陳小清，李煒超，劉 麗，邢美園

大數(shù)據(jù)時代，隨著科學研究的不斷深化，創(chuàng)新技術(shù)的不斷發(fā)展，科學研究變得越加復雜，僅靠單一學科知識已經(jīng)無法完全滿足科學技術(shù)發(fā)展的需求，借鑒、參考其他學科的研究成果或研究方法成為科研創(chuàng)新涌現(xiàn)的源泉。因此不同學科間開始交叉，相互融合與輔助，跨學科合作研究形式逐步興起［1］。2019 年Nature刊載的一篇文章，以Web of Science（WOS）收錄的1900-2019 年發(fā)表的8.8萬余篇論文為數(shù)據(jù)源，分析了這些論文的施引和被引的學科后發(fā)現(xiàn)，論文的參考文獻和引用的學科多樣性正在增加，論文的跨學科性也在增加，科學研究越來越呈現(xiàn)出跨學科的特點［2］。諾貝爾獎官網(wǎng)統(tǒng)計資料顯示：“1901-2016 年間諾貝爾自然科學獎跨學科研究成果獲獎數(shù)共計210 項，而具有不同學科背景的合作獎人數(shù)占比從1901年的35%增長至2016 年的87.6%”［3］。由此可見跨學科研究意義重大，它是促進知識生產(chǎn)和創(chuàng)造的重要途徑，有助于潛在知識生長點的識別與創(chuàng)新趨勢的預測，有利于促進創(chuàng)造性成果的萌發(fā)。

目前，研究者主要從3 個角度對跨學科進行測度分析［4］，分別為基于參考文獻的跨學科測度［5-6］、基于合著者的跨學科測度［1，7］和基于文獻內(nèi)容的跨學科測度［8-9］。參考文獻作為學術(shù)論文的重要組成部分，能夠反映其知識基礎及學科知識來源，參考文獻的學科多樣性也能夠體現(xiàn)論文的學科交叉程度［10］。從參考文獻角度對跨學科性進行的研究主要集中在圖書情報學［6，11-13］、人文社會科學［14］、經(jīng)濟學和物理學［15］、物理學和化學［16］、人工智能領(lǐng)域［17］，分析醫(yī)學信息學領(lǐng)域跨學科性的研究并不多。有學者借鑒文化知識模因的思想，研究了醫(yī)學信息學與衛(wèi)生保健、醫(yī)學、計算機科學和統(tǒng)計學的知識關(guān)系［18］；有學者利用知識產(chǎn)出分析了醫(yī)學信息學的發(fā)展特征及其與關(guān)聯(lián)學科間的交叉關(guān)聯(lián)特征和發(fā)展態(tài)勢［19］；有學者以醫(yī)學信息學作為示例研究了知識引入和知識產(chǎn)出的學科交叉度特征，其中知識引入方面的學科交叉度指標包括引用學科類別總數(shù)、跨學科引用指數(shù)、信息熵和專業(yè)度［20］。本文利用WOS 收錄論文的參考文獻數(shù)據(jù)集，基于WOS 核心合集的學科分類體系，選取跨學科種數(shù)和布里淵指數(shù)對近60年國際上醫(yī)學信息學領(lǐng)域的跨學科特性及其與論文影響力關(guān)系進行統(tǒng)計分析，以展示醫(yī)學信息學領(lǐng)域的跨學科情況，為醫(yī)學信息學的深入研究提供參考。

1 數(shù)據(jù)與方法

1.1 核心學科

本文涉及的所有學科均來自WOS 最新的學科分類體系。由于醫(yī)學信息學相關(guān)研究對其他學科文獻的引用分布并不均勻，因此不同學科的被引次數(shù)、被引時間跨度也各不相同。為了突顯不同被引學科的重要程度，參考已有研究引入核心學科的概念［21］。如果在參考文獻中某學科的比例高于該學科在WOS 中論文比例時，該學科即為核心學科，反之則為非核心學科。由于本文中WOS 收錄的醫(yī)學信息學原始文獻截止到2019 年，因此在計算某學科在WOS 中論文比例時，統(tǒng)一設置這些學科的原始文獻截止年為2019 年。

1.2 跨學科測度指標

國內(nèi)外具有代表性的跨學科測度指標主要有跨領(lǐng)域引用指數(shù)、信息熵、布里淵指數(shù)（Brillouin’s Index，BI）、跨學科種數(shù)、專業(yè)度和區(qū)分度指數(shù)、中介中心度、基尼指數(shù)、Rao-Stirling 指數(shù)、多樣性指標（diversity，DIV）、Ture diversity（TD）等［22-23］，本文采用的度量指標是布里淵指數(shù)和跨學科種數(shù)。

1.2.1 布里淵指數(shù)

布里淵指數(shù)是基于引文的跨學科性測度最常用的指標，其計算公式為：

公式（1）中，N代表樣本總數(shù)，ni是指i類別中的樣本數(shù)。本文測量的是年度論文參考文獻集，N指某年所有論文的參考文獻所涉及的學科總數(shù)，ni為i學科被引用的次數(shù)。在WOS 學科分類體系中存在一對多的情況，即一種期刊同屬于2 個或以上學科，本文將文獻所涉及的學科都參與計算。BI 的取值范圍是［0，+∞）?？鐚W科引用的學科類別i越多，ni在各學科中分布越均勻，BI 就越大，觀測對象的多樣性程度就越高，即文獻的跨學科程度就越高［12］。

1.2.2 跨學科種數(shù)

本文所指的跨學科種數(shù)是指除該文所屬學科醫(yī)學信息學外，這篇論文的參考文獻所屬的學科類別數(shù)?？鐚W科種數(shù)越多，說明該學科與其他學科交叉程度越大。

1.3 影響力評價指標

選取被引頻次、學科規(guī)范化的引文影響力（category normalized citation impact，CNCI）和相對于全球平均水平的影響力（impact relative to world，IRW）作為學術(shù)影響力評價指標，選取使用次數(shù)作為社會影響力評價指標。從WOS下載的全記錄數(shù)據(jù)中提取被引頻次和使用次數(shù)，從InCites 數(shù)據(jù)庫中檢索并下載學科分類為“Medical Informatics”的年度數(shù)據(jù)獲得CNCI 和IRW。

1.4 數(shù)據(jù)來源與處理

本文以WOS 數(shù)據(jù)庫中的SCIE 和SSCI 兩大期刊引文索引為數(shù)據(jù)來源，檢索式為：WC=medical informatics，發(fā)文時間截止到2019 年，文獻類型限定為“article”，下載文獻的“全記錄與引用的參考文獻”格式。檢索時間是2021 年6 月4 日。論文參考文獻所屬學科通過其來源出版物所屬學科認定，通過Python 腳本計算實現(xiàn)。計算過程中剔除參考文獻為空的論文。

各指標年度數(shù)據(jù)通過Python 腳本計算，并借助Gephi 可視化軟件對部分結(jié)果進行展示。指標間的相關(guān)性分析利用SPSS 19.0 軟件進行Spearman 相關(guān)檢驗（檢驗水準α=0.05）。本文的研究分析框架如圖1 所示。

圖1 醫(yī)學信息學跨學科分析及跨學科測度指標與論文影響力關(guān)系的研究分析框架

2 結(jié)果

共計檢索得到61 523 篇醫(yī)學信息學論文，有效論文61 211 篇，最早的論文發(fā)表于1961 年。2010-2019 年各年度的發(fā)文量（剔除參考文獻為空的論文）、BI、被引頻次等相關(guān)指標見表1。

表1 2010-2019 年醫(yī)學信息學領(lǐng)域跨學科測度指標和影響力指標

2.1 核心學科

檢索得到的61 211 篇醫(yī)學信息學論文的參考文獻共涉及229 個學科，學科之間引用情況見圖2。圖2 中每個節(jié)點代表不同的學科，節(jié)點的大小表示該學科的知識流入總量（即被引次數(shù)總和），節(jié)點越大說明被引次數(shù)越多，反之則越少；邊反映醫(yī)學信息學和其他學科之間的知識交叉情況，邊的粗細代表交叉程度的大小，由相應節(jié)點學科和醫(yī)學信息學的共現(xiàn)次數(shù)決定，邊越粗代表學科之間的交叉越密切，反之則交叉關(guān)系較淺。參考文獻是知識流入的標志，通過參考文獻學科類別可體現(xiàn)不同學科知識貢獻。圖2 顯示，醫(yī)學信息學領(lǐng)域的研究除本學科的基礎研究外，以衛(wèi)生保健科學和服務（Health Care Sciences &Services）、統(tǒng)計學和概率（Statistics &Probability）、全科和內(nèi)科學（General &Internal Medicine）的學科知識流入貢獻最大。

圖2 醫(yī)學信息學論文對其他學科的引用

經(jīng)計算，共得到33 個核心學科，這些學科發(fā)文量占WOS 文獻總量的19.79%，在醫(yī)學信息學論文參考文獻涉及學科的總頻次中占62.09%（表2）。33個核心學科首次出現(xiàn)時間主要集中在1961-1992年，時間跨度上均從出現(xiàn)后一直持續(xù)至今。與醫(yī)學信息學關(guān)系最密切的是衛(wèi)生保健科學和服務（Health Care Sciences &Services），其次是統(tǒng)計學和概率（Statistics &Probability），隨后是全科和內(nèi)科學（General &Internal Medicine），公共事業(yè)、環(huán)境和職業(yè)健康（Public，Environmental &Occupational Health ）、數(shù)學和計算生物學（Mathematical &Computational Biology），這與圖2顯示結(jié)果一致。核心學科中，20 個為生物醫(yī)學相關(guān)學科，7 個為計算機科學相關(guān)學科，占參考文獻所涉及學科總量的47.83%，這可能與醫(yī)學信息學自身是醫(yī)學和信息科學的交叉學科有關(guān)。

表2 醫(yī)學信息學論文參考文獻的核心學科

2.2 跨學科情況

1961-2019 年醫(yī)學信息學的BI 取值范圍為［0.6451,1.7490］，平均值為1.5361。1976 年之前醫(yī)學信息學的BI 基本在均值以下，1976 年之后BI值均在平均值之上。醫(yī)學信息學跨學科種數(shù)的取值范圍為［10,225］，平均值為137。1989 年之前醫(yī)學信息學每年論文的跨學科種數(shù)在平均值之下，1989年之后均在平均值之上。近60 年醫(yī)學信息學的BI和跨學科種數(shù)分布見圖3。

圖3 1961-2019 年醫(yī)學信息學BI 和跨學科種數(shù)年度分布

圖3 顯示，醫(yī)學信息學的跨學科種數(shù)一直在不斷增加，且有繼續(xù)上升的趨勢。BI 的變化主要分為3 個階段：第一階段（1961-1976 年）為波動期，出現(xiàn)了27 個核心學科；第二階段（1977-2005年）為穩(wěn)定發(fā)展期，相繼出現(xiàn)了6 個新的核心學科，均為醫(yī)學相關(guān)學科；第三階段（2006-2019 年）為緩慢上升期，跨學科種數(shù)平穩(wěn)增加，33 個核心學科均已出現(xiàn)，醫(yī)學信息學的學科交叉性表現(xiàn)越來越明顯。

2.3 相關(guān)性

跨學科測度指標間及與影響力評價指標間的相關(guān)性分析結(jié)果見表3。因CNCI 和IRW 數(shù)據(jù)起始于1980 年，因此在分析與CNCI 和IRW 的相關(guān)性時從1980 年開始。根據(jù)相關(guān)系數(shù)r判斷兩變量相關(guān)的密切程度，r取值范圍為-1～1。r為正表示兩變量正相關(guān)，反之則負相關(guān)；|r|≥0.7 表示兩變量高度相關(guān)，0.7＞|r|≥0.4 表示兩變量中度相關(guān)，|r|＜0.4 表示兩變量低度相關(guān)［24］。

表3 跨學科測度指標間及與影響力評價指標間的相關(guān)性分析結(jié)果

分析結(jié)果顯示，BI 與跨學科種數(shù)呈高度正相關(guān)，BI、跨學科種數(shù)均與有效發(fā)文量、被引頻次、使用次數(shù)呈現(xiàn)高度正相關(guān)，BI 與CNCI 呈中度正相關(guān)，與IRW 呈弱正相關(guān)，跨學科種數(shù)與CNCI、IRW均呈現(xiàn)中度正相關(guān)。

3 分析

3.1 醫(yī)學信息學領(lǐng)域論文的跨學科表現(xiàn)

研究結(jié)果顯示，醫(yī)學信息學領(lǐng)域論文在發(fā)表的起始年就已存在引用其他學科的情況，且其跨學科種數(shù)逐年上升，這與以相同學科分類體系研究其他學科領(lǐng)域的跨學科趨勢有所不同。有研究結(jié)果顯示，人工智能領(lǐng)域研究論文在跨學科發(fā)展早期（萌芽期）未引用任何其他學科，即跨學科種數(shù)為零，引用的學科數(shù)量變化趨勢為“不變→迅速增加→上下波動→平穩(wěn)”［17］。該趨勢與有學者研究發(fā)現(xiàn)的醫(yī)學信息學領(lǐng)域的學科交叉演化特征結(jié)果相類似［20］。2019 年，在254 種學科分類中醫(yī)學信息學領(lǐng)域論文就涉及到229 種（占90.51%）。有學者研究發(fā)現(xiàn)國際上醫(yī)學信息學的研究熱點主要集中在電子健康檔案、臨床決策支持系統(tǒng)、數(shù)據(jù)的隱私與安全等衛(wèi)生信息技術(shù)這3 大類中［25］。醫(yī)學信息學研究中大數(shù)據(jù)技術(shù)至關(guān)重要，能夠?qū)⑿畔⒓夹g(shù)和醫(yī)療健康深度融合，充分挖掘數(shù)據(jù)的醫(yī)療價值，推動醫(yī)院綜合治療水平的提高。同時，醫(yī)學信息學研究過程中離不開醫(yī)學相關(guān)理論知識和實踐經(jīng)驗、計算機技術(shù)的融合。知識流入研究結(jié)果顯示，流入知識所涉及的學科對醫(yī)學信息學領(lǐng)域的研究有很大貢獻。1961-2019 年醫(yī)學信息學領(lǐng)域的知識流入主要集中在衛(wèi)生保健、醫(yī)學和計算機領(lǐng)域，關(guān)系最為密切的5 種學科為衛(wèi)生保健科學和服務，統(tǒng)計學和概率，全科和內(nèi)科學，公共事業(yè)、環(huán)境和職業(yè)健康及數(shù)學、計算生物學。這與其他學者得出的衛(wèi)生保健、醫(yī)學、計算機科學和統(tǒng)計學與醫(yī)學信息學之間的知識輸入關(guān)系依次變?nèi)酢⑿l(wèi)生保健與醫(yī)學所起到的知識作用大于計算機科學和統(tǒng)計學等結(jié)論［18］有所不同。

另外，醫(yī)學信息學的BI 除了早期（1961-1976年）出現(xiàn)波動外，基本呈上升趨勢，但幅度不大，平均值為 1.5361。有學者研究得出的學科多樣性測度指標跨領(lǐng)域引用指數(shù)和香農(nóng)熵的年度變化趨勢［26］與本文的跨學科測度指標布里淵指數(shù)在2010-2017 年間變化趨勢一致。

綜上所述，醫(yī)學信息學領(lǐng)域論文涉及的學科比較豐富，研究跨度非常廣泛，這可能與醫(yī)學信息學本身就屬于交叉學科有一定的關(guān)系。相關(guān)學科對醫(yī)學信息的核心研究領(lǐng)域的貢獻度明顯較大。醫(yī)學信息學的跨學科性明顯，而且一直在穩(wěn)步發(fā)展，但與經(jīng)濟學和物理學這種大學科相比，醫(yī)學信息學的跨學科強度仍有所欠缺。有學者對高被引論文跨學科性的比較分析結(jié)果顯示，經(jīng)濟學和物理學的年度BI 范圍均為（2.0，2.6），高于醫(yī)學信息學領(lǐng)域的BI［15］。

3.2 醫(yī)學信息學領(lǐng)域論文的跨學科測度指標

BI 綜合表達了學科交流的豐富性及引用與被引在各學科分布的均勻性。與跨學科引證指數(shù)、h度指標相比，更為均衡地考慮了學科引用的強度、廣度，以及引用頻次分布的均勻性對學科交叉程度的影響［14］。

從BI 的概念上看，跨學科引用的學科類別越多，引用頻次在各學科中分布越均勻，BI 就越大。本文的研究結(jié)果也證實了BI 與跨學科種數(shù)呈高度正相關(guān)性。有學者參考ESI 的22 個學科大類對1980-2018 年圖書情報學領(lǐng)域?qū)W科交叉程度與文獻學術(shù)影響力的關(guān)系進行研究，也得出了BI 與學科種數(shù)呈高度正相關(guān)性的結(jié)論［13］。本文的研究結(jié)果還顯示，隨著發(fā)文量的增加，BI、跨學科種數(shù)會上升，這一結(jié)論與有些學者的研究結(jié)果有所不同。有學者對人工智能領(lǐng)域進行跨學科研究，得出人工智能的年度BI、引用的學科數(shù)量均與文獻量不存在相關(guān)性［17］；有學者參考WOS 學科分類體系對圖書情報學期刊2013 年度論文集進行分析，得出BI 與發(fā)文量不存在相關(guān)性。這些學者的研究結(jié)果之所以與本文的研究結(jié)果存在差異，可能與研究的學科領(lǐng)域不同有關(guān)［27］。

3.3 跨學科測度指標與論文影響力關(guān)系

一般而言，BI 越大、跨學科數(shù)量越多，說明論文的跨學科性越強、知識流入的學科領(lǐng)域越多，但這并不意味著用戶對學術(shù)成果的關(guān)注度越高［28］，因此需要進一步研究跨學科測度指標與論文影響力的關(guān)系。論文影響力一般可分為學術(shù)影響力和社會影響力。

在學術(shù)影響力方面，本文的研究結(jié)果顯示，跨學科測度指標（BI 和跨學科種數(shù)）與論文總被引頻次呈現(xiàn)高度正相關(guān)性。研究所選取的指標不同或論文集不同，相關(guān)性結(jié)果也會不同。如有學者以香農(nóng)熵和跨學科引用指數(shù)作為跨學科測度指標時，發(fā)現(xiàn)香農(nóng)熵與總被引次數(shù)具有較強的正相關(guān)性，跨學科引用指數(shù)與被引頻次呈非常弱的相關(guān)關(guān)系［26］；有學者選取與本文相同跨學科測度指標（BI），以圖書情報學期刊作為團體研究對象時，發(fā)現(xiàn)論文總被引頻次與BI 呈現(xiàn)低度正相關(guān)性［27］。本文的研究結(jié)果還顯示，BI 與CNCI 呈中度正相關(guān)性（r=0.429），與IRW 呈弱正相關(guān)性（r=0.328）；跨學科種數(shù)與CNCI、IRW 均呈現(xiàn)中度正相關(guān)性（r值分別為0.433、0.455）。有學者研究結(jié)果顯示CNCI 與BI 和跨學科種數(shù)均呈現(xiàn)低度正相關(guān)性（r值分別為0.373、0.390）［13］，即與本文得出的結(jié)果有所不同，這可能是因為所參考的學科分類體系不同所致，該學者參考的是ESI 學科分類體系，而本文參考的是WOS 學科分類體系。

在社會影響力方面，本文的研究結(jié)果顯示，使用次數(shù)與BI、跨學科種數(shù)均呈現(xiàn)高度正相關(guān)性。目前，關(guān)于跨學科測度指標與社會影響力指標之間關(guān)系的研究較少。目前的研究結(jié)果顯示，不同的社會影響力評價指標與跨學科測試指標之間關(guān)系有所不同。如有學者對總使用次數(shù)和年均使用次數(shù)與跨學科測度指標（跨學科引用指數(shù)和香農(nóng)熵）的相關(guān)性進行分析，發(fā)現(xiàn)僅香農(nóng)熵與論文總使用次數(shù)存在較強的正相關(guān)性［26］；有學者基于Scopus 學科分類體系對高被引論文的跨學科性與Altmetrics 指標相關(guān)性進行分析，發(fā)現(xiàn)BI及跨學科種數(shù)與Altmetrics指標呈現(xiàn)負相關(guān)關(guān)系［28］。

綜上所述，醫(yī)學信息學領(lǐng)域論文的跨學科測度指標（BI 和跨學科種數(shù)）與論文的學術(shù)影響力和社會影響力均呈線性正相關(guān)關(guān)系。一方面，隨著跨學科種數(shù)的增加，BI 變大，年度論文的總被引頻次會增加，學科規(guī)范化引文影響力會增強，相對于全球平均水平的影響力也會提升；另一方面，論文的使用次數(shù)也會隨之增加，研究者的關(guān)注度也隨之提高。

4 結(jié)語

本文選取WOS 核心合集的分類體系，利用WOS 收錄論文的參考文獻，對醫(yī)學信息學的跨學科性及其與論文影響力的關(guān)系進行了分析，得出以下結(jié)論：一是醫(yī)學信息學的研究跨度非常廣泛，參考文獻涉及學科數(shù)量超過WOS 學科分類中學科總數(shù)的90%以上，但與經(jīng)濟學和物理學這種大學科相比，醫(yī)學信息學的跨學科強度仍有所欠缺；二是醫(yī)學信息學領(lǐng)域的知識流入主要集中在衛(wèi)生保健、醫(yī)學和計算機領(lǐng)域，關(guān)系最為密切的5 種學科為衛(wèi)生保健科學和服務、統(tǒng)計學和概率、全科和內(nèi)科學、公共事業(yè)和環(huán)境和職業(yè)健康及數(shù)學、計算生物學；三是醫(yī)學信息學領(lǐng)域的BI 和跨學科種數(shù)平均值分別為1.536 1、137，隨著發(fā)文量的增加，BI 和跨學科種數(shù)會上升；四是醫(yī)學信息學領(lǐng)域的BI 與跨學科種數(shù)呈高度正相關(guān)性，二者均與影響力評價指標呈正相關(guān)性，與被引頻次、使用次數(shù)呈高度相關(guān)性。

本文的研究也存在一定局限。如參考文獻中存在未被WOS 收錄的文獻，可能會對結(jié)果造成一定程度的影響；本文僅參考了WOS 學科分析體系，忽略了其他學科分類體系作為參考時醫(yī)學信息學的跨學科特性；本文僅選取了參考文獻數(shù)據(jù)集，并未考慮施引文獻，只從知識流入的角度描述了醫(yī)學信息學的跨學科性，研究的全面性需進一步提高。

總之，醫(yī)學信息學領(lǐng)域的跨學科性表現(xiàn)明顯，且一直在穩(wěn)步發(fā)展。未來還需進一步深入研究醫(yī)學信息學與交叉學科間知識流動的主題范疇與演化趨勢、跨學科引用對知識生長的作用，更深入地了解醫(yī)學信息學的跨學科情況，為學科發(fā)展提供參考。