胡遠樟，余澤蕓，曹 悅，溫川飆，何 黎，羅 悅

(成都中醫(yī)藥大學，四川 成都 610000)

中醫(yī)體檢是中醫(yī)“治未病”的重要組成部分，對于一些經(jīng)現(xiàn)代醫(yī)學相關(guān)檢查，指標未見異常，但卻表現(xiàn)出種種自感不適的個體而言，基于“未病先防，既病防變，病后防復”的中醫(yī)理念[1]，將傳統(tǒng)的中醫(yī)四診、經(jīng)絡(luò)、體質(zhì)等辨識與現(xiàn)代儀器檢測相結(jié)合的中醫(yī)體檢能夠通過對人體健康狀態(tài)的綜合評價，達到中醫(yī)“治未病”的目的[2]。隨著中醫(yī)現(xiàn)代化的不斷發(fā)展，中醫(yī)體檢正成為一種全新的體檢模式[3]。CiteSpace[4]和VOSviewer[5]是兩款文獻可視化的數(shù)據(jù)挖掘軟件，本研究結(jié)合可視化分析結(jié)果和相關(guān)文獻回顧，綜合使用定性和定量的方法，從多個角度分析國內(nèi)中醫(yī)體檢的研究狀況，以期為國內(nèi)中醫(yī)體檢相關(guān)研究提供有益參考。

1 數(shù)據(jù)來源和研究方法

1.1 數(shù)據(jù)來源

以中國知網(wǎng)(CNKI)為數(shù)據(jù)來源，檢索時間為2019年8月1日。以“中醫(yī)+體檢”為主題，以“文獻”為檢索范圍，時間分布采用CNKI默認回溯設(shè)置，其他檢索條件均不限制，共得到349篇有效文獻。排除會議通知、約稿說明等不相關(guān)文獻后，納入232篇相關(guān)主題文獻，并以文本形式導出，構(gòu)建中醫(yī)體檢研究文獻數(shù)據(jù)庫并導入CiteSpace和VOSviewer軟件后進行可視化圖譜分析。

1.2 研究方法

文獻可視化數(shù)據(jù)挖掘是集科學計量學、信息計量學、計算機可視化等多學科交叉的新興研究方法，能夠以可視化的方式直觀展示相關(guān)研究領(lǐng)域的知識結(jié)構(gòu)與演進規(guī)律[6]。CiteSpace是由陳超美博士開發(fā)的文獻網(wǎng)絡(luò)可視化工具，可動態(tài)識別文獻聚類、關(guān)鍵節(jié)點，以樹形圖和連線表示各個主題關(guān)系的強弱，VOSviewer由VAN ECK等研發(fā)，能夠以距離、密度等方法表示節(jié)點之間的聚類關(guān)系，二者可優(yōu)勢互補，準確挖掘研究主題的本質(zhì)[7-8]。

2 結(jié)果

2.1 研究概況

此領(lǐng)域最早出現(xiàn)的相關(guān)文獻是在2002年，隨后直到2009年前，國內(nèi)中醫(yī)體檢研究數(shù)量很少，都在10篇以內(nèi)。2010年以后發(fā)文量逐漸上升，其中2010、2011和2015年發(fā)文量突增，2019年預(yù)計發(fā)文量為44篇，且整體發(fā)文趨勢符合線性增長模型y=2.6873x-5382.3(R2=0.8575)。如圖1所示。

圖1 發(fā)文趨勢

2.2 關(guān)鍵研究者

設(shè)置軟件參數(shù)：網(wǎng)絡(luò)節(jié)點設(shè)定為“作者”，閾值設(shè)定為“Top 50”，選用網(wǎng)絡(luò)裁剪“Pathfinder”和“Pruning the merged network”算法，其他保持默認選項，得到此領(lǐng)域相關(guān)研究者網(wǎng)絡(luò)(圖2)，其中有節(jié)點57個，連線105條，網(wǎng)絡(luò)密度為0.0658。中醫(yī)體檢高產(chǎn)研究者可概括為六大合作團體，其中，發(fā)文量最大、最核心的研究團隊是以王召平、梁嶸、王盛花為核心的研究隊伍，主要研究體檢人群中的舌象特征[9-10]，以王召平發(fā)文量最多(9篇)；其次是高飛、王國瑋為核心的研究者團隊；朱衛(wèi)豐、項鳳梅為核心的研究團隊次之。依據(jù)普萊斯定律[11]并按取整原則，發(fā)文量在3篇及3篇以上的論文作者為核心作者，共計26位，共發(fā)表論文99篇，占所有論文總數(shù)的42.67%，表明中醫(yī)體檢研究領(lǐng)域中的高產(chǎn)作者起到了核心引領(lǐng)作用(接近50%)，同時表明以上研究者在中醫(yī)體檢領(lǐng)域研究成果較為突出，為中醫(yī)體檢領(lǐng)域研究奠定了良好的基礎(chǔ)，但各自團隊相對較為孤立，不同研究團隊之間缺乏聯(lián)系，不利于此領(lǐng)域的進一步發(fā)展。

圖2 關(guān)鍵研究者網(wǎng)絡(luò)圖(部分)

2.3 空間分布

中醫(yī)體檢研究機構(gòu)主要分布在北京、江西、成都三個空間地域，其中以北京最多，機構(gòu)包括北京中醫(yī)藥大學、首都醫(yī)科大學、中國中醫(yī)科學院等多家高校和科研院所，隨后為江西中醫(yī)藥大學，成都中醫(yī)藥大學和福建中醫(yī)藥大學次之。同時，此領(lǐng)域研究機構(gòu)地域局限性明顯，合作局限于單位內(nèi)部，缺乏跨地域、跨單位合作。如圖3所示。

圖3 研究機構(gòu)空間分布

2.4 研究熱點

高頻關(guān)鍵詞在一定程度上代表了中醫(yī)體檢研究領(lǐng)域的熱點主題和發(fā)展方向(見表1)，通過對關(guān)鍵詞進行詞頻統(tǒng)計分析，可以揭露此研究領(lǐng)域的熱點主題[12-13]。其中，中醫(yī)體質(zhì)出現(xiàn)頻次最多(62次)，是次研究領(lǐng)域的主要標簽。圖4、圖5是基于VOSviewer的研究熱點共現(xiàn)網(wǎng)絡(luò)和密度圖，圖6為基于CiteSpace的關(guān)鍵詞聚類可視化圖譜，二者能夠通過可視化的方式直觀展現(xiàn)此研究領(lǐng)域的焦點。其中，中心度排前10位的分別為中醫(yī)體質(zhì)(0.6)、健康體檢(0.46)、亞健康(0.37)、健康管理(0.27)、體質(zhì)辨識(0.24)、老年人(0.2)、體檢指標(0.16)、脂肪肝(0.13)、調(diào)查分析(0.13)、體檢人群(0.1)。

圖4 基于VOSviewer的研究熱點共現(xiàn)可視化網(wǎng)絡(luò)圖

圖5 基于VOSviewer的研究熱點共現(xiàn)密度圖

表1 中醫(yī)體檢高頻關(guān)鍵詞(部分)

2.5 研究熱點聚類分析

含義相近的關(guān)鍵詞可以聚為一類，從而形成一類共同的主題，將從CNKI中檢索出的中醫(yī)體檢相關(guān)的關(guān)鍵詞基于CiteSpace中的聚類算法進行聚類分析[14]，共提取出7個聚類主題，分別為：#聚類1健康體檢/疲勞癥狀、#聚類2體檢/生活質(zhì)量、#聚類3中醫(yī)體質(zhì)/血生化、#聚類4代謝綜合征/中醫(yī)健康管理、#聚類5老年人/女性、#聚類6中醫(yī)體質(zhì)辨識/慢性病、#聚類7體檢指標/血癖(圖6)。通過對關(guān)鍵詞的分類，可以在不同方向上細分為研究體質(zhì)類型、疾病種類、人群分布、研究方法與熱點內(nèi)容五個主題(表2)。其中，體質(zhì)類型逐漸從濕熱質(zhì)轉(zhuǎn)向肝郁脾虛[15-19]，疾病以糖尿病[20-21]和高血壓[22-24]為代表的代謝性慢性疾病為主，主要集中在老年女性群體[25-26]，研究方法逐步與現(xiàn)代最新技術(shù)相結(jié)合，由傳統(tǒng)的調(diào)查分析[27-28]到相關(guān)性分析及神經(jīng)網(wǎng)絡(luò)等模型構(gòu)建[29-30]，研究內(nèi)容集中在具有中醫(yī)特色的舌象與證型兩方面[31-32]。

圖6 基于CiteSpace的關(guān)鍵詞聚類可視化圖譜

表2 近10年中醫(yī)體檢關(guān)鍵詞分類(部分)

3 國內(nèi)中醫(yī)體檢發(fā)展趨勢

國內(nèi)中醫(yī)體檢研究正處于快速發(fā)展并且不斷創(chuàng)新的探索階段，本研究在研究熱點共現(xiàn)密度圖和聚類可視化圖譜的基礎(chǔ)上，整合圖譜中的關(guān)鍵點信息，可以將中醫(yī)體檢研究歸納為三大類：中醫(yī)體檢應(yīng)用研究、生化指標與中醫(yī)關(guān)聯(lián)性研究、中醫(yī)體質(zhì)與體檢指標模型研究。

3.1 中醫(yī)體檢應(yīng)用于以糖尿病為代表的代謝性慢性病早期發(fā)現(xiàn)與干預(yù)治療

機體尚未出現(xiàn)明顯的病態(tài)特征，根據(jù)中醫(yī)“辨證論治”對人體進行調(diào)理的“治未病”理念[33-35]和以糖尿病為代表的代謝性慢性疾病相關(guān)指標與體質(zhì)密切相關(guān)的現(xiàn)代研究結(jié)果為中醫(yī)體檢在慢性疾病的早期發(fā)現(xiàn)與預(yù)防提供了理論依據(jù)。于雷等[36]研究了糖尿病前期體質(zhì)類型分布及與相關(guān)指標的相關(guān)性，結(jié)果發(fā)現(xiàn)高危體質(zhì)類型以氣虛質(zhì)兼陰虛、陽虛質(zhì)兼痰濕質(zhì)多見；除此之外，還與肥胖以及血脂異常有關(guān)，為糖尿病患者的預(yù)防與恢復提供了指導。陳瑞芳等[37]根據(jù)糖尿病前期的特性型體質(zhì)人群，構(gòu)建其中醫(yī)體檢方案，方案制定步驟分別為前期人群健康調(diào)查、中醫(yī)體質(zhì)辨識量表判別體質(zhì)類型、生化指標復查、易感人群保健指導和復檢五個部分，在保證早期干預(yù)和治療糖尿病前期人群的同時，還可以發(fā)揮中醫(yī)在糖尿病診療過程中的方法學指導作用[38-40]。

3.2 中醫(yī)體質(zhì)辨識關(guān)聯(lián)性研究

體質(zhì)是人體天生具有的一種自然屬性，具有固定、相對穩(wěn)定的特點，在中醫(yī)的認識中，不同的體質(zhì)會影響疾病的易感性以及預(yù)后轉(zhuǎn)歸[41-42]。研究中醫(yī)體質(zhì)辨識與生化體檢指標的關(guān)聯(lián)性，是為人體健康狀況判別和疾病預(yù)防、預(yù)后提供數(shù)據(jù)支撐的有效方法[43-44]。安會如等[45]分析福州310名在校大學生的體質(zhì)類型與血生化檢查結(jié)果的相關(guān)性，結(jié)果表明Glu與HDL-C異常分別與氣虛質(zhì)和氣郁質(zhì)呈正相關(guān)，AST、LDL-C異常與濕熱質(zhì)呈正相關(guān)，為后期從體質(zhì)角度進行人群健康管理提供了參考。楊敏春等[46]分析了534例高脂血癥人群的體質(zhì)及合并高尿酸血癥與中醫(yī)體質(zhì)的相關(guān)性，結(jié)果提示痰濕質(zhì)人群總膽固醇及低密度脂蛋白水平顯著升高；痰濕質(zhì)、陰虛質(zhì)、氣虛質(zhì)及濕熱質(zhì)血脂異常人群易合并高尿酸血癥，為結(jié)合中醫(yī)體質(zhì)類型干預(yù)高脂血癥及篩查高尿酸血癥的個性化健康管理提供了指導。廖凌虹等[47]分析了514例健康體檢者中醫(yī)痰證與血液生化檢測指標的相關(guān)性，結(jié)果提示代謝異常是“痰”主要病理基礎(chǔ)之一，載脂蛋白A1等差異指標或是“痰”證病理的潛在共性指標。

3.3 中醫(yī)體檢模型研究

舌診是中醫(yī)體檢過程中極具中醫(yī)特色的模塊，目前已有體檢人群中相關(guān)疾病患者舌象特異性的研究報道[48-49]，但在模型研究方面還較為少見。其中，張永濤等[50]在提取北京地區(qū)884例體檢人群舌色的TGB和Lab值的基礎(chǔ)上將YUV、YCrCb和HSL模型數(shù)據(jù)進行比較，結(jié)果顯示Lab或是眾多模型中最適合用于表達中醫(yī)臨床舌色變化的顏色模型。除了舌色研究以外，為了順應(yīng)當代中醫(yī)學現(xiàn)代化模式轉(zhuǎn)變趨勢，如何運用現(xiàn)代人工智能技術(shù)構(gòu)建中醫(yī)體質(zhì)與體檢指標的算法模型也成為當前研究的重點。羅悅等[51]將BPNN技術(shù)應(yīng)用于298例體檢指標和中醫(yī)體質(zhì)類型的算法模型構(gòu)建中，其中訓練組收斂率83%，測試對照組正確率為53%，誤差為0.001，這在一定程度上實現(xiàn)了中醫(yī)體質(zhì)辨識的可計算化，表明為中醫(yī)體質(zhì)與體檢指標關(guān)聯(lián)性提供自動化模型具有可行性，這為中醫(yī)體檢流程智能化、現(xiàn)代化發(fā)展作出了有益嘗試。

4 討論

雖然中醫(yī)體檢在諸多領(lǐng)域可以彌補西醫(yī)體檢的缺陷，但同時也存在著諸多的制約因素。其劣勢主要在于中醫(yī)體檢過程耗時耗力，缺乏效率，同時中醫(yī)體檢醫(yī)生的診療水平存在著較大的個體差異性，難以針對具體的特異性疾病形成統(tǒng)一完整的體檢及健康指導方案。目前中醫(yī)體質(zhì)辨識信息的收集方式還主要以問卷調(diào)查為主，其問題數(shù)量眾多，患者回答完問題需要花費大量時間，在生活節(jié)奏不斷加快的現(xiàn)代社會，其問題結(jié)果難以確保完整性與正確性，常常出現(xiàn)誤答或漏答的現(xiàn)象，且其評價結(jié)果一般需要兩位有經(jīng)驗的中醫(yī)師同時判斷，這將會耗費大量的醫(yī)療資源，其過程耗時耗力，效率低下。中醫(yī)治病注重“因人而異”，強調(diào)不同個體的差異性，這里的“差異性”不僅僅是患者的病因、體質(zhì)的差異，也包括醫(yī)生不同的教育背景、臨床經(jīng)驗和對疾病的認識水平所帶來的診療方式的差異性，最終導致同一位病患在不同地域、季節(jié)有著不同的臨床表現(xiàn)，不同的醫(yī)生對于同一位患者有著類似但卻不同的判斷，這些都是阻礙中醫(yī)體檢醫(yī)學進一步發(fā)展的關(guān)鍵因素。

現(xiàn)代科技的發(fā)展為中醫(yī)體檢醫(yī)學帶來了突破的契機。隨著第四次科技革命浪潮的來臨，人工智能技術(shù)將與中醫(yī)體檢行業(yè)不斷深度結(jié)合，其中，中醫(yī)智能語音問診系統(tǒng)可以代替醫(yī)生快速采集患者信息，移動醫(yī)療穿戴設(shè)備的推廣可以提前采集患者的基本信息，諸如體重、血壓、體溫等，能夠有效避免就診過程中的信息重復采集，提高流程效率，減少患者回答問題的時間。同時，通過根據(jù)中醫(yī)知識構(gòu)建的中醫(yī)體質(zhì)辨識算法模型能夠根據(jù)采集到的患者信息快速判別其體質(zhì)類型，較人工判別而言更加客觀，同時效率更高，對于患者而言也能減少等待時間，提高體檢過程的滿意度。在大量臨床案例的基礎(chǔ)上，中醫(yī)體檢人工智能系統(tǒng)也能夠構(gòu)建針對特異性疾病的體檢方案與健康管理流程，并通過無線健康監(jiān)測設(shè)備實時動態(tài)監(jiān)測體檢者的身體狀態(tài)，達到實時向臨床醫(yī)生反饋、實施動態(tài)健康管理的效果。

5 結(jié)語

國內(nèi)中醫(yī)體檢研究雖然發(fā)展至今時間不長，只有將近20年時間，相對于其他學科而言還不成熟，但已有相當可觀的成果，并且已經(jīng)形成了一批核心研究團隊，在內(nèi)容上立足于中醫(yī)理論，在方法學上與現(xiàn)代科技手段緊密結(jié)合。隨著我國人口老齡化進程的加快，人民群眾對于中醫(yī)健康體檢的需求日益迫切，如何更好地將中醫(yī)體檢與現(xiàn)代科技融合，提供更加方便、快捷、有效的中醫(yī)體檢服務(wù)，或是下一步探索的重點。

本研究通過文獻可視化數(shù)據(jù)挖掘的方法梳理國內(nèi)“中醫(yī)體檢”研究領(lǐng)域發(fā)展現(xiàn)狀，揭示中醫(yī)體檢研究熱點及發(fā)展趨勢，旨在為此領(lǐng)域的相關(guān)研究者提供參考。但局限在于文獻來源只納入了中國知網(wǎng)數(shù)據(jù)庫中的相關(guān)文獻，后期作者將擴大數(shù)據(jù)來源范圍，從更多角度進行分析。