基于CiteSpace的我国临床决策支持研究热点分析

2023-12-04赵从朴朱溥珏

中国医院 2023年12期

■ 赵从朴袁达朱溥珏陈政周炯彭华

临床决策支持是基于临床知识（临床指南、循证医学、药品说明书、药典标准）和患者基本信息及病情信息，运用计算机技术，为医护人员在诊疗过程中提供警示提醒、临床诊疗指南、患者数据视图、临床辅助诊断等决策[1]。临床决策支持系统是医疗人工智能领域的重要研究方向之一，主要分为基于知识库和基于机器学习或深度学习两种形式，根据系统功能可分为判别诊断类、疾病预测类、流程支持类和信息检索类[2]。近年来，专家学者从多种角度和不同临床专科对我国临床决策支持领域进行了研究，涌现出大量成果，但对该领域的研究热点较少做综合量化分析。

1 资料与方法

1.1 资料来源

本研究选择中国知网（CNKI）数据库作为数据来源，通过“专业检索”功能，设置检索条件：SU=('决策支持'+'辅助决策')*('临床'+'医疗')-('设备'+'器械')，检索时间为2012年1月1日至2022年12月31日。共检索到981篇文献，人工剔除报纸等非研究型文献、无作者信息以及明显与主题不符的文献后，得到950篇文献。

1.2 研究方法

文献计量分析工具CiteSpace，支持多种类型的文献计量学研究，可对临床决策支持领域的研究结构、动态模式和趋势进行可视化分析研究，使研究者能够直观的辨识出学科前沿的演进路径及经典基础文献。因此，本研究将检索文献导出为Refworks格式，并将CNKI引文格式转换成CiteSpace可识别处理的引文格式，在CiteSpace中新建一个项目[3-4]。设置参数：时区选择为2012-2022年，时间分片跨度为1年，选择标准为g-index，可以通过自行调整比例因子k值的大小，来纳入或排除更多的节点，利用聚类分析理论框架，选定发文量、作者、研究机构和关键词作为节点类型，绘制知识图谱[3-4]。

2 结果

2.1 文献时间分布

根据2012-2022年的文献统计数据，临床决策支持领域的研究发文量呈现总体上升趋势，从2012年的48篇到2022年的108篇，增长超过1倍，说明临床决策支持领域的研究越来越受到学术界的关注。趋势预测线的R平方值为0．8781，反映了趋势线的估计值与对应的实际数据之间拟合程度较高，说明我国临床决策领域的发文量呈线性增长趋势的可靠性较高。

2.2 研究机构分布

为进一步分析我国临床决策支持的研究机构分布情况，统计发文数量最高的前30家研究机构，其中包括11家医院、19所高校和科研机构，可见高校和科研机构是该领域的主力。来自CNKI的中文文献中，浙江大学发文数量（41篇）位列第一，其次是中国医学科学院医学信息研究所（20篇），第三位是华中科技大学（19篇）和电子科技大学（19篇）。近十年发文数量超过10篇的研究机构如表1。

表1 发文数量超过10篇的研究机构

2.3 关键词频率分析

词频统计旨在直观了解最近十年我国临床决策支持领域内的研究热点。除去检索词中的“决策支持”“辅助决策”和“临床决策”之外，出现频次排在前10位的关键词：电子病历（65次）、人工智能（57次）、数据挖掘（49次）、数据仓库（44次）、大数据（40次）、知识库（36次）、机器学习（24次）、知识图谱（20次）、信息化（18次）、临床路径（17次）。

来自CNKI的文献数据显示，我国临床决策支持的主要应用场景在电子病历，主要研究方法是机器学习。数据挖掘和数据仓库是主要技术手段。数据挖掘是从大量的数据中挖掘出隐含的、未知的、用户可能感兴趣的和对决策有潜在价值的知识和规则；数据仓库是为构建分析型数据处理环境而出现的一种数据存储和组织技术，它能提供决策所需的数据和信息。

在国家政策引导和新技术支撑下，临床决策支持系统的知识库构建呈现出2个演变趋势：从传统的静态知识库向知识中台发展、从全科通用型向单病种专科化发展。国内研究人员进一步在大数据、人工智能领域进行深入探索。

2.4 突现词分析

通过突现性分析，可以了解在某段时间节点内的研究热点、趋势和前沿动态（图1）。研究结果显示，临床决策支持领域最近两年的突现词为机器学习和智慧医疗。说明临床决策支持是智慧医疗的重要组成部分，具备机器学习能力尤其是具备深度学习能力的临床决策支持系统，使得用户在使用过程中的反馈处理更加及时，反馈速度更快，临床决策更加智能，这也是临床决策支持系统的发展方向。

图1 排名前10位的突现词

2.5 关键词聚类分析

利用LLR抽取关键词并进行自动标识，此次分析共生成15个聚类（图2）。聚类模块值（Q值）为0．55，一般认为Q＞0．3意味着聚类结构显著；聚类平均轮廓值（S值）为0．86，一般认为S＞0．5意味聚类结果合理[5]，S＞0．7意味聚类结果令人信服。因此，本研究的聚类结果意义明显。聚类的结果反映出我国临床决策支持研究领域3方面热点。

2．5．1 政策与需求的双轮驱动导致临床决策支持的研究呈现爆发式增长。在国家卫生健康委对电子病历评级中关于临床决策支持的内容[6]，4级要求医院实现合理用药功能，5级要求医院利用知识库实现决策支持服务并能够为医疗管理和临床科研工作提供数据挖掘功能，6级则要求医院建立全院级多维度医疗知识库体系，提供高级别医疗决策支持。随后，医疗机构的内在需求被激发，多类应用场景，特别是某些专科领域对临床决策支持的需求增长迅速，如聚类标签#1中的糖尿病、胃癌，聚类标签#4中的脑血管病、乳腺癌，聚类标签#7中的产前诊断、产前筛查等。

2．5．2 临床决策支持系统赋能双向转诊。聚类标签#10在本研究得到的分析结果中显得尤为突出，说明在国家大力推进分级诊疗制度的大趋势、大背景下，要想把适合的患者留在基层，提升基层医疗机构服务能力是首要也是必要的工作，而临床决策支持系统能够为基层医疗服务提供诊前、诊中全流程决策支持，提高基层医疗机构诊疗能力与慢病管理能力[7]。国家卫生健康委2018年发布的《乡镇卫生院服务能力标准》和《社区卫生服务中心服务能力标准》已经将临床决策支持功能列为能力指标和评价要点。

2．5．3 从临床医疗决策支持逐步发展为贯穿医疗管理全流程的智能决策支持。聚类标签#9智慧医疗中的商务智能、分析模型以及聚类标签#6大数据中的医疗质量、医疗差错反映了决策支持技术不仅支撑医院精细化运营，而且将医疗质量和风险管理从“事后评价”转向“事中干预”。如临床决策支持系统可对分散的诊疗行为信息点进行抽取、转换、整合，形成统一、标准的，可衡量、可比较的指标，并对院内诊疗行为进行实时监控、呈现和反馈，从而提升医政医管的数字化、精细化水平和能力，进而达到提升医院医疗质量和医疗安全的目标。