn)表3。

表1 中國(guó)發(fā)文關(guān)鍵詞統(tǒng)計(jì)(詞頻≥9)

注：36號(hào)關(guān)鍵詞“PACS”意為“醫(yī)學(xué)影像存檔與通信系統(tǒng)”

表2 中國(guó)發(fā)文關(guān)鍵詞共詞矩陣(部分)

表3 中國(guó)發(fā)文關(guān)鍵詞相異矩陣(部分)

將關(guān)鍵詞相異矩陣導(dǎo)入到SPSS 20.0中，采用系統(tǒng)聚類、離差平方和法對(duì)關(guān)鍵詞進(jìn)行聚類，得到聚類樹(shù)狀圖(圖1)。值得注意的是，SPSS的系統(tǒng)聚類模塊已經(jīng)嵌入了相似度算法，若不對(duì)其進(jìn)行阻止，則會(huì)在上述相似矩陣的基礎(chǔ)上再進(jìn)行一次相似度計(jì)算，造成對(duì)相似度的高估和扭曲。因而需要在Syntax編輯窗口對(duì)Syntax進(jìn)行編輯，阻止聚類模塊在聚類之前重復(fù)計(jì)算相似度[13]。

圖1 中國(guó)醫(yī)學(xué)信息學(xué)研究熱點(diǎn)聚類樹(shù)狀圖

在關(guān)鍵詞相似矩陣的基礎(chǔ)上，通過(guò)Ucinet軟件進(jìn)行關(guān)鍵詞網(wǎng)絡(luò)分析，同時(shí)使用NetDraw軟件對(duì)關(guān)鍵詞的分布進(jìn)行可視化分析，如圖2所示。根據(jù)聚類樹(shù)狀圖和關(guān)鍵詞分布圖并研讀相關(guān)文獻(xiàn)，將相關(guān)研究聚為五類。

第一類：遠(yuǎn)程醫(yī)療、電子健康檔案和電子病歷的安全管理(關(guān)鍵詞4、5、9、21、2、8、24、3、29、7、27、43)。加強(qiáng)數(shù)字醫(yī)學(xué)信息的安全建設(shè)有助于改善病人的醫(yī)療安全和信息安全，涉及的技術(shù)和方法主要有智能卡技術(shù)、射頻識(shí)別技術(shù)(RFID)、用戶認(rèn)證和訪問(wèn)控制等。研究?jī)?nèi)容包括基于混沌映射的用戶認(rèn)證方案[14]、基于射頻識(shí)別技術(shù)的處方防篡改訪問(wèn)控制系統(tǒng)設(shè)計(jì)[15]、基于智能卡的用戶隱私保護(hù)系統(tǒng)研究[16]和中、美電子健康檔案建設(shè)標(biāo)準(zhǔn)對(duì)比研究[17]等。

第二類：計(jì)算機(jī)自然語(yǔ)言處理和文本挖掘在中國(guó)傳統(tǒng)醫(yī)學(xué)中的應(yīng)用(關(guān)鍵詞17、19、23)。中國(guó)傳統(tǒng)醫(yī)學(xué)歷史悠久，蘊(yùn)含的資源極為豐富。計(jì)算機(jī)人工智能技術(shù)和數(shù)據(jù)挖掘技術(shù)的逐步興起為研究中國(guó)傳統(tǒng)醫(yī)學(xué)提供了新的思路，是我國(guó)醫(yī)學(xué)信息學(xué)研究的重要特色。研究?jī)?nèi)容包括數(shù)據(jù)處理與分析在中國(guó)傳統(tǒng)醫(yī)學(xué)中的應(yīng)用[18]、研發(fā)中國(guó)傳統(tǒng)醫(yī)學(xué)臨床數(shù)據(jù)倉(cāng)庫(kù)促進(jìn)知識(shí)發(fā)現(xiàn)和決策支持[19]、中國(guó)傳統(tǒng)醫(yī)學(xué)護(hù)理記錄的挖掘技術(shù)研究[20]、二階潛變量模型在中國(guó)傳統(tǒng)醫(yī)學(xué)癥狀評(píng)估中的應(yīng)用[21]等。

第三類：計(jì)算機(jī)技術(shù)在醫(yī)院管理、臨床管理及輔助診療方面的應(yīng)用，以及遠(yuǎn)程醫(yī)療(關(guān)鍵詞40、47、13、20、38、31、32、26、36、48、35、18、39、11)。醫(yī)院信息化管理一直是我國(guó)醫(yī)學(xué)信息學(xué)的研究重點(diǎn)，研究?jī)?nèi)容包括云計(jì)算在十二導(dǎo)聯(lián)心電圖遠(yuǎn)程醫(yī)療服務(wù)中的應(yīng)用[22]、多維度心音數(shù)據(jù)庫(kù)的研發(fā)[23]、護(hù)理信息學(xué)在中國(guó)及臺(tái)灣臨床實(shí)踐中的應(yīng)用[24-25]、醫(yī)學(xué)影像中模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展[26]等。

第四類：數(shù)學(xué)方法和計(jì)算機(jī)技術(shù)在臨床診療及生物工程方面的應(yīng)用(關(guān)鍵詞42、46、44、45、28、37、15、41)。研究?jī)?nèi)容包括人工神經(jīng)網(wǎng)絡(luò)在微陣列圖像分割與心血管疾病危險(xiǎn)分級(jí)方面的應(yīng)用[27-28]、基于云環(huán)境的醫(yī)療數(shù)據(jù)交換協(xié)議[29]、有限元建模用于重建病人下頜[30]等。

第五類：統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)在臨床診療中的應(yīng)用(關(guān)鍵詞1、6、22、25、12、34、33、14、16、10、30)。涉及的統(tǒng)計(jì)及機(jī)器學(xué)習(xí)方法主要有遺傳算法、粒子群優(yōu)化和logistic回歸等。研究?jī)?nèi)容包括基于支持向量機(jī)的群智能乳腺癌診斷系統(tǒng)研究[31]、對(duì)小數(shù)據(jù)集進(jìn)行數(shù)據(jù)轉(zhuǎn)換以提高特征抽取的分類性能[32]、基于遺傳模糊系統(tǒng)的不定型性心絞痛風(fēng)險(xiǎn)評(píng)估[33]、體檢系統(tǒng)與臨床決策支持系統(tǒng)的集成研究[34]等。

圖2 中國(guó)醫(yī)學(xué)信息學(xué)關(guān)鍵詞分布圖

2.2 美國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域發(fā)文分析

2.2.1 關(guān)鍵詞詞頻統(tǒng)計(jì)

對(duì)美國(guó)發(fā)表的7 780篇文獻(xiàn)進(jìn)行統(tǒng)計(jì)，共得到15 280個(gè)關(guān)鍵詞。使用TDA軟件清理后，共得到關(guān)鍵詞13 878個(gè)。選擇詞頻≥40次的48個(gè)關(guān)鍵詞(詞頻共3 254次)作為下一步聚類分析的基礎(chǔ)，見(jiàn)表4。

表4 美國(guó)發(fā)文關(guān)鍵詞統(tǒng)計(jì)(詞頻≥40)

注：16號(hào)關(guān)鍵詞“MCMC”意為“馬爾科夫蒙特卡洛方法”

由表4可知，美國(guó)醫(yī)學(xué)信息學(xué)的研究主要集中在電子健康檔案、互聯(lián)網(wǎng)、自然語(yǔ)言處理、醫(yī)學(xué)信息學(xué)理論、臨床試驗(yàn)、臨床決策支持系統(tǒng)、電子病歷等方面，還包括數(shù)學(xué)、統(tǒng)計(jì)和計(jì)算機(jī)方法的應(yīng)用，以及移動(dòng)醫(yī)療、遠(yuǎn)程醫(yī)療、互聯(lián)網(wǎng)健康信息共享等方面。

2.2.2 關(guān)鍵詞聚類分析

經(jīng)處理，依次得到關(guān)鍵詞的共詞矩陣(表5)、相異矩陣(表6)、關(guān)鍵詞分布圖(圖3)、聚類樹(shù)狀圖(圖4)。根據(jù)關(guān)鍵詞分布圖和聚類樹(shù)狀圖研讀相關(guān)文獻(xiàn)，將相關(guān)研究分為五類。

表5 美國(guó)發(fā)文關(guān)鍵詞共詞矩陣(部分)

表6 美國(guó)發(fā)文關(guān)鍵詞相異矩陣(部分)

圖3 美國(guó)醫(yī)學(xué)信息學(xué)研究熱點(diǎn)分布

圖4 美國(guó)醫(yī)學(xué)信息學(xué)研究熱點(diǎn)聚類樹(shù)狀圖

第一類：臨床試驗(yàn)過(guò)程中的數(shù)理統(tǒng)計(jì)理論與方法研究(關(guān)鍵詞24、28、11、29、10、45、12、34)。臨床試驗(yàn)的前期主要涉及試驗(yàn)樣本量選取及效能等研究熱點(diǎn)，后期主要是圍繞數(shù)據(jù)整理和數(shù)據(jù)分析的方法展開(kāi)研究。研究?jī)?nèi)容包括在盲法試驗(yàn)的進(jìn)行過(guò)程中通過(guò)隨機(jī)化區(qū)組設(shè)計(jì)的方法重新評(píng)估樣本數(shù)量和在不中斷試驗(yàn)的情況下提高試驗(yàn)效能[35]、縱向隨機(jī)臨床試驗(yàn)中數(shù)據(jù)填補(bǔ)的方法對(duì)比研究[36]、縱向數(shù)據(jù)的相關(guān)性分析在艾滋病和社會(huì)心理學(xué)研究中的應(yīng)用[37]、使用馬爾科夫模型和混合效應(yīng)模型評(píng)估健康狀態(tài)和成本的改變[38]等。

第二類：電子健康檔案的介紹、建設(shè)技術(shù)、方法及應(yīng)用研究(關(guān)鍵詞8、42、1、30)。電子健康檔案是對(duì)個(gè)人健康相關(guān)活動(dòng)的電子化記錄，包含醫(yī)療服務(wù)、保健服務(wù)、免疫接種、健康教育活動(dòng)等記錄，是衛(wèi)生信息技術(shù)中一直以來(lái)的研究熱點(diǎn)及重點(diǎn)。研究?jī)?nèi)容包括基于云技術(shù)的互操作電子健康檔案系統(tǒng)的構(gòu)建[39]、電子健康檔案在識(shí)別患者表型組中的應(yīng)用綜述[40]、電子健康檔案中醫(yī)療決策信息共享模型研究[41]、美國(guó)紐約衛(wèi)生信息技術(shù)和醫(yī)療信息交換發(fā)展現(xiàn)狀研究[42]。

第三類：數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能在臨床診療和決策支持方面的應(yīng)用，以及醫(yī)學(xué)信息學(xué)總論(關(guān)鍵詞23、33、19、48、6、32、40、3、18、7、17、4)。醫(yī)療數(shù)據(jù)的規(guī)模日趨擴(kuò)大，但利用效率卻相對(duì)低下，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能的發(fā)展必將發(fā)掘隱含在其中的巨大價(jià)值，提升醫(yī)療技術(shù)水平。研究?jī)?nèi)容包括對(duì)不平衡數(shù)據(jù)集進(jìn)行挖掘與改進(jìn)陣痛和分娩過(guò)程中藥物不良事件預(yù)測(cè)模型[43]、基于圖形概念排序的生物醫(yī)學(xué)文本索引研究[44]、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理在預(yù)測(cè)肥胖癥及其并發(fā)癥方面的應(yīng)用[45]、集成基因組學(xué)和表型知識(shí)的語(yǔ)義網(wǎng)在病因基因鑒別中的應(yīng)用[46]、醫(yī)學(xué)信息學(xué)過(guò)去10年的回顧及未來(lái)10年的展望[47]。

第四類：互聯(lián)網(wǎng)健康信息傳播、醫(yī)學(xué)信息學(xué)教育(關(guān)鍵詞27、46、2、36、43、21、47、31)。隨著IT技術(shù)的快速發(fā)展，人們獲取健康信息的來(lái)源不再局限于醫(yī)生，社交媒體、健康信息網(wǎng)站、論壇等在內(nèi)的互聯(lián)網(wǎng)健康信息傳播方式已經(jīng)受到人們?cè)絹?lái)越多的關(guān)注，也是目前醫(yī)學(xué)信息學(xué)領(lǐng)域的研究熱點(diǎn)。研究?jī)?nèi)容包括在線健康信息咨詢?cè)诎┌Y患者群體中的應(yīng)用[48]、社交媒體健康信息的內(nèi)容相關(guān)性模型研究[49]、俄勒岡衛(wèi)生科學(xué)大學(xué)的生物醫(yī)學(xué)信息學(xué)教育模式研究[50]、護(hù)理信息學(xué)在美國(guó)護(hù)理教育中的重要地位探析[51]等。

第五類：統(tǒng)計(jì)分析方法在臨床管理和臨床試驗(yàn)中的應(yīng)用，移動(dòng)醫(yī)療和遠(yuǎn)程醫(yī)療的發(fā)展，循證醫(yī)學(xué)研究(關(guān)鍵詞5、44、16、39、25、37、15、26、9、14、20、35、13、38、22、21)。涉及的統(tǒng)計(jì)分析方法主要有馬爾科夫蒙特卡洛方法(MCMC)、貝葉斯分析、成本效益分析、生存分析和meta分析等。研究?jī)?nèi)容包括貝葉斯方法在風(fēng)險(xiǎn)調(diào)整后醫(yī)療衛(wèi)生結(jié)果監(jiān)控中的應(yīng)用[52]、虛擬現(xiàn)實(shí)外科手術(shù)模擬器培訓(xùn)效果的meta分析[53]、四種青少年健康信息評(píng)估移動(dòng)設(shè)備的可用性比較[54]、遠(yuǎn)程病人監(jiān)護(hù)系統(tǒng)在充血性心力衰竭監(jiān)測(cè)中的應(yīng)用[55]、循證醫(yī)學(xué)與臨床決策之間的辯證關(guān)系研究[56]。

3 結(jié)論

從上述分析可知，中、美醫(yī)學(xué)信息學(xué)研究熱點(diǎn)之間既存在一致性也存在差異性。

3.1 一致性

計(jì)算機(jī)技術(shù)在醫(yī)院管理和臨床診療中的應(yīng)用是兩國(guó)學(xué)者共同關(guān)注的研究重點(diǎn)，包括醫(yī)院信息系統(tǒng)、電子病歷、電子健康檔案等，這與醫(yī)學(xué)信息學(xué)科的使命相吻合，同時(shí)計(jì)算機(jī)技術(shù)的應(yīng)用也為醫(yī)院工作效率的提高和醫(yī)療質(zhì)量的改善做出了極大的貢獻(xiàn)。另外，計(jì)算機(jī)技術(shù)與數(shù)學(xué)統(tǒng)計(jì)等方法交叉所產(chǎn)生的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能技術(shù)在臨床診療中所發(fā)揮的作用也與日俱增，主要體現(xiàn)在臨床決策支持、疾病預(yù)測(cè)與風(fēng)險(xiǎn)評(píng)估等方面。

3.2 差異性

一是美國(guó)醫(yī)學(xué)信息學(xué)科整體發(fā)展水平較高。近10年，美國(guó)醫(yī)學(xué)信息學(xué)領(lǐng)域在國(guó)際期刊上發(fā)文7 780篇，而中國(guó)僅為1 433篇。另外從研究熱點(diǎn)聚類的結(jié)果來(lái)看，美國(guó)醫(yī)學(xué)信息學(xué)研究范圍更加廣泛，研究方法和成果更加多樣化。

二是美國(guó)對(duì)醫(yī)學(xué)信息和數(shù)據(jù)的利用更為充分。中國(guó)醫(yī)院信息系統(tǒng)的重點(diǎn)在于處理醫(yī)院管理工作和臨床診療事宜，而美國(guó)醫(yī)院信息系統(tǒng)側(cè)重于對(duì)醫(yī)院信息和數(shù)據(jù)進(jìn)行深度挖掘，最終支持臨床決策。另外，從關(guān)鍵詞排序可以看出，臨床決策支持在美國(guó)發(fā)文的關(guān)鍵詞中排在第6位，而在中國(guó)發(fā)文的關(guān)鍵詞中排在第33位，說(shuō)明中國(guó)更加注重信息的采集和管理，美國(guó)注重信息的分析及利用。

三是美國(guó)醫(yī)學(xué)信息學(xué)教育體系更為完善。美國(guó)醫(yī)學(xué)信息學(xué)教育始于20世紀(jì)中葉，早在1972年美國(guó)國(guó)立醫(yī)學(xué)圖書(shū)館就開(kāi)始支持醫(yī)學(xué)信息學(xué)研究生培訓(xùn)計(jì)劃，如今不僅建立了規(guī)范的學(xué)位教育，而且有了專門(mén)的研究中心和學(xué)術(shù)機(jī)構(gòu)。中國(guó)于1983年才開(kāi)始開(kāi)設(shè)醫(yī)學(xué)信息學(xué)相關(guān)專業(yè)，目前僅有少數(shù)學(xué)校設(shè)立了碩士點(diǎn)，而博士和博士后教育幾乎空白。另外，本文中“教育”作為高頻關(guān)鍵詞在美國(guó)發(fā)文中有所體現(xiàn)，研究?jī)?nèi)容包括美國(guó)具有代表性的高校醫(yī)學(xué)信息學(xué)教育模式介紹以及護(hù)理信息學(xué)、生物信息學(xué)教育等，但在中國(guó)發(fā)文高頻關(guān)鍵詞中并未出現(xiàn)。

四是美國(guó)循證醫(yī)學(xué)研究水平及層次較高。1992年循證醫(yī)學(xué)在國(guó)際上逐漸興起，1996年我國(guó)開(kāi)始引進(jìn)循證醫(yī)學(xué)，它強(qiáng)調(diào)醫(yī)生對(duì)患者的診斷、治療應(yīng)基于當(dāng)前可得的最佳證據(jù)。循證醫(yī)學(xué)對(duì)衛(wèi)生事業(yè)各方面都有十分重要的意義，被譽(yù)為21世紀(jì)的臨床醫(yī)學(xué)[57]。作為醫(yī)學(xué)信息學(xué)的重要研究方向，循證醫(yī)學(xué)在美國(guó)發(fā)文關(guān)鍵詞中出現(xiàn)69次(排第14位)，而在中國(guó)發(fā)文高頻關(guān)鍵詞中并未出現(xiàn)，說(shuō)明循證醫(yī)學(xué)在我國(guó)仍處于發(fā)展階段初期，主要借鑒和使用國(guó)外的研究證據(jù)和方法，自主創(chuàng)新研究較少。

4 結(jié)語(yǔ)

本文采用共詞分析法對(duì)中、美近10年發(fā)表在國(guó)際期刊上的醫(yī)學(xué)信息學(xué)論文進(jìn)行分析，借助TDA、SPSS 20.0、Ucinet和NetDraw等工具對(duì)高頻關(guān)鍵詞進(jìn)行聚類和可視化分析。根據(jù)聚類樹(shù)狀圖和關(guān)鍵詞分布特征分別總結(jié)了中、美在醫(yī)學(xué)信息學(xué)領(lǐng)域的研究熱點(diǎn)及兩國(guó)在醫(yī)學(xué)信息學(xué)領(lǐng)域研究的一致性和差異性。

2010年出版的《中國(guó)圖書(shū)館分類法》第五版已將“醫(yī)學(xué)信息學(xué)”作為一個(gè)獨(dú)立的類目，可見(jiàn)中國(guó)醫(yī)學(xué)信息學(xué)發(fā)展迅速，正日趨成熟[58]，但與美國(guó)醫(yī)學(xué)信息學(xué)研究相比仍存在較大的差距。因此中國(guó)應(yīng)在堅(jiān)持技術(shù)應(yīng)用為重點(diǎn)的基礎(chǔ)上，改變教育模式，完善醫(yī)學(xué)信息學(xué)教育體系，提升醫(yī)學(xué)信息學(xué)相關(guān)新興學(xué)科的研究水平，促進(jìn)中國(guó)醫(yī)學(xué)信息學(xué)的發(fā)展。