近10年国内外人工智能护理研究特征和趋势——基于文献计量学分析

赵晓群

（中国人民解放军联勤保障部队第988医院，河南 焦作 454150）

文献计量学聚焦于文献数量、作者数量及字数，运用数学和统计工具对知识载体进行量化研究，通过知识图谱，直观地展示文献计量学结果，进而更客观地揭示该研究领域的情况。相关学者运用文献计量学及相关文献分析软件，对护理领域的现有研究及其热点展开全面剖析，为研究者提供有关该领域的参考资料。常用的文献可视化分析软件有CiteSpace、VOSviewer、Bibexcel 等［1-2］。CiteSpace 由陈超美团队开发，是一个利用书目记录生成和分析共引参考文献网络的科学计量学工具箱，支持多种类型的文献计量学研究，包括合作网络分析、共词分析、作者共引分析、文献共引分析、文本和地理空间可视化。 Zhang 等［3］利用 CiteSpace 和VOSviewer，对1999—2021 年Web of Science 核心馆藏检索的677 篇文章，从国家、机构、期刊、作者、合作关系等方面表征，分析护理虚拟仿真的发展趋势、热点和知识网络。李彦玲等［4］对中国知网（China national knowledge infrastructure，CNKI）收录的“互联网+护理服务”相关文献进行定量分析，探讨“互联网+护理服务”的研究现状、热点和发展趋势。Wang 等［5］利用CiteSpace 可视化软件，基于Web of Science Core Collection 近20年发表的文献，探索失眠中医护理的研究热点和前沿方向，为相关领域的后续研究提供参考。

人工智能（artificial intelligence，AI）作为一门新兴的技术科学，其致力于探索、开发和应用能够模拟、拓展和增强人类智能的理论、技术和系统。作为计算机科学的一个分支，人工智能的研究领域涵盖机器学习、计算机视觉、自然语言处理、专家系统等领域，旨在使计算机具备类似于人类的思考和决策能力［6］。2017年，中国发布了《促进新一代人工智能产业发展三年行动计划（2018—2020 年）》及《新一代人工智能发展规划》，明确指出重点发展人工智能技术，并将其提升至国家战略地位［7］。随着“互联网+医疗健康”的不断发展，积极探索和建设基于人工智能技术的新型护理模式显得尤为重要［8］。“人工智能+护理”的发展不仅有助于缓解人力资源短缺问题，而且能推动学科创新和护理科研的发展，不仅具有显著的社会效益和经济效益，而且符合我国的基本国情及方针政策［9］。目前，人工智能在护理领域已经得到广泛的应用，如临床护理决策支持、移动健康检测和传感器技术、康复计划制定、病房巡视、日常护理等。随着技术的不断进步和创新，人工智能在未来护理方面的应用具有更广阔的前景和潜力，其应用范围和深度也将得到进一步拓展。

为了揭示人工智能在护理领域应用的研究现状、热点问题，进而为学者提供参考，本研究采用数理统计方法和CiteSpace 文献可视化分析软件，基于文献计量学的原理和方法，对WOS 文献数据库和CNKI文献数据库中2013—2023 年人工智能在护理领域应用的相关文献进行定量分析，探讨其研究过程和内在相关性，为我国学者了解这一领域的研究热点和前沿提供参考，推动人工智能在护理领域的应用。

1 数据来源和研究方法

1.1 数据来源

本研究所选取的外文文献数据来源于WOS 核心合集，以TS=“ artificial intelligence”and “ nursing”为检索式进行搜索，设置文献类型为article（论文），语言为English（英语），时间跨度为2013 年1月—2023 年12 月。共检索出233 篇，通过阅读题目、摘要，最终筛得110 篇。下载记录内容选择“全纪录与引用的参考文献”，导出格式为纯文本文件。中文研究基于CNKI 数据库，以检索式“人工智能”及“护理”为依据，时间跨度为2013 年1 月—2023年12 月，共检索出666 篇，通过阅读题目和摘要，最终筛得228 篇。以Refworks 的格式将其导出并保存。

1.2 研究方法

首先利用2 个数据库的在线分析平台，对人工智能护理领域的发文量等内容展开初步分析，然后利用Microsoft Excel 2019 软件进行数据汇总和分析，用Origin2022 软件绘制相关图形。将前期筛选出的中外文文献以“ download”开头命名，利用CiteSpace.6.1.R2 软件分析机构、机构、关键词等［10］，找出人工智能护理领域的研究热点和发展趋势，以期为今后相关研究提供新的思路和参考。

2 结果

2.1 人工智能护理研究年度发文量分析

年度发文量的高低反映出一定时间内某研究领域的整体状况，客观地呈现该研究领域的发展过程和研究规律［11］。本文利用Microsoft Excel 软件，分别对WOS 数据库和CNKI 数据库所导出的文献进行统计分析，并用Origin 绘制出2013—2023 年国内外人工智能护理研究的年度发文量（图1）。由图1 可知，WOS 数据库的人工智能护理研究年度发文量总体呈增长趋势，以2020 年为分水岭，分为2 个缓慢增长阶段：2020 年前，每年发表的英文人工智能护理研究文章均少于10篇，2021—2023年发表的英文人工智能研究文章分别为18、37 和44 篇。由此可见，2013—2023 年，人工智能护理研究在国际上被广泛关注。CNKI数据库在2013—2023年的年度发文量呈波动增长趋势，2022 年前，每年发表的中文人工智能护理研究文章均未超过30 篇，而2023 年这一领域的发文量呈指数级增长趋势，高达66 篇。总体而言，国内外这一领域有关人工智能护理的研究仍是一个热点，还有较大的上升空间。

图1 WOS数据库及CNKI数据库研究文章年度发文量

2.2 人工智能护理研究机构发文情况分析

基于CNKI 数据库和WOS 数据库的文献数据，对研究机构展开统计分析，见表1。由表1 可知，同一数据库中的文献数量在不同机构之间的差异比较明显。CNKI 数据库中排名前2 位的机构分别是浙江大学医学院附属第一医院和解放军总医院麻醉手术中心，发文量分别为5 篇和4 篇。解放军总医院心血管外科、浙江大学医学院附属邵逸夫医院和北京协和医学院护理学院的发文量分别为3 篇。在WOS 数据库中，National University of Singapore（新加坡国立大学）的发文量位居第1，为7 篇，占排名前5 位机构总发文量的41.18%。University of Toronto（多伦多大学）和Sichuan University（四川大学）的发文量各为3篇。

表1 CNKI数据库和WOS数据库中发文量前5位的机构

2.3 人工智能护理研究作者发文情况分析

对某一领域的期刊文献作者进行分析，可以清楚地了解该研究领域核心作者团队及其合作关系［12］。CNKI 数据库和WOS 数据库中发文量为前5位的作者见表2。由表2 可知，国际上以Zhou 和Yap为首的科研团队在人工智能护理研究领域做出了重要贡献。以上述2 位研究者为中心，共同构建国际间人工智能护理研究的合作网络，进而辐射出全球人工智能护理研究的学术团队共同体。在我国，戴韻、李丽霞、李萍、王涛等学者在人工智能护理研究方面做出了重要贡献，在该领域各发表4 篇论文。

表2 CNKI数据库和WOS数据库中发文量前5位的作者

2.4 研究热点及其演变趋势分析

2.4.1 关键词共现分析

研究热点是一定时间内具有内在联系且数量相对较多的论文所共同探讨的主题［13-14］。关键词共现网络是对文章研究内容的高度凝练和总结，研究领域内某关键词出现次数越多，该关键词越能代表该领域的研究热点［15］。图2 为WOS 数据库中2013—2023 年人工智能护理研究的关键词共现图谱，该图谱中共有125 个节点，433 条连线，图谱密度为0.055 9。根据图2 可知，人工智能护理领域的关键词数据较多，彼此之间联系较强，高频且重要的关键词主要有“ artificial intelligence（57）”“ care（8 次）”“ big data（7 次）”“ health care（6 次）”“ nursing education （6次）”“ technology（6次）”等。

图2 WOS数据库中人工智能护理研究的关键词

图3 为CNKI 数据库中2013—2023 年人工智能护理研究的关键词共现图谱，图中共有210个节点，554 条连线，密度为0.025 2。由图3 可知，国内人工智能护理研究的高频关键词主要有“机器人（99 次）”“人工智能（92 次）”“护理（89 次）”“综述”“腹腔镜”“围手术期”“前列腺癌”“大数据”等。

2.4.2 关键词聚类分析

热点研究课题是人工智能技术在护理应用领域中被学者关注的焦点，也是该领域在一定时期内讨论的主要问题体现。CiteSpace 提供潜在语义索引（latent semantic indexing，LSI）、对数似然率（loglikelihood ratio，LLR）和MedSci（MI）聚类方法，其中LLR 聚类效果最好［16］。因此，采用LLR 算法进行关键词共现聚类分析，直接评估研究热点。WOS数据库中，人工智能护理研究领域相关文献关键词聚类图谱表明，关键词结构网络良好，其中有322个关键词节点，1 119 条关系连线，网络密度为0.021 7，如图4所示。Q=0.750 4 大于0.3，说明该网络结构具有良好的聚类效果；S=0.932 5大于0.5，表明同质性高，不同聚类的分类效果较好［17］。聚类结构规模排序如下：“ artificial intelligence”“ machine learning”“ big data”“ virtual reality”“ bibliometric analysis”“ skill for managing female in dwelling urinary cath...”“ digital health”“ children”“ qualitative health research”“ breast self-examination”“ image recognition”。

图4 WOS数据库中人工智能护理研究的关键词聚类

图5为CNKI 数据库中人工智能护理研究文章中关键词聚类分析图谱，共形成节点数为290，连接线为755，密度为0.01 8 的聚类。由图5 可知，多个聚类交织在一起，表明不同聚类词之间联系密切，聚类结构规模排序如下：“机器人”“护理”“综述”“信息化”“物联网”“新医科”“聊天机器人”“护理服务”“健康教育”“老龄化”“手术配合”“科技时代”“移动医疗”。

图5 CNKI数据库中人工智能护理研究的关键词聚类

2.4.3 关键词突现分析

关键词突现是指某一关键词在短时间内出现的频率明显增加，表明该时期的研究受到高度关注［18］，据此判断研究领域的热点和前沿。近10 年来，WOS 数据库中该研究领域排名前10 位的突现关键词如图6所示。其中起始年份对应关键词出现频率开始激增的年份，年末是关键词出现频率趋于稳定的时候；突现强度表示该关键词在突发期间出现频率的突然增加程度，通常伴随研究的热度；红色条表示应该突出显示的单词的持续时间。从时间序列上看，“ patient”和“ older people”的起步时间最早，是早期研究的热点；从突现持续时间来看，“ patient”和“ older people”的突现时间也较长，这表明其在较长一段时间内，已成为研究热点。根据突现关键词的强度，“ big data”（强度=1.28）、“ patient”（强度=1.17）和“ intervention”（强度=1）的突现强度较高，表明热度变化频繁。

图6 WOS数据库中人工智能护理研究的关键词突现分析

近10 年来，CNKI 数据库中该研究领域排名前10位的突现关键词如图7所示。从时间序列看，“机器人”“护理”“心脏手术”“围手术期”“前列腺癌”和“腹腔镜”起步时间最早，是早期研究的热点；从突现持续时间看，“机器人”“护理”“围手术期”和“前列腺癌”的突现时间也较长，这表明其在较长一段时间内已成为研究热点。根据突现关键词的强度，“机器人”（强度=16.98）、“腹腔镜”（强度=3.51）、“护理”（强度=3.01）、“围手术期”（强度=2.68）和“心脏手术”（强度=2.42）的突现强度较高，表明热度变化频繁。

图7 CNKI数据库中人工智能护理研究的关键词突现分析

3 讨论

本研究包括338篇中英文人工智能护理研究文章，WOS 数据库的人工智能护理研究于2020 年后呈快速增长趋势，而CNKI 数据库的年度发文量在2023 年呈现指数级增长趋势。总体而言，人工智能在护理领域的研究起步相对较晚，国内外有关人工智能护理的研究仍是一个热点，有较大的上升空间。另外，随着计算机的飞速发展及人工智能技术的不断进步，人工智能在护理方面的应用具有广阔的前景和潜力，未来护理领域的学者也会加强对这一内容的研究。从研究机构的角度看，National University of Singapore（新加坡国立大学）在人工智能护理领域的产出最多，表明在人工智能护理领域领域新加坡国立大学的影响力较为显著，因此国内学者可重点关注该机构的研究成果并加大合作力度。在国内人工智能护理领域高产作者数量超过国际水平，高产作者的研究大部分是在跨学科成员的参与下完成的，这进一步强调了跨学科合作在人工智能护理研究中的重要性。因此为推动人工智能在护理领域的发展，加大力度培养具备多学科背景的护理人才，重视提示其思维能力和合作能力。

除护理和人工智能外，该研究领域出现频率最高的英文关键词有“ care（8 次）”“ big data（7 次）”“ health care（6 次）”“ nursing education（6 次）”“ technology（6 次）”等。根据聚类结果可知，英文文章研究特别关注“ artificial intelligence”“ machine learning”“ big data”“ virtual reality”等。国外研究中，机器学习等人工智能技术在构建预测模型方面的应用，以及大数据挖掘过程中的人工智能技术应用备受关注。中英文人工智能护理研究在研究方向上具有相似性，关键词有“机器人（99 次）”“人工智能（92 次）”“护理（89 次）”“综述（25 次）”“腹腔镜（17 次）”“围手术期（9 次）”“前列腺癌（7 次）”“大数据（6 次）”等。根据中文文章高频关键词的特征，可知中文文章的研究相对集中，重点聚焦机器人技术，其中护理机器人包含多种类型，如“达芬奇”机器人、康复机器人等，被广泛应用在围手术期护理及老年人居家护理领域。何瑛等［19］总结了护理机器人在物品传送、康复护理、饮食护理、患者转运、老年人照护等方面的应用现状，研究发现，护士需积极参与机器人技术的应用和研究，以实现人工智能技术和传统护理的融合，进而为人类提供更优质的服务。Watson［20］指出，虽然人工智能能够一定程度地提升护士在护理工作方面的效率，但未来的护理工作将更加注重人文关怀和情感思维，其具有不可替代性，是机器人无法实现的。在中文文章中，综述文章占比较多，应用型和基础型研究相对较少。根据其关键词突现结果分析，英文文章早期重点关注“ patient”“ older people”等，近年来，则将重点放在人工智能信息技术在护理管理、风险管理及健康服务中的应用。中文研究早期主要关注机器人、心脏手术和围手术期，近年来，则重点关注人工智能在护理中的应用。根据中文关键词突现结果分析，人工智能在国内外护理领域中备受关注和研究的热门分支之一是机器学习，相较于其他医学领域，其在国内外护理领域研究的应用数量和主题均相对较少［21］，仍处于起步阶段。随着科研能力和教育水平的不断提升，学者在人工智能护理领域的研究仍有较大的发展空间。