楊健健，馬小琴，郭 冉

浙江中醫(yī)藥大學(xué)護(hù)理學(xué)院，浙江杭州 310053

隨著新一代信息技術(shù)的發(fā)展及大數(shù)據(jù)時(shí)代的到來(lái)，醫(yī)療相關(guān)領(lǐng)域的數(shù)據(jù)正在飛速增長(zhǎng)。在醫(yī)療護(hù)理領(lǐng)域，對(duì)數(shù)據(jù)的初步處理(錄入、查詢(xún)及統(tǒng)計(jì)等)已經(jīng)通過(guò)護(hù)理信息系統(tǒng)得到了較好的解決，但對(duì)于數(shù)據(jù)的深入處理即數(shù)據(jù)挖掘目前還處于萌芽階段[1]。數(shù)據(jù)挖掘是指應(yīng)用數(shù)據(jù)挖掘技術(shù)對(duì)存在噪音和缺失的海量數(shù)據(jù)進(jìn)行有效分析以獲得潛在有用信息的過(guò)程[2]。數(shù)據(jù)挖掘可以解決目前護(hù)理領(lǐng)域中未得到有效利用的護(hù)理數(shù)據(jù)問(wèn)題。雖然當(dāng)前數(shù)據(jù)挖掘在護(hù)理學(xué)研究中的應(yīng)用有一定進(jìn)展，但相對(duì)于國(guó)外發(fā)展仍滯后[3]。為此，本文對(duì)已發(fā)表的有關(guān)數(shù)據(jù)挖掘在護(hù)理領(lǐng)域應(yīng)用的文獻(xiàn)進(jìn)行文獻(xiàn)計(jì)量學(xué)分析，為今后護(hù)理人員開(kāi)展護(hù)理學(xué)相關(guān)研究提供參考。

1 資料與方法

1.1 文獻(xiàn)檢索策略

納入標(biāo)準(zhǔn)：漢語(yǔ)類(lèi)的一次文獻(xiàn)，包括期刊論文、學(xué)位論文。排除標(biāo)準(zhǔn)：會(huì)議論文、綜述或理論探討類(lèi)文獻(xiàn)、專(zhuān)利、報(bào)紙；重復(fù)發(fā)表的文獻(xiàn)。檢索中國(guó)期刊全文數(shù)據(jù)庫(kù)(CNKI)和萬(wàn)方數(shù)據(jù)庫(kù)建庫(kù)至2019年12月31日發(fā)表的有關(guān)數(shù)據(jù)挖掘在護(hù)理領(lǐng)域應(yīng)用的文獻(xiàn)，分別以“數(shù)據(jù)挖掘/決策樹(shù)/遺傳算法/關(guān)聯(lián)規(guī)則/神經(jīng)網(wǎng)絡(luò)/貝葉斯/粗糙集/聚類(lèi)分析/主成分分析”“護(hù)理”為檢索式進(jìn)行檢索。

1.2 資料分析方法

納入的文獻(xiàn)均采用Excel 2013進(jìn)行資料提取，內(nèi)容包括文獻(xiàn)的題目、發(fā)表年份、地域分布、第一作者單位機(jī)構(gòu)類(lèi)別、期刊分布情況、作者人數(shù)、科研基金資助情況、數(shù)據(jù)挖掘技術(shù)種類(lèi)及其在護(hù)理領(lǐng)域應(yīng)用情況等，進(jìn)行描述性統(tǒng)計(jì)分析。

2 結(jié)果

2.1 文獻(xiàn)檢索結(jié)果及年度分布

初步檢索獲得相關(guān)文獻(xiàn)共1 187篇。采用Note Express軟件進(jìn)行查重后剩余933篇文獻(xiàn)，根據(jù)納入標(biāo)準(zhǔn)與排除標(biāo)準(zhǔn)再一次篩選，最終納入文獻(xiàn)351篇，其中期刊論文252篇、學(xué)位論文99篇。納入文獻(xiàn)年度分布情況見(jiàn)圖1，相關(guān)文獻(xiàn)最早出現(xiàn)于1996年，1996-2019年發(fā)文量總體呈上升態(tài)勢(shì)，自2011年開(kāi)始發(fā)文量呈快速上升趨勢(shì)，2019年發(fā)文量達(dá)89篇。

2.2 發(fā)文地區(qū)及機(jī)構(gòu)分布

文獻(xiàn)第一作者分布于26個(gè)省、自治區(qū)、直轄市。發(fā)文數(shù)量排名前5的省市為北京(36篇)、江蘇(35篇)、上海(29篇)、山東(26篇)、湖北(24篇)，共計(jì)150篇(42.74%)，見(jiàn)圖2。第一作者所在機(jī)構(gòu)以醫(yī)學(xué)院校和醫(yī)院居多，分別為165篇(47.01%)、 128篇(36.47%)，非醫(yī)學(xué)院校46篇(13.11%)，其他機(jī)構(gòu)12篇(3.42%)。

圖2 納入文獻(xiàn)地區(qū)分布情況

2.3 文獻(xiàn)期刊分布

納入的252篇期刊論文分布于103種期刊，刊均載文量2.45篇，其中刊載文量超過(guò)2.45篇的期刊有10種，共刊載論文100篇，占期刊論文總量的39.68%；其中3種期刊為中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)(2017-2018年度)收錄期刊，該3種期刊發(fā)表的文獻(xiàn)占總文獻(xiàn)量的8.55%?？d文量超過(guò)2.45篇的期刊分布情況見(jiàn)表1。

表1 刊載文量超過(guò)2.45篇的期刊分布情況(n=100)

2.4 文獻(xiàn)合著及被引與基金資助情況

收錄的351篇文獻(xiàn)中2人及以上合著132篇，作者人數(shù)最多達(dá)9人，作者總?cè)藬?shù)811人，合作撰文率37.61%(132/351)，文獻(xiàn)合作度2.31 (811/351)。351篇文獻(xiàn)中被引頻次≥1次的文獻(xiàn)有196篇，其中被引1～10次的文獻(xiàn)有154篇(78.57%)，被引頻次>10次有42篇(21.43%)。351篇文獻(xiàn)中基金論文105篇(29.91%)，其中國(guó)家級(jí)課題22篇，省級(jí)(含自治區(qū))課題46篇，廳局級(jí)及市級(jí)課題26篇，院校級(jí)課題9篇,醫(yī)院級(jí)課題2篇。

2.5 數(shù)據(jù)挖掘技術(shù)分布情況

對(duì)納入的351篇文獻(xiàn)進(jìn)行文獻(xiàn)計(jì)量學(xué)分析后,得到護(hù)理領(lǐng)域使用率排名前5的數(shù)據(jù)挖掘技術(shù)為：聚類(lèi)分析142篇(40.46%)，主成分分析131篇(37.32%)，決策樹(shù)36篇(10.26%)，關(guān)聯(lián)規(guī)則20篇(5.70%)，遺傳算法17篇(4.84%)。經(jīng)研究分析顯示，有關(guān)聚類(lèi)分析的文獻(xiàn)中用于揭示護(hù)理領(lǐng)域研究熱點(diǎn)的文獻(xiàn)有81篇，用于提升護(hù)理管理效率(包括績(jī)效及人力資源管理)的文獻(xiàn)32篇，此外根據(jù)患者健康相關(guān)數(shù)據(jù)提取聚類(lèi)信息，用于提高臨床護(hù)理質(zhì)量的文獻(xiàn)29篇；應(yīng)用主成分分析作為數(shù)據(jù)挖掘技術(shù)的文獻(xiàn)均是在量表制定過(guò)程中被用于檢驗(yàn)量表的結(jié)構(gòu)效度；36篇應(yīng)用決策樹(shù)挖掘事物影響因素的文獻(xiàn)中，有20篇文獻(xiàn)基于影響因素的挖掘用于構(gòu)建評(píng)價(jià)護(hù)理質(zhì)量的體系，有16篇用于構(gòu)建護(hù)理不良事件的預(yù)測(cè)模型；關(guān)聯(lián)規(guī)則多用于分析事物的影響因素(15篇)及臨床護(hù)理的規(guī)律(5篇)，其中15篇事物影響因素挖掘的文獻(xiàn)中分別是用于分析影響患者滿(mǎn)意度因素、延緩疾病恢復(fù)因素及促進(jìn)不良反應(yīng)發(fā)生因素(各5篇)；遺傳算法則均用于解決護(hù)士排班問(wèn)題，以?xún)?yōu)化護(hù)理資源配置，提升護(hù)理管理效率。

3 討論

3.1 文獻(xiàn)年度發(fā)文的分析

從圖1可見(jiàn)，數(shù)據(jù)挖掘應(yīng)用于護(hù)理領(lǐng)域的研究發(fā)展可分為兩個(gè)階段：起始階段(1996-2010年)，發(fā)文數(shù)54篇，占文獻(xiàn)總量的15.38%，與數(shù)據(jù)挖掘在護(hù)理領(lǐng)域的應(yīng)用尚處于探索階段，存在資源信息共享不完善及專(zhuān)業(yè)人才資源短缺等問(wèn)題有關(guān)[4]；快速發(fā)展階段(2011-2019年)，隨著數(shù)據(jù)挖掘理論的成熟，應(yīng)用范圍的擴(kuò)大，數(shù)據(jù)挖掘應(yīng)用于護(hù)理領(lǐng)域的成果明顯增多，這可能與2011年護(hù)理學(xué)成為一級(jí)學(xué)科，為護(hù)理事業(yè)與護(hù)理信息化發(fā)展提供了廣闊的空間有關(guān)[5]。

3.2 文獻(xiàn)發(fā)文地區(qū)及機(jī)構(gòu)分布分析

文獻(xiàn)第一作者地區(qū)分布廣泛，但發(fā)文量存在明顯差異，北京、江蘇、上海、山東、湖北5個(gè)發(fā)文量最多的省市發(fā)文占文獻(xiàn)總量的42.74%。王佳寧等[6]發(fā)現(xiàn)一個(gè)地區(qū)科技的進(jìn)步和經(jīng)濟(jì)的增長(zhǎng)是相輔相成的，科學(xué)技術(shù)推動(dòng)著該地區(qū)經(jīng)濟(jì)的增長(zhǎng)，反過(guò)來(lái)增長(zhǎng)的經(jīng)濟(jì)可通過(guò)加大科研經(jīng)費(fèi)的投入來(lái)促進(jìn)該地區(qū)科技的發(fā)展。這也就解釋了為什么北京、江蘇及上海等經(jīng)濟(jì)發(fā)達(dá)省市發(fā)表的有關(guān)數(shù)據(jù)挖掘在護(hù)理領(lǐng)域中應(yīng)用的文獻(xiàn)量較多。醫(yī)學(xué)院校相比于其他機(jī)構(gòu)在護(hù)理領(lǐng)域的科研實(shí)力相對(duì)較強(qiáng)，其研究成果也相對(duì)較多。究其原因可能與高校的職能是培養(yǎng)出臨床和科研能力并重的高水平醫(yī)學(xué)人才有關(guān)。因?qū)W科交互已成為不可逆轉(zhuǎn)的國(guó)際趨勢(shì)[7]，非醫(yī)學(xué)院校的研究成果也占有一定的比例。

3.3 文獻(xiàn)期刊分布分析

納入的351篇文獻(xiàn)中,學(xué)術(shù)期刊載文252篇，碩士博士論文99篇。該研究中超過(guò)平均載文量2.45篇的10種期刊中僅有3種期刊被收錄中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)(2017-2018年度)[8]，且在該 3種期刊中發(fā)表的文獻(xiàn)僅占總文獻(xiàn)量的8.55%，可見(jiàn)數(shù)據(jù)挖掘應(yīng)用于護(hù)理領(lǐng)域的相關(guān)文獻(xiàn)在核心期刊上發(fā)表較少，表明該領(lǐng)域相關(guān)研究的深度和廣度不夠，這可能與護(hù)理人員對(duì)數(shù)據(jù)挖掘技術(shù)掌握度不夠、未能充分運(yùn)用該技術(shù)對(duì)臨床護(hù)理數(shù)據(jù)進(jìn)行全面挖掘有關(guān)。

3.4 文獻(xiàn)合著被引及基金資助分析

研究結(jié)果顯示，本研究的文獻(xiàn)合作度為2.31，遠(yuǎn)未達(dá)到中國(guó)科技期刊引證報(bào)告統(tǒng)計(jì)的指標(biāo)[9]?？蒲腥藛T間的相互合作可以發(fā)揮不同作者間的專(zhuān)長(zhǎng)，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，在促進(jìn)科研項(xiàng)目的發(fā)展同時(shí)還保證了該領(lǐng)域的研究水平和質(zhì)量。故為了提升文獻(xiàn)質(zhì)量，護(hù)理人員還應(yīng)重視團(tuán)隊(duì)成員間或與其他相關(guān)學(xué)科人員間的合作。論文被引頻次的多少表明了該篇論文的質(zhì)量及學(xué)術(shù)水平的高低，已經(jīng)成為論文評(píng)價(jià)的重要指標(biāo)之一[10]。本次研究納入的351篇文獻(xiàn)中，44.2%的文獻(xiàn)無(wú)被引記錄，被引頻次>10次的論文僅42篇，占被引文獻(xiàn)的21.43%，從被引頻次角度說(shuō)明目前數(shù)據(jù)挖掘在國(guó)內(nèi)護(hù)理領(lǐng)域文獻(xiàn)的利用率不高，論文質(zhì)量及學(xué)術(shù)影響力也尚處在較低水平，故需加強(qiáng)護(hù)理人員關(guān)于數(shù)據(jù)挖掘技術(shù)的培訓(xùn)，以提升該研究領(lǐng)域護(hù)理論文的質(zhì)量及學(xué)術(shù)影響力。相比于2016年統(tǒng)計(jì)的中國(guó)科技核心期刊基金論文比的平均值(0.59)[9]，該領(lǐng)域的基金論文數(shù)量相對(duì)較少，這可能是數(shù)據(jù)挖掘在我國(guó)護(hù)理領(lǐng)域起步較晚，護(hù)理人員對(duì)數(shù)據(jù)挖掘技術(shù)的熟悉度和掌握度相對(duì)較低，還未達(dá)到開(kāi)展這方面研究的能力，最終導(dǎo)致這方面課題的申報(bào)數(shù)量相對(duì)較少。

3.5 數(shù)據(jù)挖掘技術(shù)分析

3.5.1聚類(lèi)分析

本研究結(jié)果顯示，聚類(lèi)分析在護(hù)理研究中的應(yīng)用最頻繁(占總文獻(xiàn)數(shù)量的40.46%)，究其原因可能是聚類(lèi)分析可用于揭示護(hù)理領(lǐng)域的研究熱點(diǎn)，而對(duì)熱點(diǎn)的準(zhǔn)確把握對(duì)于一門(mén)學(xué)科今后的發(fā)展至關(guān)重要[11]。戴紅等[12]將聚類(lèi)分析應(yīng)用于中醫(yī)護(hù)理領(lǐng)域，揭示了中醫(yī)護(hù)理技術(shù)在臨床應(yīng)用的研究熱點(diǎn)，為促進(jìn)中醫(yī)護(hù)理技術(shù)的發(fā)展提供了科學(xué)依據(jù)和理論參考。對(duì)護(hù)理人力資源及患者健康相關(guān)數(shù)據(jù)等進(jìn)行聚類(lèi)，為優(yōu)化護(hù)理方案提供依據(jù)，提升護(hù)理質(zhì)量。李建[13]應(yīng)用聚類(lèi)分析對(duì)護(hù)理人員進(jìn)行分類(lèi)，實(shí)現(xiàn)護(hù)理崗位最優(yōu)人員配置，提升護(hù)理管理質(zhì)量。黃玉梅[14]對(duì)社區(qū)護(hù)士所需的知識(shí)與技能進(jìn)行聚類(lèi)，為規(guī)劃社區(qū)護(hù)士崗前培訓(xùn)內(nèi)容提供了參考依據(jù)。

3.5.2主成分分析

當(dāng)前醫(yī)療護(hù)理數(shù)據(jù)中存在許多“軟數(shù)據(jù)”，這是一些不可直接測(cè)量的指標(biāo)或抽象的概念，而這些指標(biāo)或抽象的概念如疼痛評(píng)價(jià)指標(biāo)及患者滿(mǎn)意度等若能得到客觀的評(píng)價(jià)可有助于提高患者的治療效果、節(jié)約醫(yī)療成本以及提升護(hù)理質(zhì)量[15]，故如何正確利用醫(yī)療護(hù)理“軟數(shù)據(jù)”是當(dāng)前護(hù)理人員關(guān)注焦點(diǎn)之一。而護(hù)理評(píng)價(jià)量表作為一款測(cè)量“軟數(shù)據(jù)”的工具，也被護(hù)理研究者所青睞[16]。在量表制定的過(guò)程中，主成分分析因良好的量表結(jié)構(gòu)效度檢驗(yàn)而被廣泛使用[17]。涂姝婷等[18]應(yīng)用主成分分析檢測(cè)量表的結(jié)構(gòu)效度，經(jīng)檢測(cè)的量表在測(cè)量社區(qū)護(hù)理人員工作環(huán)境方面有較好的信效度。這也解釋了本研究結(jié)果中主成分分析在護(hù)理學(xué)研究中較為常用的原因。

3.5.3其他數(shù)據(jù)挖掘技術(shù)

本研究顯示，除聚類(lèi)分析及主成分分析以外，其他數(shù)據(jù)挖掘技術(shù)在護(hù)理學(xué)研究中的應(yīng)用率不到25%，這表明目前對(duì)于醫(yī)療護(hù)理數(shù)據(jù)的挖掘存在數(shù)據(jù)挖掘方法單一以及較為特殊和復(fù)雜的數(shù)據(jù)挖掘技術(shù)使用率低等問(wèn)題，這可能與護(hù)理人員的整體信息處理能力及數(shù)據(jù)挖掘知識(shí)存在不足有關(guān)[19]。這些較為特殊和復(fù)雜的數(shù)據(jù)挖掘技術(shù)，如決策樹(shù)、關(guān)聯(lián)規(guī)則等可發(fā)現(xiàn)更多的護(hù)理新規(guī)律，不但可優(yōu)化護(hù)理資源配置及護(hù)理質(zhì)量管理等，還可提升護(hù)理人員護(hù)理患者的水平[20]。故今后應(yīng)增加護(hù)理人員信息處理技術(shù)的培訓(xùn)，加大護(hù)理信息專(zhuān)科人才的培養(yǎng)，以促進(jìn)數(shù)據(jù)挖掘技術(shù)在護(hù)理領(lǐng)域中的有效應(yīng)用。