——楊 麗 王 玲 朱雪梅 趙秋利 崔 丹 吳燕妮

由于醫(yī)療行業(yè)的特殊性，醫(yī)療風(fēng)險無處不在，但可通過實施風(fēng)險管理，有效減少風(fēng)險事件的發(fā)生[1]。風(fēng)險管理是指對各種不確定性事件進(jìn)行識別、評估和監(jiān)控，并采取應(yīng)對措施將其控制在可接受范圍內(nèi)的過程[2]。隨著我國醫(yī)改的逐步深入，醫(yī)療風(fēng)險管理成為現(xiàn)代醫(yī)院管理者日益關(guān)注的焦點問題之一[3]。本研究將知識圖譜可視化分析方法運用于醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究，通過繪制圖譜對1990年-2019年相關(guān)文獻(xiàn)進(jìn)行分析和解讀，揭示知識結(jié)構(gòu)、熱點與演變進(jìn)程，探究研究局限，為今后開展相關(guān)研究提供參考。

1 資料來源與方法

1.1 資料來源

在CNKI數(shù)據(jù)庫選擇高級檢索，以“風(fēng)險管理”作為檢索主題詞，發(fā)文年代選擇“1990年—2019年”，學(xué)科類型選擇“醫(yī)藥衛(wèi)生科技”。檢索式為：主題詞=“風(fēng)險管理”AND 出版時間=“1990-2019”AND論文類型=“期刊”。最終獲得14 773篇文獻(xiàn)，剔除與本研究主題不相關(guān)及重復(fù)文獻(xiàn)，最后共獲得有效文獻(xiàn)11 050篇。

1.2 研究方法

本研究使用的分析工具是CiteSpace信息可視化軟件[4]。利用文獻(xiàn)計量學(xué)中的共引方法建立引文網(wǎng)絡(luò)，形成文獻(xiàn)記錄間的拓?fù)浣Y(jié)構(gòu)，通過聚類分析法把分析對象之間錯綜復(fù)雜的共引網(wǎng)狀關(guān)系簡化為若干類群之間的關(guān)系并標(biāo)識出來，在此基礎(chǔ)上分析研究對象所代表的學(xué)科及文獻(xiàn)的結(jié)構(gòu)和節(jié)點，來獲得研究熱點和研究趨勢[5-6]。本研究使用的具體版本為CiteSpaceV5.5.R1。

1.3 數(shù)據(jù)處理方法

將檢索結(jié)果的題錄信息以Refworks格式導(dǎo)出,以download_*為文件名進(jìn)行下載并存儲為純文本格式，轉(zhuǎn)換成CiteSpace可用字段數(shù)據(jù)。將處理好的Refworks格式數(shù)據(jù)導(dǎo)入CiteSpace軟件。

主要參數(shù)設(shè)置如下：(1)時間分區(qū)(Time Slicing)為1990—2019；(2)年份切割(Years Per Slice)為1年一切割；(3)術(shù)語類型(Term Type)為突現(xiàn)詞(Burst Term)；(4)節(jié)點類型(Node Types)包括分次選取機(jī)構(gòu)(Institution)、作者(Author)、關(guān)鍵詞(Keyword)；(5)節(jié)點強度默認(rèn)余弦函數(shù)(Cosine)和時間內(nèi)切片(Within slices)；(6)Top N%為top50%，即抽取每一時間片中被引頻次或出現(xiàn)頻次最高的50項數(shù)據(jù)；(7)網(wǎng)絡(luò)裁剪功能區(qū)(Pruning)選擇默認(rèn)的尋徑(Pathfinder)和最小生成樹精簡算法( Minimum Spanning Tree，MST )相結(jié)合；(8)其余參數(shù)根據(jù)具體構(gòu)圖內(nèi)容設(shè)置，構(gòu)建可視化圖譜。

2 結(jié)果與分析

2.1 發(fā)表年份

利用Excel 2016表格對數(shù)據(jù)進(jìn)行統(tǒng)計分析，直觀顯示研究領(lǐng)域文獻(xiàn)的年增長情況。1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理發(fā)文量隨時間變化總體呈上升趨勢(圖1)。根據(jù)普賴斯文獻(xiàn)增長規(guī)律[7]分析可知，2002年以前年發(fā)文量均不超過10篇，表明相關(guān)研究已得到研究者關(guān)注，但尚未深入挖掘。2002年-2019年是研究的活躍期，研究文獻(xiàn)呈明顯增長趨勢。從2015年開始，文獻(xiàn)的增長率呈現(xiàn)激增，表明該領(lǐng)域的研究逐漸進(jìn)入成熟期，預(yù)計2019年發(fā)文量將突破2 000篇。這說明風(fēng)險管理作為一個重要的研究主題正在逐漸受到越來越多醫(yī)學(xué)研究人員的重視。

圖1 1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究發(fā)文量統(tǒng)計

2.2 文獻(xiàn)發(fā)表機(jī)構(gòu)

11 050篇相關(guān)文獻(xiàn)共涉及研究機(jī)構(gòu)502家。表1顯示了排名前10的研究機(jī)構(gòu)，發(fā)文最多的是國家食品藥品監(jiān)督管理局藥品評價中心(29篇)，其次是沈陽藥科大學(xué)工商管理學(xué)院(23篇)和溫州醫(yī)科大學(xué)附屬第二醫(yī)院(21篇)。10家研究機(jī)構(gòu)中，8家為高校及其附屬醫(yī)院，說明高校及其附屬醫(yī)院是該領(lǐng)域研究的前沿陣地。中介中心性(Centrality)表示在網(wǎng)絡(luò)圖中一個節(jié)點在多大程度上是其他節(jié)點的“中介”。此類節(jié)點在網(wǎng)絡(luò)中起到“溝通橋梁”的作用[8-9]。從表1可以看出，絕大部分機(jī)構(gòu)中心性為0。同時，構(gòu)建科研機(jī)構(gòu)分布可視化圖譜，圖譜由彩色的節(jié)點和節(jié)點間連線組成，節(jié)點由不同顏色的年輪構(gòu)成，每一個年輪對應(yīng)不同的時間分區(qū)，從里到外年輪對應(yīng)的時間分區(qū)由遠(yuǎn)及近。節(jié)點間的連線代表其合作情況，連線越粗表示機(jī)構(gòu)之間的合作關(guān)系越緊密。結(jié)果發(fā)現(xiàn)，節(jié)點間連線較細(xì)。因此，可以得出，各機(jī)構(gòu)間的合作較少,主要為獨立研究。

表1 1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究論文發(fā)表排名前10機(jī)構(gòu)

2.3 核心作者

從表2可以看出，發(fā)表論文最多的依次是許蘋、李靜和李娜。例如，許蘋通過人工神經(jīng)網(wǎng)絡(luò)預(yù)測醫(yī)療風(fēng)險[10]，Logistic回歸分析法分析醫(yī)療風(fēng)險影響因素[11]以及構(gòu)建醫(yī)療風(fēng)險預(yù)警指標(biāo)體系[12]等來開展醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究。他們對該領(lǐng)域研究影響較大。依據(jù)普賴斯定律，發(fā)文量在N[N = 0．749× (ηmax) 1/2]篇以上的作者為高產(chǎn)核心作者(ηmax指發(fā)文量最高作者的發(fā)文數(shù))[13]。經(jīng)計算N≈8.6，故發(fā)文量大于或等于9篇為高產(chǎn)核心作者，共計32人，約占作者總數(shù)(923人)的3.47%。

表2 1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究前10核心作者

對高產(chǎn)作者進(jìn)行合作聚類知識圖譜分析顯示，共有節(jié)點923個，連線456條。圖譜中圓形節(jié)點代表作者，作者姓名和發(fā)文量呈正相關(guān)，即發(fā)文越多作者姓名圖形節(jié)點越大，也表明了作者在該領(lǐng)域的中心度越高，在該領(lǐng)域研究中發(fā)揮了重要作用，可以視為領(lǐng)域內(nèi)的關(guān)鍵作者[14-15]。結(jié)果發(fā)現(xiàn)，圖譜中眾多作者間形成節(jié)點連接，但節(jié)點之間比較分散且未形成聚類網(wǎng)絡(luò)。同時各作者的中心性大部分為0(表2)，說明研究醫(yī)學(xué)領(lǐng)域風(fēng)險管理的作者較多，但具體研究方向分散，在學(xué)術(shù)交流和合作上尚不緊密。

2.4 關(guān)鍵詞共現(xiàn)與突現(xiàn)分析

關(guān)鍵詞是文獻(xiàn)研究主題的高度濃縮性詞匯，可以在一定程度上代表一篇文獻(xiàn)的研究內(nèi)容[16]，利用CiteSpace生成關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，可以了解研究領(lǐng)域在一段時間內(nèi)的研究熱點[17]。合并詞義相近以及表達(dá)形式不同但含義相同的關(guān)鍵詞，最終得到460個關(guān)鍵詞。關(guān)鍵詞共現(xiàn)頻數(shù)位于前10的排序情況見表3。

表3 1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究文獻(xiàn)前10關(guān)鍵詞

表3顯示，除“風(fēng)險管理”外，排在前5位的關(guān)鍵詞分別是“護(hù)理風(fēng)險、護(hù)理管理、護(hù)理質(zhì)量、風(fēng)險管理效果和風(fēng)險事件”。同時“安全管理”“風(fēng)險評估”“護(hù)理安全”等出現(xiàn)的頻次也較多，說明國內(nèi)學(xué)者已經(jīng)開始將具體的風(fēng)險管理理論和方法應(yīng)用到醫(yī)學(xué)風(fēng)險管理中。排名前10的關(guān)鍵詞中護(hù)理相關(guān)詞頻最多，說明了目前國內(nèi)對于護(hù)理風(fēng)險管理尤為重視。

運用CiteSpace以關(guān)鍵詞為節(jié)點及發(fā)文時間段為節(jié)點的延伸線構(gòu)建關(guān)鍵詞時間線視圖(Timeline)，一方面可以把研究熱點區(qū)域放大，另一方面可以縮小焦點周圍的信息內(nèi)容，反映相應(yīng)領(lǐng)域各時期主要研究方向和內(nèi)容[18]。結(jié)果發(fā)現(xiàn)，研究前沿隨著時段發(fā)展在不斷變化，呈動態(tài)發(fā)展趨勢。在2004年以前，國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理出現(xiàn)的關(guān)鍵詞較少，主要為風(fēng)險管理在醫(yī)療和護(hù)理領(lǐng)域的研究；2004年以后相關(guān)關(guān)鍵詞迅速增加，尤其2010年-2013年和2013年-2016年的節(jié)點和連線激增，表示這兩個時間段在醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究發(fā)展中占據(jù)重要位置，這體現(xiàn)了該領(lǐng)域理論和實踐研究不斷豐富且發(fā)展迅速。

CiteSpace提供了獨特的突變詞探測技術(shù)，突變探測功能可以用來檢測某學(xué)科內(nèi)研究興趣的驟增程度，一組突現(xiàn)的動態(tài)概念和潛在的研究問題代表著某一領(lǐng)域的研究熱點[19]。設(shè)置突發(fā)性關(guān)鍵詞數(shù)量為50，選擇“Citation / Frequency burst history”，按照突發(fā)起始時間進(jìn)行排序。結(jié)果如圖2所示，突發(fā)性節(jié)點變成紅色色塊的部分代表著其對應(yīng)的主題在相應(yīng)年份出現(xiàn)發(fā)文量激增。由于CiteSpace的突發(fā)性關(guān)鍵詞檢測是按照突發(fā)起始時間由遠(yuǎn)及近的順序從上到下排列，因此圖2列表中越靠近下方的研究主題越前沿?？梢钥闯?，部分科室(如呼吸內(nèi)科、心血管內(nèi)科和急診科)風(fēng)險管理研究以及醫(yī)療效果、滿意度和護(hù)理風(fēng)險管理等主題突發(fā)起始時間晚于2014年。醫(yī)療相關(guān)風(fēng)險最早研究起始于1999年，護(hù)理相關(guān)風(fēng)險首次出現(xiàn)于2005年，各科室具體風(fēng)險研究起始于2009年且呈持續(xù)突發(fā)態(tài)勢，因此它們是這一領(lǐng)域的新興研究前沿和熱點。

圖2 1990年-2019年國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究關(guān)鍵詞突現(xiàn)圖

2.5 關(guān)鍵詞網(wǎng)絡(luò)聚類分析

在共現(xiàn)網(wǎng)絡(luò)基礎(chǔ)上對關(guān)鍵詞進(jìn)行聚類處理。聚類標(biāo)簽視圖是通過譜聚類算法生成知識聚類，然后通過算法從聚類的相關(guān)文獻(xiàn)中提取標(biāo)簽詞，以此表征對應(yīng)的基礎(chǔ)研究前沿[20]。使用對數(shù)似然比(LLR)聚類算法[21]得出研究領(lǐng)域相關(guān)知識子群，同時精煉文獻(xiàn)中的詞集對知識子群進(jìn)行標(biāo)注。這些聚類處理的代表性知識子群可視為領(lǐng)域內(nèi)的研究主題。通過關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)并將網(wǎng)絡(luò)進(jìn)行聚類處理可以得出，國內(nèi)主要存在以下幾個基于“風(fēng)險管理”的相關(guān)知識子群：風(fēng)險評估、醫(yī)療風(fēng)險、護(hù)理風(fēng)險、財務(wù)風(fēng)險、風(fēng)險預(yù)測模型和醫(yī)療糾紛。

(1)風(fēng)險評估與風(fēng)險預(yù)測模型。風(fēng)險評估是最大的知識子群，是風(fēng)險管理的重要組成部分，也是風(fēng)險管理流程的核心階段(風(fēng)險識別-風(fēng)險評估-風(fēng)險控制)。知識子群“風(fēng)險評估”和“風(fēng)險預(yù)測模型”研究重合的部分較多，表示這兩個研究群具有一定耦合性。這兩個知識子群中包括了一些高頻關(guān)鍵詞，如“失效模式與效應(yīng)分析”“風(fēng)險識別”“風(fēng)險控制”等，國內(nèi)風(fēng)險管理研究者對其發(fā)展現(xiàn)狀、方法等進(jìn)行了研究，但研究重點集中于理論層面，多數(shù)成果與臨床實踐尚未聯(lián)動實施。

(2)醫(yī)療風(fēng)險。該知識子群中主要包括“醫(yī)患關(guān)系”“患者安全”“手術(shù)風(fēng)險”等高頻關(guān)鍵詞。醫(yī)患雙方是醫(yī)療關(guān)系中的最本質(zhì)載體，且目前醫(yī)患關(guān)系呈緊張態(tài)勢，故研究多聚焦于此。另外患者安全與醫(yī)務(wù)人員安全是保障一切醫(yī)療活動的前提，未來醫(yī)患安全話題依舊不可忽視。

(3)護(hù)理風(fēng)險。護(hù)理風(fēng)險是醫(yī)學(xué)領(lǐng)域風(fēng)險的重要組成部分，由于臨床護(hù)理中，風(fēng)險事件時有發(fā)生，因此實施護(hù)理風(fēng)險管理能夠有效提高護(hù)理工作質(zhì)量。這個知識子群包括了一些高頻關(guān)鍵詞如“護(hù)理安全”“臨床給藥”“護(hù)理管理”“護(hù)理質(zhì)量”等。說明國內(nèi)學(xué)者已經(jīng)意識到了護(hù)理風(fēng)險干預(yù)的重要性，但對于護(hù)理風(fēng)險研究還缺乏一定的系統(tǒng)性，因此今后關(guān)于如何減少護(hù)理風(fēng)險的系統(tǒng)性研究依然是重點。

(4)財務(wù)風(fēng)險。該知識子群中主要包括“內(nèi)部控制”“財務(wù)管理”“負(fù)債經(jīng)營”“醫(yī)療責(zé)任保險”等高頻關(guān)鍵詞。對于醫(yī)院而言，財務(wù)管理是醫(yī)院生存和發(fā)展的重要環(huán)節(jié)，也是醫(yī)院風(fēng)險管理的重要組成部分。而目前醫(yī)院財務(wù)管理存在對預(yù)算管理重視不夠，缺乏科學(xué)性、可操作性和控制監(jiān)督等風(fēng)險。未來加強醫(yī)院無形資產(chǎn)的優(yōu)化資源配置并有效監(jiān)督是醫(yī)院降低財務(wù)風(fēng)險的有效措施。

(5)醫(yī)療糾紛。該知識子群中主要包括“醫(yī)療事故”“自殺行為”“自殺事件”“危重病人”“滿意度調(diào)查”等高頻關(guān)鍵詞。該知識子群單獨聚類，說明在臨床醫(yī)療過程中醫(yī)療糾紛是風(fēng)險隱患的一大來源，而由于種種原因?qū)е碌尼t(yī)療事故、患者自殺以及患者對醫(yī)療行為不滿等都是醫(yī)療糾紛的源頭，這就需要建立質(zhì)量管理體系來主動預(yù)防醫(yī)療糾紛，更好地保障醫(yī)療行為順暢進(jìn)行。

3 討論

本研究借助 CiteSpace軟件對國內(nèi)醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究年度發(fā)文量、研究機(jī)構(gòu)、核心作者和研究熱點及前沿等方面各項數(shù)據(jù)進(jìn)行了知識圖譜分析，了解了1990年-2019年該領(lǐng)域隨時間發(fā)展中突現(xiàn)的熱點。11 050篇文獻(xiàn)顯示了我國醫(yī)學(xué)領(lǐng)域風(fēng)險管理研究由理論向?qū)嵺`的過渡，研究內(nèi)容、熱點逐年豐富，但仍存在以下問題：(1)根據(jù)聚類圖譜可直觀發(fā)現(xiàn)研究機(jī)構(gòu)及作者間合作不密切。因此，建議未來該領(lǐng)域研究可通過定期舉辦學(xué)術(shù)會議等加強研究機(jī)構(gòu)及學(xué)者間的交流，促進(jìn)綜合發(fā)展。(2)本研究基于關(guān)鍵詞檢索，但在文獻(xiàn)分析過程中發(fā)現(xiàn)，中文關(guān)鍵詞選擇存在隨意性且自由詞較多，這可能會對學(xué)科研究熱點、核心及未來發(fā)展趨勢預(yù)測產(chǎn)生影響。建議在今后研究中應(yīng)根據(jù)醫(yī)學(xué)主題詞表選擇關(guān)鍵詞，規(guī)范研究內(nèi)容，促進(jìn)學(xué)術(shù)研究嚴(yán)謹(jǐn)發(fā)展。

本研究顯示，風(fēng)險管理是目前國內(nèi)醫(yī)學(xué)理論和實踐領(lǐng)域重要的研究方向。建議：(1)隨著經(jīng)濟(jì)發(fā)展和法制完善，人民維權(quán)意識日益增強，風(fēng)險管理會是一個長期持續(xù)且不可忽視的研究領(lǐng)域，未來可綜合考慮醫(yī)學(xué)領(lǐng)域風(fēng)險特點，將各種風(fēng)險整合研究，增強其系統(tǒng)性。(2)建立循證實踐方案，用于指導(dǎo)實際風(fēng)險管理。(3)將智慧醫(yī)療與風(fēng)險管理相結(jié)合，通過人工智能和大數(shù)據(jù)方式進(jìn)行調(diào)查分析，真正實現(xiàn)風(fēng)險管理。