陳小清，李煒超，劉 麗，邢美園

大數(shù)據(jù)時(shí)代，隨著科學(xué)研究的不斷深化，創(chuàng)新技術(shù)的不斷發(fā)展，科學(xué)研究變得越加復(fù)雜，僅靠單一學(xué)科知識(shí)已經(jīng)無法完全滿足科學(xué)技術(shù)發(fā)展的需求，借鑒、參考其他學(xué)科的研究成果或研究方法成為科研創(chuàng)新涌現(xiàn)的源泉。因此不同學(xué)科間開始交叉，相互融合與輔助，跨學(xué)科合作研究形式逐步興起［1］。2019 年Nature刊載的一篇文章，以Web of Science（WOS）收錄的1900-2019 年發(fā)表的8.8萬余篇論文為數(shù)據(jù)源，分析了這些論文的施引和被引的學(xué)科后發(fā)現(xiàn)，論文的參考文獻(xiàn)和引用的學(xué)科多樣性正在增加，論文的跨學(xué)科性也在增加，科學(xué)研究越來越呈現(xiàn)出跨學(xué)科的特點(diǎn)［2］。諾貝爾獎(jiǎng)官網(wǎng)統(tǒng)計(jì)資料顯示：“1901-2016 年間諾貝爾自然科學(xué)獎(jiǎng)跨學(xué)科研究成果獲獎(jiǎng)數(shù)共計(jì)210 項(xiàng)，而具有不同學(xué)科背景的合作獎(jiǎng)人數(shù)占比從1901年的35%增長(zhǎng)至2016 年的87.6%”［3］。由此可見跨學(xué)科研究意義重大，它是促進(jìn)知識(shí)生產(chǎn)和創(chuàng)造的重要途徑，有助于潛在知識(shí)生長(zhǎng)點(diǎn)的識(shí)別與創(chuàng)新趨勢(shì)的預(yù)測(cè)，有利于促進(jìn)創(chuàng)造性成果的萌發(fā)。

目前，研究者主要從3 個(gè)角度對(duì)跨學(xué)科進(jìn)行測(cè)度分析［4］，分別為基于參考文獻(xiàn)的跨學(xué)科測(cè)度［5-6］、基于合著者的跨學(xué)科測(cè)度［1，7］和基于文獻(xiàn)內(nèi)容的跨學(xué)科測(cè)度［8-9］。參考文獻(xiàn)作為學(xué)術(shù)論文的重要組成部分，能夠反映其知識(shí)基礎(chǔ)及學(xué)科知識(shí)來源，參考文獻(xiàn)的學(xué)科多樣性也能夠體現(xiàn)論文的學(xué)科交叉程度［10］。從參考文獻(xiàn)角度對(duì)跨學(xué)科性進(jìn)行的研究主要集中在圖書情報(bào)學(xué)［6，11-13］、人文社會(huì)科學(xué)［14］、經(jīng)濟(jì)學(xué)和物理學(xué)［15］、物理學(xué)和化學(xué)［16］、人工智能領(lǐng)域［17］，分析醫(yī)學(xué)信息學(xué)領(lǐng)域跨學(xué)科性的研究并不多。有學(xué)者借鑒文化知識(shí)模因的思想，研究了醫(yī)學(xué)信息學(xué)與衛(wèi)生保健、醫(yī)學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的知識(shí)關(guān)系［18］；有學(xué)者利用知識(shí)產(chǎn)出分析了醫(yī)學(xué)信息學(xué)的發(fā)展特征及其與關(guān)聯(lián)學(xué)科間的交叉關(guān)聯(lián)特征和發(fā)展態(tài)勢(shì)［19］；有學(xué)者以醫(yī)學(xué)信息學(xué)作為示例研究了知識(shí)引入和知識(shí)產(chǎn)出的學(xué)科交叉度特征，其中知識(shí)引入方面的學(xué)科交叉度指標(biāo)包括引用學(xué)科類別總數(shù)、跨學(xué)科引用指數(shù)、信息熵和專業(yè)度［20］。本文利用WOS 收錄論文的參考文獻(xiàn)數(shù)據(jù)集，基于WOS 核心合集的學(xué)科分類體系，選取跨學(xué)科種數(shù)和布里淵指數(shù)對(duì)近60年國(guó)際上醫(yī)學(xué)信息學(xué)領(lǐng)域的跨學(xué)科特性及其與論文影響力關(guān)系進(jìn)行統(tǒng)計(jì)分析，以展示醫(yī)學(xué)信息學(xué)領(lǐng)域的跨學(xué)科情況，為醫(yī)學(xué)信息學(xué)的深入研究提供參考。

1 數(shù)據(jù)與方法

1.1 核心學(xué)科

本文涉及的所有學(xué)科均來自WOS 最新的學(xué)科分類體系。由于醫(yī)學(xué)信息學(xué)相關(guān)研究對(duì)其他學(xué)科文獻(xiàn)的引用分布并不均勻，因此不同學(xué)科的被引次數(shù)、被引時(shí)間跨度也各不相同。為了突顯不同被引學(xué)科的重要程度，參考已有研究引入核心學(xué)科的概念［21］。如果在參考文獻(xiàn)中某學(xué)科的比例高于該學(xué)科在WOS 中論文比例時(shí)，該學(xué)科即為核心學(xué)科，反之則為非核心學(xué)科。由于本文中WOS 收錄的醫(yī)學(xué)信息學(xué)原始文獻(xiàn)截止到2019 年，因此在計(jì)算某學(xué)科在WOS 中論文比例時(shí)，統(tǒng)一設(shè)置這些學(xué)科的原始文獻(xiàn)截止年為2019 年。

1.2 跨學(xué)科測(cè)度指標(biāo)

國(guó)內(nèi)外具有代表性的跨學(xué)科測(cè)度指標(biāo)主要有跨領(lǐng)域引用指數(shù)、信息熵、布里淵指數(shù)（Brillouin’s Index，BI）、跨學(xué)科種數(shù)、專業(yè)度和區(qū)分度指數(shù)、中介中心度、基尼指數(shù)、Rao-Stirling 指數(shù)、多樣性指標(biāo)（diversity，DIV）、Ture diversity（TD）等［22-23］，本文采用的度量指標(biāo)是布里淵指數(shù)和跨學(xué)科種數(shù)。

1.2.1 布里淵指數(shù)

布里淵指數(shù)是基于引文的跨學(xué)科性測(cè)度最常用的指標(biāo)，其計(jì)算公式為：

公式（1）中，N代表樣本總數(shù)，ni是指i類別中的樣本數(shù)。本文測(cè)量的是年度論文參考文獻(xiàn)集，N指某年所有論文的參考文獻(xiàn)所涉及的學(xué)科總數(shù)，ni為i學(xué)科被引用的次數(shù)。在WOS 學(xué)科分類體系中存在一對(duì)多的情況，即一種期刊同屬于2 個(gè)或以上學(xué)科，本文將文獻(xiàn)所涉及的學(xué)科都參與計(jì)算。BI 的取值范圍是［0，+∞）?？鐚W(xué)科引用的學(xué)科類別i越多，ni在各學(xué)科中分布越均勻，BI 就越大，觀測(cè)對(duì)象的多樣性程度就越高，即文獻(xiàn)的跨學(xué)科程度就越高［12］。

1.2.2 跨學(xué)科種數(shù)

本文所指的跨學(xué)科種數(shù)是指除該文所屬學(xué)科醫(yī)學(xué)信息學(xué)外，這篇論文的參考文獻(xiàn)所屬的學(xué)科類別數(shù)。跨學(xué)科種數(shù)越多，說明該學(xué)科與其他學(xué)科交叉程度越大。

1.3 影響力評(píng)價(jià)指標(biāo)

選取被引頻次、學(xué)科規(guī)范化的引文影響力（category normalized citation impact，CNCI）和相對(duì)于全球平均水平的影響力（impact relative to world，IRW）作為學(xué)術(shù)影響力評(píng)價(jià)指標(biāo)，選取使用次數(shù)作為社會(huì)影響力評(píng)價(jià)指標(biāo)。從WOS下載的全記錄數(shù)據(jù)中提取被引頻次和使用次數(shù)，從InCites 數(shù)據(jù)庫中檢索并下載學(xué)科分類為“Medical Informatics”的年度數(shù)據(jù)獲得CNCI 和IRW。

1.4 數(shù)據(jù)來源與處理

本文以WOS 數(shù)據(jù)庫中的SCIE 和SSCI 兩大期刊引文索引為數(shù)據(jù)來源，檢索式為：WC=medical informatics，發(fā)文時(shí)間截止到2019 年，文獻(xiàn)類型限定為“article”，下載文獻(xiàn)的“全記錄與引用的參考文獻(xiàn)”格式。檢索時(shí)間是2021 年6 月4 日。論文參考文獻(xiàn)所屬學(xué)科通過其來源出版物所屬學(xué)科認(rèn)定，通過Python 腳本計(jì)算實(shí)現(xiàn)。計(jì)算過程中剔除參考文獻(xiàn)為空的論文。

各指標(biāo)年度數(shù)據(jù)通過Python 腳本計(jì)算，并借助Gephi 可視化軟件對(duì)部分結(jié)果進(jìn)行展示。指標(biāo)間的相關(guān)性分析利用SPSS 19.0 軟件進(jìn)行Spearman 相關(guān)檢驗(yàn)（檢驗(yàn)水準(zhǔn)α=0.05）。本文的研究分析框架如圖1 所示。

圖1 醫(yī)學(xué)信息學(xué)跨學(xué)科分析及跨學(xué)科測(cè)度指標(biāo)與論文影響力關(guān)系的研究分析框架

2 結(jié)果

共計(jì)檢索得到61 523 篇醫(yī)學(xué)信息學(xué)論文，有效論文61 211 篇，最早的論文發(fā)表于1961 年。2010-2019 年各年度的發(fā)文量（剔除參考文獻(xiàn)為空的論文）、BI、被引頻次等相關(guān)指標(biāo)見表1。

表1 2010-2019 年醫(yī)學(xué)信息學(xué)領(lǐng)域跨學(xué)科測(cè)度指標(biāo)和影響力指標(biāo)

2.1 核心學(xué)科

檢索得到的61 211 篇醫(yī)學(xué)信息學(xué)論文的參考文獻(xiàn)共涉及229 個(gè)學(xué)科，學(xué)科之間引用情況見圖2。圖2 中每個(gè)節(jié)點(diǎn)代表不同的學(xué)科，節(jié)點(diǎn)的大小表示該學(xué)科的知識(shí)流入總量（即被引次數(shù)總和），節(jié)點(diǎn)越大說明被引次數(shù)越多，反之則越少；邊反映醫(yī)學(xué)信息學(xué)和其他學(xué)科之間的知識(shí)交叉情況，邊的粗細(xì)代表交叉程度的大小，由相應(yīng)節(jié)點(diǎn)學(xué)科和醫(yī)學(xué)信息學(xué)的共現(xiàn)次數(shù)決定，邊越粗代表學(xué)科之間的交叉越密切，反之則交叉關(guān)系較淺。參考文獻(xiàn)是知識(shí)流入的標(biāo)志，通過參考文獻(xiàn)學(xué)科類別可體現(xiàn)不同學(xué)科知識(shí)貢獻(xiàn)。圖2 顯示，醫(yī)學(xué)信息學(xué)領(lǐng)域的研究除本學(xué)科的基礎(chǔ)研究外，以衛(wèi)生保健科學(xué)和服務(wù)（Health Care Sciences &Services）、統(tǒng)計(jì)學(xué)和概率（Statistics &Probability）、全科和內(nèi)科學(xué)（General &Internal Medicine）的學(xué)科知識(shí)流入貢獻(xiàn)最大。

圖2 醫(yī)學(xué)信息學(xué)論文對(duì)其他學(xué)科的引用

經(jīng)計(jì)算，共得到33 個(gè)核心學(xué)科，這些學(xué)科發(fā)文量占WOS 文獻(xiàn)總量的19.79%，在醫(yī)學(xué)信息學(xué)論文參考文獻(xiàn)涉及學(xué)科的總頻次中占62.09%（表2）。33個(gè)核心學(xué)科首次出現(xiàn)時(shí)間主要集中在1961-1992年，時(shí)間跨度上均從出現(xiàn)后一直持續(xù)至今。與醫(yī)學(xué)信息學(xué)關(guān)系最密切的是衛(wèi)生保健科學(xué)和服務(wù)（Health Care Sciences &Services），其次是統(tǒng)計(jì)學(xué)和概率（Statistics &Probability），隨后是全科和內(nèi)科學(xué)（General &Internal Medicine），公共事業(yè)、環(huán)境和職業(yè)健康（Public，Environmental &Occupational Health ）、數(shù)學(xué)和計(jì)算生物學(xué)（Mathematical &Computational Biology），這與圖2顯示結(jié)果一致。核心學(xué)科中，20 個(gè)為生物醫(yī)學(xué)相關(guān)學(xué)科，7 個(gè)為計(jì)算機(jī)科學(xué)相關(guān)學(xué)科，占參考文獻(xiàn)所涉及學(xué)科總量的47.83%，這可能與醫(yī)學(xué)信息學(xué)自身是醫(yī)學(xué)和信息科學(xué)的交叉學(xué)科有關(guān)。

表2 醫(yī)學(xué)信息學(xué)論文參考文獻(xiàn)的核心學(xué)科

2.2 跨學(xué)科情況

1961-2019 年醫(yī)學(xué)信息學(xué)的BI 取值范圍為［0.6451,1.7490］，平均值為1.5361。1976 年之前醫(yī)學(xué)信息學(xué)的BI 基本在均值以下，1976 年之后BI值均在平均值之上。醫(yī)學(xué)信息學(xué)跨學(xué)科種數(shù)的取值范圍為［10,225］，平均值為137。1989 年之前醫(yī)學(xué)信息學(xué)每年論文的跨學(xué)科種數(shù)在平均值之下，1989年之后均在平均值之上。近60 年醫(yī)學(xué)信息學(xué)的BI和跨學(xué)科種數(shù)分布見圖3。

圖3 1961-2019 年醫(yī)學(xué)信息學(xué)BI 和跨學(xué)科種數(shù)年度分布

圖3 顯示，醫(yī)學(xué)信息學(xué)的跨學(xué)科種數(shù)一直在不斷增加，且有繼續(xù)上升的趨勢(shì)。BI 的變化主要分為3 個(gè)階段：第一階段（1961-1976 年）為波動(dòng)期，出現(xiàn)了27 個(gè)核心學(xué)科；第二階段（1977-2005年）為穩(wěn)定發(fā)展期，相繼出現(xiàn)了6 個(gè)新的核心學(xué)科，均為醫(yī)學(xué)相關(guān)學(xué)科；第三階段（2006-2019 年）為緩慢上升期，跨學(xué)科種數(shù)平穩(wěn)增加，33 個(gè)核心學(xué)科均已出現(xiàn)，醫(yī)學(xué)信息學(xué)的學(xué)科交叉性表現(xiàn)越來越明顯。

2.3 相關(guān)性

跨學(xué)科測(cè)度指標(biāo)間及與影響力評(píng)價(jià)指標(biāo)間的相關(guān)性分析結(jié)果見表3。因CNCI 和IRW 數(shù)據(jù)起始于1980 年，因此在分析與CNCI 和IRW 的相關(guān)性時(shí)從1980 年開始。根據(jù)相關(guān)系數(shù)r判斷兩變量相關(guān)的密切程度，r取值范圍為-1～1。r為正表示兩變量正相關(guān)，反之則負(fù)相關(guān)；|r|≥0.7 表示兩變量高度相關(guān)，0.7＞|r|≥0.4 表示兩變量中度相關(guān)，|r|＜0.4 表示兩變量低度相關(guān)［24］。

表3 跨學(xué)科測(cè)度指標(biāo)間及與影響力評(píng)價(jià)指標(biāo)間的相關(guān)性分析結(jié)果

分析結(jié)果顯示，BI 與跨學(xué)科種數(shù)呈高度正相關(guān)，BI、跨學(xué)科種數(shù)均與有效發(fā)文量、被引頻次、使用次數(shù)呈現(xiàn)高度正相關(guān)，BI 與CNCI 呈中度正相關(guān)，與IRW 呈弱正相關(guān)，跨學(xué)科種數(shù)與CNCI、IRW均呈現(xiàn)中度正相關(guān)。

3 分析

3.1 醫(yī)學(xué)信息學(xué)領(lǐng)域論文的跨學(xué)科表現(xiàn)

研究結(jié)果顯示，醫(yī)學(xué)信息學(xué)領(lǐng)域論文在發(fā)表的起始年就已存在引用其他學(xué)科的情況，且其跨學(xué)科種數(shù)逐年上升，這與以相同學(xué)科分類體系研究其他學(xué)科領(lǐng)域的跨學(xué)科趨勢(shì)有所不同。有研究結(jié)果顯示，人工智能領(lǐng)域研究論文在跨學(xué)科發(fā)展早期（萌芽期）未引用任何其他學(xué)科，即跨學(xué)科種數(shù)為零，引用的學(xué)科數(shù)量變化趨勢(shì)為“不變→迅速增加→上下波動(dòng)→平穩(wěn)”［17］。該趨勢(shì)與有學(xué)者研究發(fā)現(xiàn)的醫(yī)學(xué)信息學(xué)領(lǐng)域的學(xué)科交叉演化特征結(jié)果相類似［20］。2019 年，在254 種學(xué)科分類中醫(yī)學(xué)信息學(xué)領(lǐng)域論文就涉及到229 種（占90.51%）。有學(xué)者研究發(fā)現(xiàn)國(guó)際上醫(yī)學(xué)信息學(xué)的研究熱點(diǎn)主要集中在電子健康檔案、臨床決策支持系統(tǒng)、數(shù)據(jù)的隱私與安全等衛(wèi)生信息技術(shù)這3 大類中［25］。醫(yī)學(xué)信息學(xué)研究中大數(shù)據(jù)技術(shù)至關(guān)重要，能夠?qū)⑿畔⒓夹g(shù)和醫(yī)療健康深度融合，充分挖掘數(shù)據(jù)的醫(yī)療價(jià)值，推動(dòng)醫(yī)院綜合治療水平的提高。同時(shí)，醫(yī)學(xué)信息學(xué)研究過程中離不開醫(yī)學(xué)相關(guān)理論知識(shí)和實(shí)踐經(jīng)驗(yàn)、計(jì)算機(jī)技術(shù)的融合。知識(shí)流入研究結(jié)果顯示，流入知識(shí)所涉及的學(xué)科對(duì)醫(yī)學(xué)信息學(xué)領(lǐng)域的研究有很大貢獻(xiàn)。1961-2019 年醫(yī)學(xué)信息學(xué)領(lǐng)域的知識(shí)流入主要集中在衛(wèi)生保健、醫(yī)學(xué)和計(jì)算機(jī)領(lǐng)域，關(guān)系最為密切的5 種學(xué)科為衛(wèi)生保健科學(xué)和服務(wù)，統(tǒng)計(jì)學(xué)和概率，全科和內(nèi)科學(xué)，公共事業(yè)、環(huán)境和職業(yè)健康及數(shù)學(xué)、計(jì)算生物學(xué)。這與其他學(xué)者得出的衛(wèi)生保健、醫(yī)學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)與醫(yī)學(xué)信息學(xué)之間的知識(shí)輸入關(guān)系依次變?nèi)?、衛(wèi)生保健與醫(yī)學(xué)所起到的知識(shí)作用大于計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)等結(jié)論［18］有所不同。

另外，醫(yī)學(xué)信息學(xué)的BI 除了早期（1961-1976年）出現(xiàn)波動(dòng)外，基本呈上升趨勢(shì)，但幅度不大，平均值為 1.5361。有學(xué)者研究得出的學(xué)科多樣性測(cè)度指標(biāo)跨領(lǐng)域引用指數(shù)和香農(nóng)熵的年度變化趨勢(shì)［26］與本文的跨學(xué)科測(cè)度指標(biāo)布里淵指數(shù)在2010-2017 年間變化趨勢(shì)一致。

綜上所述，醫(yī)學(xué)信息學(xué)領(lǐng)域論文涉及的學(xué)科比較豐富，研究跨度非常廣泛，這可能與醫(yī)學(xué)信息學(xué)本身就屬于交叉學(xué)科有一定的關(guān)系。相關(guān)學(xué)科對(duì)醫(yī)學(xué)信息的核心研究領(lǐng)域的貢獻(xiàn)度明顯較大。醫(yī)學(xué)信息學(xué)的跨學(xué)科性明顯，而且一直在穩(wěn)步發(fā)展，但與經(jīng)濟(jì)學(xué)和物理學(xué)這種大學(xué)科相比，醫(yī)學(xué)信息學(xué)的跨學(xué)科強(qiáng)度仍有所欠缺。有學(xué)者對(duì)高被引論文跨學(xué)科性的比較分析結(jié)果顯示，經(jīng)濟(jì)學(xué)和物理學(xué)的年度BI 范圍均為（2.0，2.6），高于醫(yī)學(xué)信息學(xué)領(lǐng)域的BI［15］。

3.2 醫(yī)學(xué)信息學(xué)領(lǐng)域論文的跨學(xué)科測(cè)度指標(biāo)

BI 綜合表達(dá)了學(xué)科交流的豐富性及引用與被引在各學(xué)科分布的均勻性。與跨學(xué)科引證指數(shù)、h度指標(biāo)相比，更為均衡地考慮了學(xué)科引用的強(qiáng)度、廣度，以及引用頻次分布的均勻性對(duì)學(xué)科交叉程度的影響［14］。

從BI 的概念上看，跨學(xué)科引用的學(xué)科類別越多，引用頻次在各學(xué)科中分布越均勻，BI 就越大。本文的研究結(jié)果也證實(shí)了BI 與跨學(xué)科種數(shù)呈高度正相關(guān)性。有學(xué)者參考ESI 的22 個(gè)學(xué)科大類對(duì)1980-2018 年圖書情報(bào)學(xué)領(lǐng)域?qū)W科交叉程度與文獻(xiàn)學(xué)術(shù)影響力的關(guān)系進(jìn)行研究，也得出了BI 與學(xué)科種數(shù)呈高度正相關(guān)性的結(jié)論［13］。本文的研究結(jié)果還顯示，隨著發(fā)文量的增加，BI、跨學(xué)科種數(shù)會(huì)上升，這一結(jié)論與有些學(xué)者的研究結(jié)果有所不同。有學(xué)者對(duì)人工智能領(lǐng)域進(jìn)行跨學(xué)科研究，得出人工智能的年度BI、引用的學(xué)科數(shù)量均與文獻(xiàn)量不存在相關(guān)性［17］；有學(xué)者參考WOS 學(xué)科分類體系對(duì)圖書情報(bào)學(xué)期刊2013 年度論文集進(jìn)行分析，得出BI 與發(fā)文量不存在相關(guān)性。這些學(xué)者的研究結(jié)果之所以與本文的研究結(jié)果存在差異，可能與研究的學(xué)科領(lǐng)域不同有關(guān)［27］。

3.3 跨學(xué)科測(cè)度指標(biāo)與論文影響力關(guān)系

一般而言，BI 越大、跨學(xué)科數(shù)量越多，說明論文的跨學(xué)科性越強(qiáng)、知識(shí)流入的學(xué)科領(lǐng)域越多，但這并不意味著用戶對(duì)學(xué)術(shù)成果的關(guān)注度越高［28］，因此需要進(jìn)一步研究跨學(xué)科測(cè)度指標(biāo)與論文影響力的關(guān)系。論文影響力一般可分為學(xué)術(shù)影響力和社會(huì)影響力。

在學(xué)術(shù)影響力方面，本文的研究結(jié)果顯示，跨學(xué)科測(cè)度指標(biāo)（BI 和跨學(xué)科種數(shù)）與論文總被引頻次呈現(xiàn)高度正相關(guān)性。研究所選取的指標(biāo)不同或論文集不同，相關(guān)性結(jié)果也會(huì)不同。如有學(xué)者以香農(nóng)熵和跨學(xué)科引用指數(shù)作為跨學(xué)科測(cè)度指標(biāo)時(shí)，發(fā)現(xiàn)香農(nóng)熵與總被引次數(shù)具有較強(qiáng)的正相關(guān)性，跨學(xué)科引用指數(shù)與被引頻次呈非常弱的相關(guān)關(guān)系［26］；有學(xué)者選取與本文相同跨學(xué)科測(cè)度指標(biāo)（BI），以圖書情報(bào)學(xué)期刊作為團(tuán)體研究對(duì)象時(shí)，發(fā)現(xiàn)論文總被引頻次與BI 呈現(xiàn)低度正相關(guān)性［27］。本文的研究結(jié)果還顯示，BI 與CNCI 呈中度正相關(guān)性（r=0.429），與IRW 呈弱正相關(guān)性（r=0.328）；跨學(xué)科種數(shù)與CNCI、IRW 均呈現(xiàn)中度正相關(guān)性（r值分別為0.433、0.455）。有學(xué)者研究結(jié)果顯示CNCI 與BI 和跨學(xué)科種數(shù)均呈現(xiàn)低度正相關(guān)性（r值分別為0.373、0.390）［13］，即與本文得出的結(jié)果有所不同，這可能是因?yàn)樗鶇⒖嫉膶W(xué)科分類體系不同所致，該學(xué)者參考的是ESI 學(xué)科分類體系，而本文參考的是WOS 學(xué)科分類體系。

在社會(huì)影響力方面，本文的研究結(jié)果顯示，使用次數(shù)與BI、跨學(xué)科種數(shù)均呈現(xiàn)高度正相關(guān)性。目前，關(guān)于跨學(xué)科測(cè)度指標(biāo)與社會(huì)影響力指標(biāo)之間關(guān)系的研究較少。目前的研究結(jié)果顯示，不同的社會(huì)影響力評(píng)價(jià)指標(biāo)與跨學(xué)科測(cè)試指標(biāo)之間關(guān)系有所不同。如有學(xué)者對(duì)總使用次數(shù)和年均使用次數(shù)與跨學(xué)科測(cè)度指標(biāo)（跨學(xué)科引用指數(shù)和香農(nóng)熵）的相關(guān)性進(jìn)行分析，發(fā)現(xiàn)僅香農(nóng)熵與論文總使用次數(shù)存在較強(qiáng)的正相關(guān)性［26］；有學(xué)者基于Scopus 學(xué)科分類體系對(duì)高被引論文的跨學(xué)科性與Altmetrics 指標(biāo)相關(guān)性進(jìn)行分析，發(fā)現(xiàn)BI及跨學(xué)科種數(shù)與Altmetrics指標(biāo)呈現(xiàn)負(fù)相關(guān)關(guān)系［28］。

綜上所述，醫(yī)學(xué)信息學(xué)領(lǐng)域論文的跨學(xué)科測(cè)度指標(biāo)（BI 和跨學(xué)科種數(shù)）與論文的學(xué)術(shù)影響力和社會(huì)影響力均呈線性正相關(guān)關(guān)系。一方面，隨著跨學(xué)科種數(shù)的增加，BI 變大，年度論文的總被引頻次會(huì)增加，學(xué)科規(guī)范化引文影響力會(huì)增強(qiáng)，相對(duì)于全球平均水平的影響力也會(huì)提升；另一方面，論文的使用次數(shù)也會(huì)隨之增加，研究者的關(guān)注度也隨之提高。

4 結(jié)語

本文選取WOS 核心合集的分類體系，利用WOS 收錄論文的參考文獻(xiàn)，對(duì)醫(yī)學(xué)信息學(xué)的跨學(xué)科性及其與論文影響力的關(guān)系進(jìn)行了分析，得出以下結(jié)論：一是醫(yī)學(xué)信息學(xué)的研究跨度非常廣泛，參考文獻(xiàn)涉及學(xué)科數(shù)量超過WOS 學(xué)科分類中學(xué)科總數(shù)的90%以上，但與經(jīng)濟(jì)學(xué)和物理學(xué)這種大學(xué)科相比，醫(yī)學(xué)信息學(xué)的跨學(xué)科強(qiáng)度仍有所欠缺；二是醫(yī)學(xué)信息學(xué)領(lǐng)域的知識(shí)流入主要集中在衛(wèi)生保健、醫(yī)學(xué)和計(jì)算機(jī)領(lǐng)域，關(guān)系最為密切的5 種學(xué)科為衛(wèi)生保健科學(xué)和服務(wù)、統(tǒng)計(jì)學(xué)和概率、全科和內(nèi)科學(xué)、公共事業(yè)和環(huán)境和職業(yè)健康及數(shù)學(xué)、計(jì)算生物學(xué)；三是醫(yī)學(xué)信息學(xué)領(lǐng)域的BI 和跨學(xué)科種數(shù)平均值分別為1.536 1、137，隨著發(fā)文量的增加，BI 和跨學(xué)科種數(shù)會(huì)上升；四是醫(yī)學(xué)信息學(xué)領(lǐng)域的BI 與跨學(xué)科種數(shù)呈高度正相關(guān)性，二者均與影響力評(píng)價(jià)指標(biāo)呈正相關(guān)性，與被引頻次、使用次數(shù)呈高度相關(guān)性。

本文的研究也存在一定局限。如參考文獻(xiàn)中存在未被WOS 收錄的文獻(xiàn)，可能會(huì)對(duì)結(jié)果造成一定程度的影響；本文僅參考了WOS 學(xué)科分析體系，忽略了其他學(xué)科分類體系作為參考時(shí)醫(yī)學(xué)信息學(xué)的跨學(xué)科特性；本文僅選取了參考文獻(xiàn)數(shù)據(jù)集，并未考慮施引文獻(xiàn)，只從知識(shí)流入的角度描述了醫(yī)學(xué)信息學(xué)的跨學(xué)科性，研究的全面性需進(jìn)一步提高。

總之，醫(yī)學(xué)信息學(xué)領(lǐng)域的跨學(xué)科性表現(xiàn)明顯，且一直在穩(wěn)步發(fā)展。未來還需進(jìn)一步深入研究醫(yī)學(xué)信息學(xué)與交叉學(xué)科間知識(shí)流動(dòng)的主題范疇與演化趨勢(shì)、跨學(xué)科引用對(duì)知識(shí)生長(zhǎng)的作用，更深入地了解醫(yī)學(xué)信息學(xué)的跨學(xué)科情況，為學(xué)科發(fā)展提供參考。