， ，

《美國醫(yī)學(xué)信息學(xué)會雜志》(Journal of the American Medical Informatics Association，JAMIA)由美國醫(yī)學(xué)信息學(xué)會主辦，2015年的影響因子為3.428(數(shù)據(jù)來自2015版的JCR)，雙月刊，在醫(yī)學(xué)信息學(xué)領(lǐng)域具有很大的影響力。通過對該刊近10年的載文進(jìn)行文獻(xiàn)計量分析，從側(cè)面反映當(dāng)前國外醫(yī)學(xué)信息學(xué)的研究現(xiàn)狀，為醫(yī)學(xué)信息學(xué)相關(guān)研究人員提供參考。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

數(shù)據(jù)來源于生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫MEDLINE，以《美國醫(yī)學(xué)信息學(xué)會雜志》2006-2015年載文為研究樣本，采用的檢索策略為“J Am Med Inform Assoc”[Journal] AND (“2006/01/01”[PDAT] : “2015/12/31”[PDAT])。

1.2 方法

以XML格式套錄檢索結(jié)果，運(yùn)用書目共現(xiàn)分析系統(tǒng)BICOMB[1]統(tǒng)計并抽取文獻(xiàn)記錄中的主要主題詞與副主題詞，按照出現(xiàn)頻次由高到低進(jìn)行排序，選取頻次≥22的主題詞/副主題詞作為高頻詞(表1)。

根據(jù)高頻詞在每篇文獻(xiàn)記錄中出現(xiàn)的情況，對高頻主題詞進(jìn)行統(tǒng)計，形成高頻詞詞篇矩陣。將詞篇矩陣輸入gCLUTO軟件，采用系統(tǒng)聚類法對所得詞篇矩陣進(jìn)行聚類分析，聚類分析的結(jié)果可以反映出高頻詞之間的親疏關(guān)系，根據(jù)高頻主題詞的聚類結(jié)果以及主題詞之間的語義關(guān)系，總結(jié)出《美國醫(yī)學(xué)信息學(xué)會雜志》的研究熱點(diǎn)。

表1 《美國醫(yī)學(xué)信息學(xué)會雜志》高頻主題詞/副主題詞(頻次≥22)

2 結(jié)果

共得到1 644篇文獻(xiàn)記錄。聚類結(jié)果見圖1，其中橫軸代表文獻(xiàn)，縱軸代表聚類的主題詞/副主題詞。兩詞聚集到一起的距離越短，關(guān)系越密切。

圖1 《美國醫(yī)學(xué)信息學(xué)會雜志》高頻主題詞聚類

首先，根據(jù)每一類高頻詞的含義以及這些主題詞之間的語義關(guān)系，總結(jié)出每一類主題詞所代表的研究熱點(diǎn)，即《美國醫(yī)學(xué)信息學(xué)會雜志》近10年的研究熱點(diǎn)。如主題詞Artificial Intelligence (人工智能)和Algorithms(算法)距離較近，關(guān)系密切，首先聚成一類；Population Surveillance / methods(人口監(jiān)測/方法)再與前面兩個詞合成一類，依此類推。通過分析這些主題詞的語義關(guān)系可得出它們所代表的類團(tuán)含義標(biāo)簽，綜合各個類別的類標(biāo)簽可以得出該刊的研究熱點(diǎn)。其次，利用gCLUTO軟件計算各類成員對聚類貢獻(xiàn)率的指標(biāo)(描述度Descriptive和區(qū)分度Descriminating)，選擇對每一類形成貢獻(xiàn)最大的來源文獻(xiàn)作為表示該類內(nèi)容的類標(biāo)簽文獻(xiàn)，通過文獻(xiàn)內(nèi)容進(jìn)一步闡述該研究方向的具體內(nèi)容[2](圖2)。

圖2 類成員對聚類貢獻(xiàn)率指標(biāo)

3 分析

通過對2006-2015年《美國醫(yī)學(xué)信息學(xué)會雜志》載文的高頻主題詞/副主題詞進(jìn)行共現(xiàn)聚類分析，可將該期刊的研究熱點(diǎn)總結(jié)為3個方面、8個主題方向。

3.1 計算機(jī)技術(shù)在醫(yī)院管理與臨床診療中的應(yīng)用

3.1.1 臨床相關(guān)軟件或平臺開發(fā)設(shè)計的研究

為了提高管理效率和服務(wù)質(zhì)量，為患者提供更好的醫(yī)療服務(wù)，與其相關(guān)的各種平臺或軟件不斷被研發(fā)出來。該類所含的主題詞有Information Storage and Retrieval、Computerized Medical Records System、User-Computer Interface、Software、Controlled Vocabulary，研究內(nèi)容包括能夠消除病人標(biāo)識信息的軟件設(shè)計[3]、可降低醫(yī)療費(fèi)用的健康信息技術(shù)平臺的設(shè)計[4]、前列腺癌預(yù)后評估軟件的開發(fā)[5]、結(jié)構(gòu)化臨床文本術(shù)語接口的實現(xiàn)[6]等。

3.1.2 建立臨床數(shù)據(jù)研究網(wǎng)絡(luò)的研究

為提高臨床數(shù)據(jù)的利用并實現(xiàn)其價值，臨床數(shù)據(jù)研究網(wǎng)絡(luò)不斷涌現(xiàn)。該類所含的主題詞有Electronic Health Records/organization& administration、Patient-Centered Care、Computer Communication Networks，研究內(nèi)容如國家健康中心數(shù)據(jù)增值網(wǎng)絡(luò)的實現(xiàn)[7]和促進(jìn)電子健康數(shù)據(jù)有效利用的臨床數(shù)據(jù)研究網(wǎng)絡(luò)的構(gòu)建[8-11]。

3.1.3 患者隱私的保護(hù)研究

網(wǎng)絡(luò)技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用推動了醫(yī)療信息共享的發(fā)展，復(fù)雜的網(wǎng)絡(luò)環(huán)境為患者隱私的保護(hù)提出了新的挑戰(zhàn)。該類所含的主題詞有Computer Security、Confidentiality、Information Dissemination、Medical Record Linkage。研究內(nèi)容包括在保護(hù)病人隱私的前提下，為促進(jìn)臨床數(shù)據(jù)研究共享，通過構(gòu)造專家驅(qū)動算法來減少病人身份重復(fù)識別所帶來風(fēng)險的研究[12]、Bloom filter算法與密碼學(xué)在保護(hù)病人隱私方面有效性的實證研究[13]、DNA測序數(shù)據(jù)中一種新型的隱私保護(hù)加密模式[14]和差別隱私的研究[15]等等。

3.1.4 基于網(wǎng)絡(luò)的個人健康管理系統(tǒng)的相關(guān)研究

個人健康管理系統(tǒng)旨在實現(xiàn)個人健康信息的采集管理、個人健康狀況的分析，并提供個性化的健康促進(jìn)和干預(yù)方案，動態(tài)追蹤個人健康狀況，為用戶提供健康管理服務(wù)，使醫(yī)務(wù)工作者能夠短時間掌握患者的情況，提高醫(yī)療效果。該類包含的主題詞有Personal Health Records、Internet、Attitude to computers、Attitude to personnel，研究內(nèi)容包括基于網(wǎng)絡(luò)的個人健康管理系統(tǒng)在季節(jié)性流感疫苗接種以及初級保健服務(wù)利用中的效果評價[16]、基于網(wǎng)絡(luò)的個人健康管理系統(tǒng)提高了年輕人性傳播疾病篩查率的隨機(jī)對照試驗研究[17]等。

3.2 數(shù)據(jù)挖掘、人工智能在醫(yī)學(xué)中的應(yīng)用

3.2.1 自然語言處理和數(shù)據(jù)挖掘的研究

主要包括電子病歷的自然語言處理、信息抽取以及分類、聚類等方面的研究。該類包含的主題詞有Support Vector Machine、Data Mining/methods、Electronic Health Records、Natural Language Processing，研究內(nèi)容如臨床記錄醫(yī)學(xué)概念中指代關(guān)系的自動解決方案研究[18]、通過對關(guān)鍵詞特點(diǎn)的分類減少支持向量機(jī)對臨床文本分析過程中大訓(xùn)練數(shù)據(jù)集的依賴[19]、在醫(yī)學(xué)摘要分類中支持向量機(jī)與多項樸素貝葉斯算法的比較研究[20]。

3.2.2 臨床決策支持系統(tǒng)和計算機(jī)輔助藥物治療

臨床決策支持系統(tǒng)能夠在診療過程中提供實時幫助，根據(jù)患者的病情生成各種可供選擇的診療方法及用藥參考，減少醫(yī)療差錯的發(fā)生。涉及的主題詞有Guideline Adherence、Clinical Decision Support Systems、Data Ming 、Electronic Health Records/standards、Electronic Prescribing、Medication Errors/prevention & control、Medical Order Entry Systems、Computer-Assisted Drug Therapy、Reminder Systems，研究內(nèi)容包括臨床決策支持系統(tǒng)在急診病人輕度顱腦損傷CT診斷中的應(yīng)用效果研究[21]、臨床決策支持系統(tǒng)在肺結(jié)核與缺鐵性貧血風(fēng)險評估中的實證研究[22]、臨床決策支持系統(tǒng)在哮喘評估與管理中的精準(zhǔn)度研究[23]、決策支持在提高臨床醫(yī)生處方行為中的證據(jù)支持研究[24]、腎功能不全患者用藥物劑量調(diào)整決策支持研究[25]、電子病歷處方安全的長期隨訪評估顯示臨床決策支持系統(tǒng)能最大程度地保障處方安全[26]、臨床決策支持系統(tǒng)能在很大程度上減少醫(yī)療差錯[27]。

3.2.3 人群監(jiān)測方法的相關(guān)研究

主要包括采用某些算法對傳染病進(jìn)行監(jiān)測，包含的主題詞有Diffusion of Innovation、Physicians′Practice Patterns、Electronic Health Records/utilizatio、Artificial Intelligence、Algorithms、Population Surveillance / methods，研究內(nèi)容如基于秩次的空間聚類算法檢測疫情的爆發(fā)[28]。

3.3 生物信息學(xué)相關(guān)研究

主要包括生物信息學(xué)領(lǐng)域相關(guān)概念、范式的研究，包含的主題詞有Information Systems、Biomedical Research、Medical Informatics，研究內(nèi)容涉及生物信息學(xué)研究的新范式[29]等。

4 結(jié)論

通過對《美國醫(yī)學(xué)信息學(xué)會雜志》近10年的載文進(jìn)行分析，發(fā)現(xiàn)其研究熱點(diǎn)主要集中于臨床相關(guān)軟件或平臺開發(fā)設(shè)計、患者隱私的保護(hù)、自然語言處理與數(shù)據(jù)挖掘、臨床決策支持系統(tǒng)等。伴隨著計算機(jī)、網(wǎng)絡(luò)和信息技術(shù)的快速發(fā)展，醫(yī)學(xué)信息學(xué)的研究領(lǐng)域日趨廣泛，數(shù)據(jù)挖掘與人工智能在臨床診療中發(fā)揮的作用也與日俱增，自然語言處理與數(shù)據(jù)挖掘的應(yīng)用將會更加深入，臨床決策支持系統(tǒng)將更好地服務(wù)于診療過程。