朱世琴，鄧 波，羅 歡，鄒樹芳

1.西南醫(yī)科大學(xué)附屬醫(yī)院內(nèi)分泌科（瀘州 646000）；2.西南醫(yī)科大學(xué)護理學(xué)院（瀘州 646000）

《健康中國2030》要求引導(dǎo)醫(yī)療服務(wù)逐漸由疾病治療向疾病預(yù)防轉(zhuǎn)變，隨著“5P醫(yī)學(xué)模式”的發(fā)展，臨床研究者可通過建立疾病模型來預(yù)測疾病的風險因子及預(yù)后，對預(yù)測的危險因素提出針對性的干預(yù)方案[1]。預(yù)測模型是使用數(shù)學(xué)模型對臨床歷史和現(xiàn)有的數(shù)據(jù)進行建模，以獲得疾病未來的變化及預(yù)后情況，將臨床行為由治療提前到預(yù)防[2]。目前常用于預(yù)測研究的模型包括回歸模型、決策樹、隨機森林、支持向量機、神經(jīng)網(wǎng)絡(luò)及列線圖模型等[3]。國外主要圍繞心血管疾病、腫瘤治療后并發(fā)癥開展預(yù)測研究。國內(nèi)預(yù)測研究主要圍繞構(gòu)建壓力性損傷[4]、老年人跌倒[5]、產(chǎn)后出血[6]與長期護理保險[7]等預(yù)測模型，這些模型在單個研究中都具有較好的靈敏度和特異度，為患者疾病的治療和預(yù)防提供了新的思路。而護理預(yù)測研究相對欠缺，廣度與深度均不足，因此本研究擬通過計量分析，對國內(nèi)護理預(yù)測研究文獻的熱點和發(fā)展趨勢進行解析，以期為護理相關(guān)研究的開展提供精準選擇與借鑒。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

選擇中國知網(wǎng)（CNKI）數(shù)據(jù)庫。檢索時間從數(shù)據(jù)庫建庫至2020年8月1日。檢索詞包括：護理、預(yù)測研究、預(yù)測模型、預(yù)警模型、神經(jīng)網(wǎng)絡(luò)、決策樹、隨機森林、回歸模型、支持向量機、機器學(xué)習(xí)。選擇專業(yè)檢索：SU%=“護理”AND SU%=（“預(yù)測研究”O(jiān)R“預(yù)測模型”O(jiān)R“神經(jīng)網(wǎng)絡(luò)”O(jiān)R“決策樹”O(jiān)R“隨機森林”O(jiān)R“回歸模型”O(jiān)R“預(yù)警模型”O(jiān)R“機器學(xué)習(xí)”O(jiān)R“支持向量機”）。共檢索文獻728 篇，排除政府公報、約稿和新聞等，通過Note?Express 整理、去重以及閱讀全文后最終納入文獻676篇。將所有納入文獻以Refworks 的格式導(dǎo)出，以down?load_.txt 的文件名保存，保留文獻的題目、作者、摘要、關(guān)鍵詞、所屬機構(gòu)、期刊、基金和摘要等信息。

1.2 研究方法

本次研究主要使用文獻計量軟件Citespace 5.7 R2和VOSviewer 對數(shù)據(jù)中的合作者網(wǎng)絡(luò)、合作機構(gòu)網(wǎng)絡(luò)、基金網(wǎng)絡(luò)、期刊分布網(wǎng)絡(luò)以及關(guān)鍵詞進行動態(tài)、多元和分時段分析[8-9]。因本次研究中第一篇文章發(fā)表在1987年，故將Citespace 的分析時段設(shè)為1987 年至2020 年，單個時間分區(qū)長度為1年；閾值設(shè)置為Top=50；以Au?thor（作者）、Keywords（關(guān)鍵詞）、Institution（機構(gòu)）、Source（期刊）、Grant（基金）為網(wǎng)絡(luò)節(jié)點進行可視化分析。將Citespace 數(shù)據(jù)以Pajek 格式導(dǎo)出，并導(dǎo)入VOS?viewer軟件中進行圖層疊加分析，以顯示研究主題隨時間的趨勢變化[10]。

2 結(jié)果

2.1 年度發(fā)文量分布

發(fā)文總量與年度發(fā)文量能反應(yīng)一個領(lǐng)域的熱點和趨勢，行業(yè)與專業(yè)的研究熱點和發(fā)展趨勢可從一個時間段內(nèi)的論文產(chǎn)出量得到反映[11]。從1987年至2020年預(yù)測研究發(fā)文量呈上升趨勢，尤其是2018年至2020年發(fā)文量由54 篇躍升為111 篇，2020 半年發(fā)文為52 篇，見圖1。

圖1 年度發(fā)文分布情況Figure 1 Distribution of annual publications

2.2 發(fā)文期刊分布

本次研究共有302種期刊刊載過護理預(yù)測研究的文章。刊文前10 位的期刊中，9 個均為護理期刊，無衛(wèi)生類綜合期刊，見表1。

表1 刊文期刊分布Table 1 Distribution of published periodicals

2.3 發(fā)文機構(gòu)分布

對納入文獻發(fā)文機構(gòu)進行分析，共592 家單位參與護理預(yù)測研究。發(fā)文最多的機構(gòu)是北京協(xié)和醫(yī)學(xué)院，前10位機構(gòu)發(fā)文總量占總發(fā)文量的16.86%。聚類分析中一個節(jié)點表示一個機構(gòu)，連線表示機構(gòu)之間的合作情況，Q值＞0.3顯示聚類結(jié)果良好，網(wǎng)絡(luò)密度越靠近1越好[12]。本次分析共產(chǎn)生403 個節(jié)點，117 條連線，網(wǎng)絡(luò)密度為0.0014，Q=0.9769，顯示聚類效果良好，但網(wǎng)絡(luò)密度低，顯示機構(gòu)之間合作研究少，見表2。

表2 發(fā)文機構(gòu)分布Table 2 Distribution of issuing institutions

2.4 發(fā)文作者分布

納入文獻中共參與發(fā)文的作者為1 573人，發(fā)文最多的作者為吳疆，發(fā)文10篇。發(fā)文5篇及以上的作者共3 人。發(fā)文2～ 5 篇共123 人。發(fā)文1 篇的作者共1 447人，占比91.99%。聚類結(jié)果顯示，目前僅形成了以何宇迪、王德耀、吳疆、劉華平、梁萍和薛繼芳為核心的6個作者群。聚類共產(chǎn)生504個節(jié)點，408條連線，網(wǎng)絡(luò)密度為0.0032，Q=0.9835，聚類的效果較好。但作者之間網(wǎng)絡(luò)密度低，顯示作者之間聯(lián)系不緊密，大部分作者仍是散在分布，見圖2。

圖2 發(fā)文作者知識網(wǎng)絡(luò)圖譜Figure 2 Knowledge network graph of the author

2.5 基金支持分布

基金支持在一定程度上能反應(yīng)該研究方向的熱度和政策支持力度[13]。全部文獻共獲得163 項基金支持，其中國家級和省部級項目各24 項，各占比14.72%；廳局級項目85 項，占比52.15%；校級與院級項目各15項，各占比9.20%，見表3。

表3 基金資助分布（資助頻次≥2次）Table 3 Distribution of fund support（frequency ≥2）

2.6 關(guān)鍵詞分布

關(guān)鍵詞是對研究領(lǐng)域主題的高度提煉和概括，對某個領(lǐng)域關(guān)鍵詞的頻次、中心度、突發(fā)強度的研究可以有效反應(yīng)該領(lǐng)域某個時間段的研究主題[14]。本次研究共產(chǎn)生586 個節(jié)點，1 015 條連線，網(wǎng)絡(luò)密度為0.0059，Q=0.9835。結(jié)果顯示聚類效果良好，但網(wǎng)絡(luò)密度低，說明關(guān)鍵詞分布相對較分散。除檢索詞外，出現(xiàn)頻次較高的關(guān)鍵詞還有：壓力性損傷、風險/影響因素、護理干預(yù)、老年人、產(chǎn)后出血、衛(wèi)生人力資源、長期護理需求/保險等，見圖3。

圖3 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜Figure 3 Keywords co-occurrence network atlas

2.7 研究熱點和趨勢分布

在關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上對關(guān)鍵詞進行時序分析，2010 年至2015 年，護理預(yù)測研究主題主要集中在衛(wèi)生人力資源管理、壓力性損傷、精神病患者行為和護士工作量等方面，所使用的模型主要是Logistic回歸模型、決策樹與灰色預(yù)測模型；2016年至2020年，護理預(yù)測研究主題向護理績效、妊娠期高血壓、失能老人、腦卒中、譫妄、心血管疾病以及產(chǎn)后出血轉(zhuǎn)變，所使用的預(yù)測模型向結(jié)構(gòu)方程模型、人工神經(jīng)網(wǎng)絡(luò)（BP 神經(jīng)網(wǎng)絡(luò)/卷積神經(jīng)網(wǎng)絡(luò)）、機器學(xué)習(xí)與大數(shù)據(jù)等復(fù)雜網(wǎng)絡(luò)模型構(gòu)建轉(zhuǎn)變，見圖4。

圖4 關(guān)鍵詞疊加聚類可視化圖譜Figure 4 Visualization map of keyword superimposed clustering

3 討論

3.1 國內(nèi)護理預(yù)測研究起步早，但發(fā)展緩慢，整體發(fā)文量偏低

從1987年至2018年，護理領(lǐng)域的預(yù)測研究文獻增長緩慢，二十年里年發(fā)文量僅從1 篇增加到54 篇。但2018年至2020年發(fā)文量增長迅速，兩年時間年發(fā)文量由54 篇增加到111 篇，2020 年半年發(fā)文量為52 篇。這與《健康中國2030》的提出和推進有關(guān)，該戰(zhàn)略的提出推動臨床疾病治療理念由治療向預(yù)防前移[15]。隨著疾病譜和慢性病患者人數(shù)的逐年遞增，國家公共醫(yī)療衛(wèi)生支出增長迅速，導(dǎo)致醫(yī)?；鹭摀粩嗉又兀噍^于發(fā)病后的治療，提前預(yù)知和干預(yù)疾病可有效緩解患者和公共衛(wèi)生資源負擔，因此推動了疾病管理政策向疾病預(yù)防傾斜，加速了研究人員在疾病預(yù)測模型領(lǐng)域的研究進度[16]。

3.2 研究領(lǐng)域單一，學(xué)科分布不均衡，應(yīng)重視多學(xué)科合作團隊的建設(shè)

發(fā)文期刊是一個領(lǐng)域各研究方向的綜合[17]。護理預(yù)測研究領(lǐng)域的文章多發(fā)表在護理核心期刊上，雖說明該領(lǐng)域研究的文章質(zhì)量較好，但文章過度集中在護理領(lǐng)域期刊，反應(yīng)研究相對局限，缺乏多學(xué)科的交叉，尤其是與社會學(xué)、信息學(xué)和公共衛(wèi)生領(lǐng)域等學(xué)科的交叉。在疾病預(yù)防日益重要的大背景下，疾病的預(yù)測研究不應(yīng)局限于單一的護理領(lǐng)域，應(yīng)涉及基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)、信息科學(xué)、社會學(xué)等多個領(lǐng)域。因此在下一步的研究和實踐中，應(yīng)重點從多學(xué)科間的合作入手，構(gòu)建大健康與護理的結(jié)合，增加護理在該領(lǐng)域的創(chuàng)新性，提升該研究領(lǐng)域的豐度，推動多學(xué)科聯(lián)合成果的產(chǎn)生。

3.3 各區(qū)域機構(gòu)研究發(fā)展不平衡，核心研究機構(gòu)和作者群尚在形成中

研究機構(gòu)之間的合作可以促進一個研究領(lǐng)域多樣性的發(fā)展，拓寬研究方向，進而從整體上把控研究的深度和廣度[18]。護理預(yù)測領(lǐng)域的研究多集中在醫(yī)科大學(xué)及其附屬醫(yī)院，集中分布在東中部地區(qū)，西部地區(qū)研究相對落后。機構(gòu)聚類分析的結(jié)果顯示研究機構(gòu)之間的合作少，多數(shù)為單一研究機構(gòu)。核心作者群是該領(lǐng)域科研實踐連續(xù)性及深入性的縮影，一個研究群體持續(xù)關(guān)注某一個研究方向，可隨時掌握該方向的最新前沿，得到更加深入的見解[19]。在“護理+預(yù)測研究”領(lǐng)域，初步形成了以何宇迪、王德耀、吳疆、劉華平、薛繼芳、梁萍為核心的團隊，其中以何宇迪、吳疆、薛繼芳的研究持續(xù)性更高，其團隊分別以老年跌倒、護理人力資源和績效管理、精神病患者為研究主題，在各自領(lǐng)域的研究持續(xù)時間都超過5年。僅發(fā)過一篇文章的作者偏多，表明國內(nèi)的研究還未在護理預(yù)測領(lǐng)域形成固定的研究方向，作者之間的溝通交流較少。因此，在下一步的研究中應(yīng)構(gòu)建研究者之間溝通交流平臺，加強研究者之間的聯(lián)系，盡快形成該領(lǐng)域長期的研究方向，以便形成更多有意義的研究主題。

3.4 研究主題亟待擴展，關(guān)注研究前沿與趨勢，積極開拓研究新領(lǐng)域

從關(guān)鍵詞的圖譜可視化分析可知，除檢索詞外，衛(wèi)生人力資源、壓力性損傷、老年人、護理干預(yù)、精神病患者、Logitic 回歸、決策樹等研究主題出現(xiàn)的頻次較高。其中衛(wèi)生人力資源、壓力性損傷與老年人跌倒的研究是臨床護理長期的研究主題。2020 年世界衛(wèi)生大會再次指出投資衛(wèi)生人力資源，以確保世界人民都能得到安全的衛(wèi)生服務(wù)，強調(diào)必須加大對護理人力資源的投資[20]。壓力性損傷是護理傷口研究的主要方向之一，隨著慢性疾病患病率的增加，老年人成為壓力性損傷的高危人群，其住院時間長，醫(yī)療費用增加，醫(yī)療負擔加重及衛(wèi)生資源加速消耗。壓力性損傷最有效的措施是進行預(yù)防，構(gòu)建預(yù)測模型對壓力性損傷的發(fā)生和發(fā)展進行有效預(yù)測，提前干預(yù)[21]。隨著我國老齡化進程的加速，老年人照護需求飛速增加，隨著國家養(yǎng)老政策的推動，老年人護理需求、醫(yī)養(yǎng)結(jié)合、長期護理保險的預(yù)測研究成為了老年人研究領(lǐng)域的新熱點[22]。

關(guān)鍵詞疊加聚類圖分析了近十年護理預(yù)測研究的主題變化情況：2010年至2015年護理預(yù)測研究主要是通過決策樹和Logistic回歸的方式對護理質(zhì)量、衛(wèi)生人力資源管理、壓力性損傷和精神病患者行為等進行預(yù)測研究。2015 年至2020 年主要是使用灰色預(yù)測模型、結(jié)構(gòu)方程模型、人工神經(jīng)網(wǎng)絡(luò)和其它機器學(xué)習(xí)的方式對老年人、醫(yī)養(yǎng)結(jié)合需求、產(chǎn)后出血、心血管疾病和單病種付費等進行模型構(gòu)建。研究主題的變化反映出護理研究熱點向社會熱點、臨床慢性疾病改變，模型構(gòu)建方式也從經(jīng)典的線性模型向更貼近臨床真實數(shù)據(jù)的非線性模型改進，使模型的臨床可使用性得到提高[23]。因此在下一步研究中，應(yīng)加大機器學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域中的切入深度，使人工智能技術(shù)結(jié)合臨床護理信息系統(tǒng)開展疾病的預(yù)測研究，形成護理領(lǐng)域的大數(shù)據(jù)研究[24]。

4 結(jié)論

“護理+預(yù)測研究”目前在我國正處于快速發(fā)展期。對其進行計量學(xué)分析后發(fā)現(xiàn)發(fā)文量整體較少，研究主要集中在護理學(xué)方向，缺乏多學(xué)科、跨地域和跨機構(gòu)的合作，缺乏大范圍的核心作者群體，研究主題相對局限，新興主題處于探索中。因此，后續(xù)研究應(yīng)當增加研究的深度和廣度，注重學(xué)科間的交流與合作，并加強作者和機構(gòu)間的合作，拓展出豐富的研究主題，促進護理預(yù)測研究更加系統(tǒng)化、規(guī)范化、科學(xué)化，推動護理相關(guān)研究從理論研究向?qū)嵶C研究轉(zhuǎn)變，提升護理研究的創(chuàng)新性與深度，進而提高護士群體的積極性和成就感。

（利益沖突：無）