付玉潔，郭佳寶，鐘衛(wèi)權(quán)，陳炳霖

（徐州醫(yī)科大學(xué)，江蘇徐州 221018）

長(zhǎng)期以來(lái)的實(shí)踐表明，單純以疾病治療為中心或單純依靠醫(yī)療衛(wèi)生部門(mén)的健康促進(jìn)干預(yù)不能有效改善民眾的健康問(wèn)題[1]。運(yùn)動(dòng)作為慢性疾病的一種非藥物療法，其有效性在康復(fù)醫(yī)學(xué)及運(yùn)動(dòng)科學(xué)領(lǐng)域已被廣泛證實(shí)，但運(yùn)動(dòng)促進(jìn)健康的機(jī)制尚待完善。腸道菌群是寄生在宿主腸道內(nèi)的各種微生物群，不同人體間腸道菌群的組成及各菌種間豐度均存在極大差異，但其結(jié)構(gòu)相對(duì)穩(wěn)定，對(duì)維持機(jī)體正常生理代謝功能具有重要作用[2]。因此，腸道菌群的變化能反映機(jī)體健康狀態(tài)。然而，腸道菌群的平衡狀態(tài)易受到外界環(huán)境和宿主自身因素影響，如飲食、藥物和運(yùn)動(dòng)等[3]。證據(jù)表明，適當(dāng)運(yùn)動(dòng)可以顯著改變腸道菌群的結(jié)構(gòu)，進(jìn)而影響機(jī)體健康[4]。因此，近年來(lái)運(yùn)動(dòng)與腸道菌群的關(guān)系成為運(yùn)動(dòng)科學(xué)和康復(fù)醫(yī)學(xué)的研究熱點(diǎn)?；诖?，有必要對(duì)運(yùn)動(dòng)干預(yù)腸道菌群的相關(guān)研究進(jìn)行文獻(xiàn)計(jì)量學(xué)分析，根據(jù)現(xiàn)有研究基礎(chǔ)來(lái)識(shí)別研究熱點(diǎn)和前沿，也為該領(lǐng)域未來(lái)的研究提供方向。

Web of Science是全球領(lǐng)先的獲取學(xué)術(shù)信息的跨學(xué)科數(shù)據(jù)庫(kù)，其中的子數(shù)據(jù)庫(kù)SCIE包含自然科學(xué)、工程技術(shù)、臨床醫(yī)學(xué)等方面的178個(gè)學(xué)科，是全球最權(quán)威的自然科學(xué)引文數(shù)據(jù)庫(kù)。CiteSpace是美國(guó)德雷塞爾大學(xué)陳超美博士基于引文分析理論開(kāi)發(fā)的可視化分析軟件，被全球眾多學(xué)者所應(yīng)用，其通過(guò)文章合著分析、關(guān)鍵詞共現(xiàn)分析、文獻(xiàn)共被引分析能將文獻(xiàn)大數(shù)據(jù)轉(zhuǎn)化為可視化知識(shí)圖譜與知識(shí)網(wǎng)絡(luò)。文獻(xiàn)計(jì)量學(xué)是指應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)方法，定量分析文獻(xiàn)量及作者分布規(guī)律、詞頻分布等，并據(jù)此較為科學(xué)地預(yù)測(cè)學(xué)科發(fā)展趨勢(shì)。

為進(jìn)一步明確該領(lǐng)域的研究現(xiàn)狀、熱點(diǎn)及演變歷史，本文通過(guò)檢索Web of Science，利用Excel、CiteSpace等軟件擬將復(fù)雜的相關(guān)文獻(xiàn)數(shù)據(jù)轉(zhuǎn)化為直接、客觀、真實(shí)的可視化知識(shí)圖譜并結(jié)合文獻(xiàn)計(jì)量學(xué)知識(shí)進(jìn)行分析，以期為相關(guān)研究人員提供數(shù)據(jù)參考。

1 資料與方法

1.1 檢索方法 本研究數(shù)據(jù)來(lái)源于Web of Science，數(shù)據(jù)庫(kù)選擇Web of Science核心數(shù)據(jù)庫(kù)，檢索式為T(mén)S=(exercise OR physical activity OR sports OR train*OR walk*OR jog*OR swim*OR running*OR treadmill OR endurance"Tai chi"OR"dance*"OR"yoga"OR"qigong")AND TS=("gut microbiota"OR"gut microflora"OR"gut microbiome"OR"intestinal flora"OR"intestinal bacteria")，時(shí)間不限，其他均為系統(tǒng)默認(rèn)參數(shù)，進(jìn)行高級(jí)檢索最終共檢索到1258篇文獻(xiàn)，檢索日期為2021年4月12日。利用Web of Science的結(jié)果分析功能，篩選文獻(xiàn)并將對(duì)應(yīng)數(shù)據(jù)以文本形式導(dǎo)入Microsoft Excel 2019，以記錄內(nèi)容為全記錄與引用的參考文獻(xiàn)的純文本形式從Web of Science導(dǎo)入CiteSpace（版本為5.7.R5W）。

1.2 文獻(xiàn)計(jì)量 利用Excel分析文獻(xiàn)年發(fā)表量并繪制條形圖，將要導(dǎo)入CiteSpace的文獻(xiàn)規(guī)范為可識(shí)別的“download_”形式，進(jìn)行合著分析、關(guān)鍵詞共現(xiàn)分析和被引分析[5]。最終，符合分析條件的文獻(xiàn)為1236篇。

1.3 參數(shù)設(shè)置 在CiteSpace軟件中，時(shí)間分段設(shè)置為建庫(kù)至2021年，“Years Per Slice”設(shè)為“1”，根據(jù)預(yù)想結(jié)果可分別勾選“Author”、“Institution”、“Country”、“Keyword”、“Cited Author”、“Cited Journal”等，“Pruning”中勾選“Pruning sliced networks”，其他均為系統(tǒng)默認(rèn)參數(shù)。在CiteSpace圖譜中，節(jié)點(diǎn)為圓圈或十字，各關(guān)系節(jié)點(diǎn)的連線即代表存有合作或共現(xiàn)關(guān)系，中介中心性代表節(jié)點(diǎn)在網(wǎng)絡(luò)中重要性。數(shù)據(jù)庫(kù)可視化分析中，節(jié)點(diǎn)越大代表內(nèi)容越關(guān)鍵或者出現(xiàn)頻次越高（關(guān)鍵詞或作者），節(jié)點(diǎn)顏色可自行調(diào)整，不具特殊意義。

1.4 觀察指標(biāo) 文獻(xiàn)年發(fā)表量、主要文章類(lèi)型、國(guó)家合著、機(jī)構(gòu)合著、作者合著與被引、期刊合著與被引、主要資助基金項(xiàng)目。

2 結(jié)果

2.1 文獻(xiàn)發(fā)表量Web of Science數(shù)據(jù)庫(kù)內(nèi)共檢到1258篇文獻(xiàn)，時(shí)間跨度從1994年至2021年。表1顯示，其中384篇（排名第一）屬于美國(guó)，206篇（排名第二）屬于中國(guó)，128篇屬于（排名第三）意大利。中心性上，美國(guó)居于首位，英國(guó)其次，愛(ài)沙尼亞位于第三，見(jiàn)表2。國(guó)內(nèi)外相關(guān)文獻(xiàn)最早開(kāi)始出現(xiàn)于1994年，1995～1999年無(wú)相關(guān)文獻(xiàn)的發(fā)表。由圖1可知，自2000年起文獻(xiàn)發(fā)表量基本呈現(xiàn)逐年增多的趨勢(shì)。

表1 不同國(guó)家的文獻(xiàn)發(fā)表量與中心性

圖1 不同年份的文獻(xiàn)發(fā)表量

2.2 核心作者分析 文獻(xiàn)發(fā)表量排名前10的作者見(jiàn)表2。O'Sullivan O發(fā)表了15篇文獻(xiàn)居于首位，Huang CC發(fā)表了13篇位居第二。根據(jù)N=0.749ηmax^（1/2）計(jì)算該領(lǐng)域核心作者最低發(fā)文量（N為核心作者最低發(fā)文量，ηmax為最高產(chǎn)作者的發(fā)文量）。經(jīng)計(jì)算N≈2.90，取整數(shù)為3，核心作者人數(shù)有282人，累計(jì)核心作者的發(fā)文量為1149篇，占總文獻(xiàn)量的91.33%＞50%，根據(jù)普賴(lài)斯定律，核心作者的發(fā)文量應(yīng)占文獻(xiàn)總數(shù)的一半，故該領(lǐng)域已形成核心作者團(tuán)隊(duì)[6]。作者合著網(wǎng)絡(luò)共現(xiàn)圖譜（圖2）顯示，該領(lǐng)域已形成較多核心研究團(tuán)隊(duì)，其中Huang CC、Huang WC、Hsu YJ等高產(chǎn)作者為一個(gè)團(tuán)隊(duì)，O'Sullivan O、Cotter PD、Shanahan F等高產(chǎn)作者為一個(gè)團(tuán)隊(duì)。Anand Dayama所在團(tuán)隊(duì)雖然文獻(xiàn)發(fā)表量有限，但人數(shù)至少有15人，團(tuán)隊(duì)成員多，具有一定發(fā)展?jié)摿?。由?可知，Turnbaugh PJ所著文獻(xiàn)被引用頻次最高，高達(dá)285次，Ley RE位居第二，Cani PD第三，Turnbaugh PJ所著文獻(xiàn)具有一定的學(xué)術(shù)價(jià)值。

圖2 作者合著網(wǎng)絡(luò)共現(xiàn)圖譜

表2 不同作者發(fā)文量及被引量

2.3 關(guān)鍵詞共現(xiàn)分析

2.3.1 關(guān)鍵詞年份分布 除去與檢索策略相關(guān)的“gut microbiota”和“exercise”還有與之意義相似的“intestinal microbiota”、“microbiota”、“microbiome”、“physical activity”，頻次前三的關(guān)鍵詞為“obesity”219次、“inflammation”171次、“diet”153次，見(jiàn)表3；高頻次關(guān)鍵詞主要集中于2005～2016年，見(jiàn)圖3。

表3 高頻次關(guān)鍵詞及其最早出現(xiàn)年份

圖3 文獻(xiàn)關(guān)鍵詞共現(xiàn)年份分布圖譜

2.3.2 關(guān)鍵詞聚類(lèi)分析 圖4為關(guān)鍵詞聚類(lèi)分析結(jié)果。關(guān)鍵詞分為#0～#12的13個(gè)聚類(lèi)，依次為益生菌、抑郁癥、肥胖、細(xì)菌、運(yùn)動(dòng)、自身免疫、腸道菌群、氧化應(yīng)激、兒童、多樣性、動(dòng)物模型。

圖4 關(guān)鍵詞聚類(lèi)分析圖譜

2.3.3 關(guān)鍵詞聚類(lèi)時(shí)間線分析 由圖5可知：在13個(gè)聚類(lèi)中，2010～2013年間，#0、#1、#2聚類(lèi)中關(guān)鍵詞出現(xiàn)頻率高，2006～2015年間共引較多；#7、#8、#9、#10、#11、#12同一聚類(lèi)中關(guān)鍵詞共引時(shí)間跨度較大。

圖5 關(guān)鍵詞聚類(lèi)時(shí)間線分析圖譜

2.4機(jī)構(gòu)合著分析 圖6為機(jī)構(gòu)合著網(wǎng)絡(luò)共現(xiàn)圖譜，相關(guān)的文獻(xiàn)主要來(lái)源于發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家。表4顯示來(lái)源于Harvard University的文獻(xiàn)有49篇，排名第一，其次為University of Illinois 26篇，University of Copenhagen以21篇位居第三。文獻(xiàn)發(fā)表量和中心性顯示，Harvard University在該領(lǐng)域具有較強(qiáng)的學(xué)術(shù)影響力。

表4 文獻(xiàn)所屬機(jī)構(gòu)

圖6 機(jī)構(gòu)合著網(wǎng)絡(luò)共現(xiàn)圖譜

2.5 研究各期刊發(fā)表相關(guān)文獻(xiàn)情況 相關(guān)文獻(xiàn)主要分布于營(yíng)養(yǎng)類(lèi)、生物類(lèi)、生理類(lèi)、運(yùn)動(dòng)類(lèi)期刊。NUTRIENTS發(fā)表量最多，以59篇居于首位，其次為PLOS ONE，發(fā)表30篇，SCIENTIFIC REPORTS位列第三，見(jiàn)表5。高產(chǎn)期刊的影響因子均較大，說(shuō)明該領(lǐng)域的研究文獻(xiàn)具有一定價(jià)值。PLOS ONE被引用次數(shù)最多，達(dá)852次，NATURE位居第二，P NATL ACAD SCI USA僅次于NATURE，被引頻次排名前十的期刊如表5。NUTRIENTS雖然文獻(xiàn)發(fā)表量多但被引頻次相對(duì)較小，根據(jù)普賴(lài)斯定律，核心期刊最低文獻(xiàn)量N=0.749ηmax^（1/2）≈5.75，取整數(shù)為6，載文量6篇及以上共有31本，累計(jì)刊載相關(guān)文獻(xiàn)量有370篇，占文獻(xiàn)總量的29.41%＜50%，故該領(lǐng)域尚未形成核心期刊。

表5 不同期刊發(fā)文量及被引量

2.6 主要資助基金項(xiàng)目分析 從資助項(xiàng)目來(lái)源分析，美國(guó)國(guó)立衛(wèi)生研究院（NIH）和美國(guó)衛(wèi)生和公眾服務(wù)部（HHS）并列第一，支持產(chǎn)出文獻(xiàn)183篇，國(guó)家自然科學(xué)基金（NSFC）資助量位居第二，支持產(chǎn)出文獻(xiàn)122篇，歐盟委員會(huì)以支持產(chǎn)出文獻(xiàn)76篇居于第三，見(jiàn)表6。

表6 基金資助排名前十的機(jī)構(gòu)

3 討論

3.1 發(fā)文分析 運(yùn)動(dòng)影響腸道菌群相關(guān)研究的數(shù)量基本呈現(xiàn)自2000年起逐年增多的趨勢(shì)，2017～2020年增長(zhǎng)幅度較大。美國(guó)、中國(guó)、意大利發(fā)文量最多，文獻(xiàn)貢獻(xiàn)率大。其中，中心性數(shù)據(jù)顯示了文獻(xiàn)的學(xué)術(shù)影響力，該數(shù)值越大，代表文獻(xiàn)影響力越大。結(jié)果表明，美國(guó)、英國(guó)、德國(guó)在該研究領(lǐng)域具有較強(qiáng)的學(xué)術(shù)影響力。我國(guó)發(fā)文量?jī)H次于美國(guó)但中心性上尚未進(jìn)入前十，這提示該領(lǐng)域文獻(xiàn)發(fā)表量多但學(xué)術(shù)影響力稍低，需要進(jìn)一步加強(qiáng)與其他國(guó)家的學(xué)術(shù)合作。從機(jī)構(gòu)合著網(wǎng)絡(luò)共現(xiàn)圖譜（圖6）結(jié)果顯示，發(fā)表文獻(xiàn)量最多的機(jī)構(gòu)和合作較為密切的機(jī)構(gòu)有部分重合，且均主要分布在美國(guó)地區(qū)，說(shuō)明美國(guó)十分注重機(jī)構(gòu)的科研聯(lián)動(dòng)性。該領(lǐng)域形成了較多核心研究團(tuán)隊(duì)，Huang CC、Huang WC、Hsu YJ等高產(chǎn)作者為一個(gè)團(tuán)隊(duì)，O'Sullivan O、Cotter PD、Shanahan F等高產(chǎn)作者為一個(gè)團(tuán)隊(duì)。另外，在資金支持上，美國(guó)國(guó)立衛(wèi)生研究院和美國(guó)衛(wèi)生與公眾服務(wù)部支持產(chǎn)出文獻(xiàn)量遠(yuǎn)超國(guó)家自然科學(xué)基金委員會(huì)，說(shuō)明我國(guó)和美國(guó)在該領(lǐng)域資助量上存在差距。

3.2 研究熱點(diǎn)與前沿 本文就“運(yùn)動(dòng)干預(yù)腸道菌群”對(duì)Web of science數(shù)據(jù)庫(kù)進(jìn)行檢索，得到1258篇文獻(xiàn)。根據(jù)關(guān)鍵詞出現(xiàn)頻次，發(fā)現(xiàn)目前運(yùn)動(dòng)干預(yù)腸道菌群的研究熱點(diǎn)主要集中在肥胖、飲食、炎癥。腸道菌群與肥胖、糖尿病等代謝性疾病的相關(guān)性早已被證實(shí)。研究表明，腸道菌群能夠與宿主基因、飲食等相互作用來(lái)調(diào)節(jié)肥胖與改善糖尿病等代謝綜合征[7]。運(yùn)動(dòng)是預(yù)防糖尿病的重要方法，但某些患者卻不能從運(yùn)動(dòng)中獲益。Greenhill C等[8]通過(guò)對(duì)糖尿病前期人群的運(yùn)動(dòng)干預(yù)發(fā)現(xiàn)，腸道菌群及其代謝產(chǎn)物是決定運(yùn)動(dòng)改善糖代謝及胰島素敏感性的重要因素，個(gè)體腸道菌群特征可準(zhǔn)確預(yù)測(cè)該參與者從運(yùn)動(dòng)干預(yù)中獲益的可能性。另有學(xué)者提出，腸道菌群組成的變化可能是人類(lèi)新陳代謝改變的原因，若能識(shí)別關(guān)鍵菌種，將能創(chuàng)建一個(gè)“健康”細(xì)菌的數(shù)據(jù)庫(kù)，未來(lái)可根據(jù)臨床的需要來(lái)操縱細(xì)菌，讓腸道菌群成為治療肥胖等代謝性疾病的靶點(diǎn)[9]。此外，研究表明腸道菌群與炎癥之間也存在聯(lián)系，炎癥會(huì)導(dǎo)致腸道菌群失調(diào)，而持續(xù)的腸道菌群失調(diào)與又將進(jìn)一步促進(jìn)炎癥，二者之間可能會(huì)形成惡性循環(huán)。因此，腸道菌群在炎癥調(diào)控方面發(fā)揮的作用，可能是運(yùn)動(dòng)防治相關(guān)慢性病的重要機(jī)制[10-11]。根據(jù)聚類(lèi)分析發(fā)現(xiàn)，關(guān)鍵詞可分為13個(gè)聚類(lèi)。其中，“益生菌”聚類(lèi)簇集比較集中。腸道菌群存在雙歧桿菌、乳酸桿菌等益生菌和腸球菌、腸桿菌等致病菌。腸道菌群失調(diào)時(shí)，益生菌減少，致病菌增多。此外，益生菌能夠通過(guò)Toll樣受體促進(jìn)Th1細(xì)胞分化，進(jìn)而改變黏膜免疫系統(tǒng)，改善腸黏膜屏障功能，增加腸道菌群多樣性[12]。若能通過(guò)運(yùn)動(dòng)增加益生菌在腸道菌群中的比重，不僅能改善腸道菌群的多樣性，也能緩解炎癥相關(guān)的慢性病。另外，“抑郁癥”是排第二的聚類(lèi)簇集。腸道菌群被認(rèn)為在胃腸道環(huán)境和中樞神經(jīng)系統(tǒng)的雙向交流中起著重要作用，腸道菌群能通過(guò)神經(jīng)、免疫、內(nèi)分泌、代謝等途徑，即“腦-腸”軸，來(lái)影響中樞神經(jīng)系統(tǒng)。研究表明，抑郁癥與腸道菌群之間存在雙向交流，腸道菌群結(jié)構(gòu)異?？梢鹧装Y反應(yīng)產(chǎn)生更多炎癥因子進(jìn)入中樞神經(jīng)系統(tǒng)，激活小膠質(zhì)細(xì)胞，引起抑郁癥發(fā)作[13]?？股?、慢性應(yīng)激及飲食均能通過(guò)紊亂腸道菌群來(lái)加大抑郁風(fēng)險(xiǎn)。并且，最新研究表明部分傳統(tǒng)抗抑郁藥物也可能是通過(guò)“腦-腸”軸來(lái)治療抑郁。目前，治療抑郁癥的藥物如SSRI、SNRI普遍存在缺陷[14]。有研究顯示，跑步運(yùn)動(dòng)能有效抑制“腦-腸”軸的神經(jīng)免疫作用，有助于腸上皮屏障（IEB）明顯改善，通過(guò)運(yùn)動(dòng)干預(yù)以腸道菌群為靶點(diǎn)預(yù)防和治療抑郁癥可為一種新的參考[15-18]。

3.3 總結(jié) 本研究通過(guò)利用CiteSpace與Web of Science數(shù)據(jù)庫(kù)提供的統(tǒng)計(jì)功能進(jìn)行了文獻(xiàn)計(jì)量分析，發(fā)現(xiàn)基于腸道菌群的運(yùn)動(dòng)干預(yù)研究屬于新興話題，具有較廣的發(fā)展前景。然而，該領(lǐng)域目前研究方向雖多，但各方向文獻(xiàn)量較少，表現(xiàn)出研究力量分散的特點(diǎn)。另外，我國(guó)在該領(lǐng)域文獻(xiàn)發(fā)表量多但影響力較小，尚缺乏國(guó)際間合作。本文首次對(duì)運(yùn)動(dòng)干預(yù)腸道菌群進(jìn)行文獻(xiàn)計(jì)量分析，但仍然存在一些局限性。因CiteSpace軟件僅能支持單個(gè)數(shù)據(jù)庫(kù)的可視化分析，故僅對(duì)Web of Science單一數(shù)據(jù)庫(kù)進(jìn)行檢索分析，然而中文數(shù)據(jù)庫(kù)和其他語(yǔ)種數(shù)據(jù)庫(kù)該領(lǐng)域相關(guān)研究也具有重要的學(xué)術(shù)地位，研究結(jié)果可能存在偏倚。但Web of Science數(shù)據(jù)平臺(tái)發(fā)表的運(yùn)動(dòng)與腸道菌群的研究在一定程度代表了該領(lǐng)域的國(guó)際最高水平，因此研究結(jié)果具備一定可靠性，可作為后續(xù)研究的參考依據(jù)。