玄力娟，蔣曉蓮

四川大學(xué)華西護理學(xué)院/四川大學(xué)華西醫(yī)院,四川610041

1979年，英國學(xué)者Fenwick首次分析了出院準備度(readiness for hospital discharge)的概念，是對病人在生理、心理和社會方面是否做好出院準備的一種判斷[1]，包含生理穩(wěn)定、心理應(yīng)對能力、疾病知識及信息和社會支持4個屬性[2]。出院準備度既是衡量住院治療結(jié)果的一個指標，也是出院后結(jié)局的預(yù)測因素[3-5]。研究表明，出院準備度不足會增加出院后30 d非計劃再入院風(fēng)險、急診就診率和院后應(yīng)對困難[6-9]。因此，保證照護質(zhì)量，提高病人出院準備度，預(yù)防出院后不良結(jié)局，對于優(yōu)化醫(yī)療衛(wèi)生資源配置至關(guān)重要。文獻計量學(xué)是指運用數(shù)學(xué)和統(tǒng)計學(xué)方法，對相關(guān)領(lǐng)域的科學(xué)文獻在數(shù)量和質(zhì)量兩方面進行分析和評價，揭示該領(lǐng)域發(fā)文規(guī)律、研究趨勢和熱點的一種綜合性研究方法[10-11]。通過查閱國內(nèi)外文獻，尚未發(fā)現(xiàn)對出院準備度的文獻計量學(xué)研究。本研究旨在通過文獻計量學(xué)的方法，借助Web of Science數(shù)據(jù)分析和VOSviewer軟件的可視化功能，對國際上出院準備度研究狀況進行全面分析，以期為我國學(xué)者提供信息和參考。

1 資料與方法

本研究嚴格按照PRISMA流程進行文獻檢索和篩選，最終納入符合條件的文獻。

1.1 檢索策略

通過高級檢索方式對PubMed、Web of Science和MedLine數(shù)據(jù)庫進行檢索，以readiness、preparedness和discharge為檢索詞，具體檢索式以PubMed為例：(readiness) OR preparedness) AND discharge;以Web of Science及MedLine為例：TS=(readiness OR preparedness) AND TS=discharge;截至2019年6月30日，語言為英語，研究對象為人類。同時，由研究者對相關(guān)文獻的參考文獻列表進行人工檢索，以防止漏檢。

1.2 納入與排除標準

納入標準：①研究主題或主要結(jié)局指標為出院準備度；②探索醫(yī)院和社區(qū)醫(yī)療人員、病人及其親屬對出院準備度的觀點及經(jīng)驗；③發(fā)表在同行評審期刊上。排除標準：①研究對象為日間手術(shù)病人及麻醉觀察室送回病房的病人；②僅能檢索到題目，不能查找到摘要或全文的文獻；③文獻類型為會議論文、摘要、評論、致編輯者的信、消息、書籍、勘誤和撤稿的文獻；④干預(yù)方案構(gòu)建類文獻。

1.3 文獻篩選及資料提取

首先，將檢索到的文獻導(dǎo)入到文獻管理軟件Endnote，剔除重復(fù)文獻；然后，由2名研究人員根據(jù)納入、排除標準對剩余文獻分別進行篩選，并請第三方專家對篩選結(jié)果進行審查，排除爭議，確定最終納入文獻；最后，提取最終納入文獻的標題、作者、發(fā)表時間、發(fā)表期刊、研究方法等信息，輸入Excel電子表格中，文獻分布國家/地區(qū)、被引次數(shù)、作者發(fā)文量等借助Web of Science數(shù)據(jù)分析功能分析統(tǒng)計。

2 結(jié)果

2.1 檢索結(jié)果與發(fā)文量分析

共檢索到相關(guān)文獻1997篇，去除重復(fù)文獻并按納入與排除標準排除無關(guān)文獻，最終納入分析文獻343篇。文獻篩選流程與結(jié)果見圖1。第1篇研究出院準備度的文獻發(fā)表于1966年，結(jié)合年發(fā)文量及其趨勢(見圖2)，將出院準備度研究大致分為3個階段：1966年—1988年為萌芽期，年均發(fā)文0.8篇；1989年—2012年為蘇醒期，年均發(fā)文4.9篇；2013年—2019年為快速增長期，2013年后呈跳躍式增長，年均發(fā)文量為31.8篇，約為蘇醒期的6.48倍。從整體發(fā)展趨勢來看，2013年以后出院準備度的研究得到快速發(fā)展，僅2019年半年發(fā)文量達到30篇，預(yù)測今后還會保持快速增長趨勢。

圖1 文獻篩選流程圖

圖2 1966年—2019年出院準備度年發(fā)文量

2.2 國家/地區(qū)分布

統(tǒng)計顯示，343篇出院準備度的文獻來自33個國家和地區(qū)。表1統(tǒng)計了發(fā)文量排名前10位的國家和地區(qū)，發(fā)文量為268篇，占全部發(fā)文量的78.134%。發(fā)文量排名第一的是美國，發(fā)文173篇，占總發(fā)文量的50.437%。位居其后的分別是加拿大、澳大利亞，發(fā)文量分別為31篇(9.038%)和24篇(6.997%)。中國排名第5位，發(fā)表6篇文獻，占1.749%。比較結(jié)果分析得出，美國在出院準備度方面的科學(xué)研究遙遙領(lǐng)先于其他國家和地區(qū)。

表1 發(fā)文排名前10位的國家/地區(qū)

2.3 作者及合作度分析

發(fā)表論文4篇及以上的作者有12位，共計發(fā)文73篇，占總文獻量的21.28%。其中，10位作者來自美國，另外2位分別來自加拿大和瑞士(詳見表2)。發(fā)文數(shù)最多的作者是Weiss M E，共發(fā)表19篇(5.54%)，總被引次數(shù)643次，篇均被引次數(shù)為33.84次。總被引和篇均被引次數(shù)最多的作者是Martin S，發(fā)表論文4篇，總被引次數(shù)為901次，篇均被引次數(shù)為225.25次。進一步研究發(fā)現(xiàn)， Martin S的一篇題為 “A reengineered hospital discharge program to decrease rehospitalization:a randomized trial” 的論文，自2009年發(fā)表以來被引次數(shù)高達865次。該論文表明，通過護士與藥劑師聯(lián)合實施干預(yù)和隨訪可有效降低病人出院后30 d的再入院率和急診就診率[12]。

表2 發(fā)文量在4篇及以上的作者

合作度(C)及合作指數(shù)(CI)是文獻計量學(xué)中通常用來描述研究者合作程度的指標，計算方法如下：合作度=合著論文數(shù)(Nm)/總論文數(shù)(NT)，合作指數(shù)=合著論文作者數(shù)(Am)/合著論文數(shù)(Nm)[12-13]。343篇文獻共涉及作者1 703人，平均每篇論文作者數(shù)4.97人，并且隨著時間呈增長趨勢(見表3)，從1966年—1975年篇均作者數(shù)1.22人增長至2016年—2019年的5.75人。獨著論文數(shù)為39篇(11.37%)，其余為合著論文304篇(88.63%)，即出院準備度的論文合作度為88.6%。合作指數(shù)隨時間呈增長趨勢，由1966年—1975年為2.0增長到了2016年—2019年為5.9，即合著論文平均每篇論文作者數(shù)為5.5人。

表3 出院準備度論文作者合作情況

2.4 論文被引分析

文獻被引用表明論文的研究發(fā)現(xiàn)被融入現(xiàn)有知識體系，被引次數(shù)代表了論文的影響力和可及性[14]?？偙灰螖?shù)排名前10位的論文見表4，截至2019年6月30日，343篇文獻的H指數(shù)為33，共被引次數(shù)為5 220次，平均每篇論文被引次數(shù)為15.22次，去除自引后共被引次數(shù)減少到4 584次，即他引次數(shù)占比87.82%?？偙灰螖?shù)和年均被引次數(shù)最高的論文均是由Jack B W發(fā)表的“A reengineered hospital discharge program to decrease rehospitalization：a randomized trial”，總被引865次，年均被引78.40次；被引次數(shù)排名第2的論文是“There′s no place like home--an evaluation of early supported discharge for stroke”，總被引次數(shù)為162次，年均被引8.10次，該研究揭示了病人達到醫(yī)療出院標準后及時出院，并在出院后給予個性化的家庭康復(fù)和護理服務(wù)，可縮短住院時長，幫助病人更快地恢復(fù)日?；顒?，提高其承擔(dān)家庭和社會角色的信心[15]。

表4 總被引次數(shù)排名前10位的文獻

2.5 研究方法

本研究將出院準備度的研究方法分為量性、質(zhì)性和混合性3種，其中量性研究又可分為實驗性和觀察性研究。通過統(tǒng)計發(fā)現(xiàn)，343篇文獻的研究方法包括觀察性研究164篇(47.8%)、實驗性研究93篇(27.1%)、質(zhì)性研究44篇(12.8%)、混合性研究6篇(1.7%)，其余為文獻綜述、Meta分析和敘述性研究36篇(10.5%)。

2.6 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞能夠在一定程度上反映文獻研究對象與主要研究內(nèi)容等信息。本研究借助可視化分析軟件VOSviewer繪制關(guān)鍵詞共現(xiàn)圖(見圖3)，并結(jié)合文獻內(nèi)容，分析得出出院準備度的研究對象與內(nèi)容主要涉及四大類群體及疾病：①精神疾病病人(22篇)：主要為精神分裂癥；②新生兒及其父母(66篇)，主要為早產(chǎn)兒、低出生體重兒和先天性心臟病新生兒；③老年病人(51篇)，涉及的疾病主要是腦卒中、心力衰竭、慢性阻塞性肺疾病、腫瘤、糖尿病等老年人常見的慢性病；④手術(shù)病人(59篇)，涉及的手術(shù)主要有髖關(guān)節(jié)/膝關(guān)節(jié)置換術(shù)、結(jié)直腸手術(shù)、心臟搭橋手術(shù)、支架植入術(shù)、喉切除術(shù)。關(guān)鍵詞共現(xiàn)圖見圖3。

圖3 關(guān)鍵詞共現(xiàn)圖

圖中展示了出現(xiàn)頻次15次以上的關(guān)鍵詞。相同顏色代表共現(xiàn)，比如aged、length of stay、patient satisfaction、outcome assessment顏色均為紅色，表示這些詞常一同被列為關(guān)鍵詞，關(guān)系更為緊密。圓形的大小代表出現(xiàn)頻次的高低，即圓形越大，出現(xiàn)的頻次越高。

2.7 標題聚類及研究熱點分析

可視化分析軟件VOSviewer具有強大的數(shù)據(jù)挖掘能力，可對文本進行術(shù)語拆解再進行聚類分析，從而可以聚焦得到某一領(lǐng)域論文的研究熱點[16]。343篇出院準備度論文的標題聚類圖見圖4，結(jié)合文獻內(nèi)容，可以得出出院準備度的4個研究熱點：①出院準備度量表的開發(fā)、改編及信效度檢驗。最初的出院準備度量表是測量精神病病人出院準備度的?？屏勘韀17]，之后Fenwick等[1,18]分別開發(fā)了普適性量表，其余專科性量表還有產(chǎn)后出院準備度量表[19]、住院患兒父母出院準備度量表[20]、老年病人出院準備度量表[21]、全髖關(guān)節(jié)置換術(shù)后出院評分量表[22]。②不同疾病病人出院準備度現(xiàn)狀及影響因素研究、出院準備度與出院后再住院風(fēng)險、非計劃急診就診風(fēng)險、應(yīng)對困難等關(guān)系研究。③通過質(zhì)性研究了解病人及家屬出院感受與經(jīng)驗，探索出院至返家過渡期遇到的困難，分析需求，從而為臨床干預(yù)提供線索和思路。④出院準備度干預(yù)研究：通過實施出院計劃、加速康復(fù)項目、多學(xué)科團隊協(xié)作出院指導(dǎo)等評估病人需求，有針對性地進行干預(yù)，以期提高病人出院準備度，減少住院時長，降低出院后不良事件發(fā)生率以及出院后近期(出院后30 d)再入院率。

圖4 標題聚類圖

圖中展示了在標題中出現(xiàn)頻次8次以上的詞。顏色相同的代表一個群集，圓形的大小代表出現(xiàn)頻次的高低，距離代表聯(lián)系緊密度,即距離越近，關(guān)系越緊密。

3 討論

3.1 出院準備度研究近年來發(fā)展迅速，合作度提高，我國發(fā)展相對滯后

1966年，Hogarty從醫(yī)院社工角度調(diào)查影響慢性精神分裂癥病人出院準備度的影響因素，開發(fā)了精神?？屏勘鞤ischarge Readiness Inventory[23]，從而開啟了出院準備度研究的大門。迄今，出院準備度研究已有54年歷史，經(jīng)過發(fā)展相對緩慢的萌芽期和蘇醒期，2013年開始，出院準備度研究進入快速增長期，年均發(fā)文31.8篇，到目前為止6年時間發(fā)文量占總發(fā)文量的60.35%。我國第1篇英文出院準備度論文發(fā)表于2015年，從發(fā)文量來看，我國雖然排名第5，但總發(fā)文量僅6篇(1.749%)，表明出院準備度研究在我國發(fā)展起步晚，研究力量相對薄弱。

從合作度方面來看，合作度與合作指數(shù)均隨時間有所增長，合作范圍從同一單位多成員合作發(fā)展至多中心聯(lián)合協(xié)作，合作對象從醫(yī)生、護士到醫(yī)護、藥劑師和理療師的多學(xué)科團隊，合作深度及廣度均提升。而我國尚停留于護理人員為主對出院準備度的研究階段。因此，我國可以借鑒國際上發(fā)展經(jīng)驗與成果，逐步開拓和深入出院準備度的研究。

3.2 出院準備度研究逐步由調(diào)查分析向?qū)嵺`應(yīng)用過渡

出院準備度的研究經(jīng)歷了概念界定、量表開發(fā)、現(xiàn)狀調(diào)查、影響因素探索、臨床實踐干預(yù)并進行效果評價5個發(fā)展階段。概念界定與測評工具開發(fā)是出院準備度研究的基礎(chǔ)。隨著對出院準備度概念與內(nèi)涵研究的深入與挖掘，出院準備度的評估逐步完善到包含生理和功能、心理應(yīng)對、疾病知識和信息、家庭支持和社會資源等維度[2,19]。出院準備度測量工具日趨成熟，其影響因素逐步確定，出院準備度對實踐的指導(dǎo)意義越來越清晰，其臨床實踐研究逐步增多。出院準備度臨床實踐關(guān)注病人過渡期安全因素及再入院風(fēng)險，在此基礎(chǔ)上開展了有關(guān)住院期間的出院指導(dǎo)干預(yù)[24]、以病人及其照護者為導(dǎo)向、延伸至出院后家庭訪視的出院計劃項目[25]、專門負責(zé)評估病人及家屬出院需求并協(xié)調(diào)院內(nèi)和社區(qū)醫(yī)療資源的出院協(xié)調(diào)員崗位[26]等臨床干預(yù)研究。

3.3 出院準備度研究發(fā)展趨勢

出院準備度不僅關(guān)注病人現(xiàn)時問題，同時關(guān)注病人出院后的結(jié)局。研究出院準備度的最終目的是保證病人在適宜的時間出院、有計劃的隨訪和延續(xù)性護理，同時最大限度地合理配置醫(yī)療資源。近年來互聯(lián)網(wǎng)高速發(fā)展，依托互聯(lián)網(wǎng)為病人提供延續(xù)性護理服務(wù)，用大數(shù)據(jù)算法開發(fā)出院準備度預(yù)測程序的研究相繼出現(xiàn)。Schneider等[27]借助互聯(lián)網(wǎng)技術(shù)開發(fā)病人個人信息門戶網(wǎng)站，在病人出院后提供出院指導(dǎo)強化、隨訪提醒和個性化風(fēng)險因素提示服務(wù)，以期在病人達到生理穩(wěn)定后盡早返回家中進一步康復(fù)，加快醫(yī)院床位周轉(zhuǎn)；McWilliams等[28-29]用電子病歷作為數(shù)據(jù)庫進行文本挖掘，事先設(shè)定出院標準，通過機器學(xué)習(xí)算法開發(fā)分類器，用以識別達到出院準備度的病人，保證病人安全及時出院。隨著醫(yī)療信息化建設(shè)的推進，出院準備度研究與互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)的逐步融合將成為未來發(fā)展新趨勢。

4 小結(jié)

通過對出院準備度文獻的計量學(xué)分析，本研究全面反映了該研究領(lǐng)域的發(fā)展歷程，揭示了出院準備度研究關(guān)注的群體和研究熱點，預(yù)測了出院準備度的未來發(fā)展趨勢，可為我國學(xué)者提供借鑒和參考。為了反映出院準備度研究國際發(fā)展趨勢，本研究主要納入了英文文獻，今后可擴展至多語言的檢索，以期更綜合全面地分析出院準備度的發(fā)展歷程與研究現(xiàn)狀。