陳 琴,陳 紅,趙麗麗,常 林,馬 麗,李海霞

風(fēng)險(xiǎn)預(yù)測(cè)模型是指利用數(shù)學(xué)公式估計(jì)特定個(gè)體當(dāng)前患有某病或?qū)戆l(fā)生某結(jié)局的概率,并按照概率的大小分層以供評(píng)估者對(duì)不同風(fēng)險(xiǎn)概率的群體在臨床實(shí)踐中進(jìn)行針對(duì)性的干預(yù)[1]。近年來,隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和大數(shù)據(jù)在醫(yī)療領(lǐng)域的廣泛應(yīng)用以及“5P醫(yī)學(xué)模式”的發(fā)展,將機(jī)器學(xué)習(xí)算法引入護(hù)理研究領(lǐng)域構(gòu)建護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型已深受護(hù)理研究者的青睞,通過精準(zhǔn)預(yù)估疾病預(yù)后結(jié)局、癥狀發(fā)生可能性等概率,從而協(xié)助醫(yī)護(hù)人員制訂個(gè)性化預(yù)防性治護(hù)方案[2]?，F(xiàn)有護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究在慢性病進(jìn)展預(yù)測(cè)[3-4]、不良事件預(yù)估[5-6]、護(hù)理教育改革[7]等方面已有大量研究,因此本研究基于CiteSpace軟件對(duì)國(guó)內(nèi)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究現(xiàn)狀進(jìn)行可視化分析,總結(jié)當(dāng)前研究熱點(diǎn)與前沿,為后續(xù)護(hù)理研究者開發(fā)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型提供參考依據(jù)。

1 資料與方法

1.1 文獻(xiàn)檢索策略

在預(yù)檢索的基礎(chǔ)上確定檢索式,對(duì)中國(guó)知網(wǎng)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫收錄的關(guān)于護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的文獻(xiàn)進(jìn)行檢索,檢索時(shí)限為建庫至2023年4月13日,共獲取584篇文獻(xiàn),文獻(xiàn)篩選流程見圖1。以萬方數(shù)據(jù)庫為例,檢索式如下。

圖1 文獻(xiàn)篩選流程圖

#1 風(fēng)險(xiǎn)預(yù)測(cè)模型OR預(yù)測(cè)模型OR風(fēng)險(xiǎn)模型

#2 護(hù)理

#3 構(gòu)建

#4 #1 AND #2 AND #3

1.2 文獻(xiàn)納入和排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn):1)我國(guó)護(hù)理領(lǐng)域所有已經(jīng)發(fā)表的風(fēng)險(xiǎn)預(yù)測(cè)模型的文獻(xiàn);2)針對(duì)特定的臨床護(hù)理問題,通過嚴(yán)謹(jǐn)?shù)姆椒▽W(xué)構(gòu)建預(yù)測(cè)模型的文獻(xiàn)。排除標(biāo)準(zhǔn):1)綜述、系統(tǒng)評(píng)價(jià)、Meta分析或個(gè)案類文獻(xiàn);2)會(huì)議類文獻(xiàn);3)重復(fù)發(fā)表的文獻(xiàn);4)無法獲取全文的文獻(xiàn);5)未提供預(yù)測(cè)模型的文獻(xiàn)。

1.3 文獻(xiàn)篩選

首先將檢索的文獻(xiàn)導(dǎo)入NoteExpress軟件進(jìn)行整理和去重。由2名受過澳大利亞Joanna Briggs Institute(JBI)循證衛(wèi)生保健研究中心循證方法培訓(xùn)的研究者嚴(yán)格按照納入及排除標(biāo)準(zhǔn),閱讀文獻(xiàn)題目和摘要進(jìn)行初篩,然后進(jìn)一步查閱全文進(jìn)行復(fù)篩。對(duì)篩選結(jié)果有爭(zhēng)議時(shí),邀請(qǐng)第3名專家進(jìn)行判定。

1.4 研究方法

本研究使用CiteSpace 6.2.R1軟件對(duì)數(shù)據(jù)源進(jìn)行統(tǒng)計(jì)學(xué)分析,從數(shù)據(jù)庫導(dǎo)出題錄,應(yīng)用NoteExpress 3.6.0軟件去除重復(fù)及與主題不符文獻(xiàn)。將去重后題錄導(dǎo)出,以download_.txt格式命名保存至input文件夾,將數(shù)據(jù)導(dǎo)入CiteSpace 6.2.R1軟件在Data中轉(zhuǎn)換為軟件可識(shí)別的中國(guó)知網(wǎng)(CNKI)格式,導(dǎo)出文件保存至output文件夾中。在CiteSpace 6.2.R1軟件界面中,時(shí)間區(qū)域?yàn)?011—2023年,時(shí)間切片為1年,閾值數(shù)值設(shè)置為Top N%=50%,pruning算法為Pathfinder。選取的節(jié)點(diǎn)類型分別為“機(jī)構(gòu)”“作者”和“關(guān)鍵詞”,通過構(gòu)建關(guān)鍵詞聚類知識(shí)圖譜、突現(xiàn)詞分析圖譜、作者合作網(wǎng)絡(luò)可視化圖譜和發(fā)文機(jī)構(gòu)合作網(wǎng)絡(luò)可視化圖譜,對(duì)近年來護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的研究熱點(diǎn)和發(fā)展趨勢(shì)進(jìn)行分析。

2 結(jié)果

2.1 我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型發(fā)文數(shù)量及趨勢(shì)情況

2005—2011年發(fā)文數(shù)量基本穩(wěn)定,處于探索期,年發(fā)文量少于10篇;2012—2018年為逐步增長(zhǎng)期,年發(fā)文量為20～30篇;2019—2022年呈井噴式增長(zhǎng),年發(fā)文量>80篇。

2.2 我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型核心作者及發(fā)文數(shù)量作者合作網(wǎng)絡(luò)分析

表1 國(guó)內(nèi)發(fā)文量排名前10位的核心作者情況

利用CiteSpace 6.2.R1軟件制作作者合作網(wǎng)絡(luò)可視化圖譜,時(shí)間切片為1,閾值為1,得到269個(gè)節(jié)點(diǎn),251條連線。作者合作網(wǎng)絡(luò)可視化圖譜見圖2,在可視化圖譜中,節(jié)點(diǎn)大小、作者字體大小代表發(fā)文量高低,作者之間的聯(lián)系粗細(xì)代表作者之間關(guān)聯(lián)度的高低。其中,鄒圣強(qiáng)、陳麗、胡佳民字體及節(jié)點(diǎn)最大且連線較多,代表他們發(fā)表此類文獻(xiàn)最多且有合作關(guān)系;董正惠、祁進(jìn)芳、李振剛發(fā)表相關(guān)文獻(xiàn)較多,他們之間也存在合作關(guān)系。

圖2 2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)領(lǐng)域的作者合作網(wǎng)絡(luò)可視化圖譜

2.3 我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究機(jī)構(gòu)發(fā)文情況及合作網(wǎng)絡(luò)分析

湖州師范學(xué)院發(fā)文量最多14篇;其次是江蘇大學(xué)、安徽醫(yī)科大學(xué)發(fā)文量分別為9篇和8篇。國(guó)內(nèi)發(fā)文量排名前20位的核心研究機(jī)構(gòu)情況見表2。

表2 國(guó)內(nèi)發(fā)文量排名前20位的核心機(jī)構(gòu)情況

在CiteSpace 6.2.R1軟件中的institution模塊對(duì)文獻(xiàn)的發(fā)文機(jī)構(gòu)進(jìn)行分析,制作發(fā)文機(jī)構(gòu)合作網(wǎng)絡(luò)可視化圖譜見圖3,時(shí)間切片為1,閾值為25,得到165個(gè)節(jié)點(diǎn),87條連線,密度為0.006 4。機(jī)構(gòu)發(fā)文量的多少與節(jié)點(diǎn)大小和機(jī)構(gòu)字體大小成正比。機(jī)構(gòu)之間的聯(lián)系粗細(xì)代表作者之間關(guān)聯(lián)度的高低。通過研究發(fā)文機(jī)構(gòu)之間的連線能夠清楚地發(fā)現(xiàn),風(fēng)險(xiǎn)預(yù)測(cè)模型在我國(guó)護(hù)理領(lǐng)域研究尚未形成機(jī)構(gòu)群,機(jī)構(gòu)間的合作僅存在于醫(yī)院護(hù)理部與其各病區(qū)之間、高校及其附屬醫(yī)院,其他機(jī)構(gòu)之間的合作較為分散。

圖3 2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)領(lǐng)域的發(fā)文機(jī)構(gòu)合作網(wǎng)絡(luò)可視化圖譜

2.4 研究熱點(diǎn)分析

2.4.1 關(guān)鍵詞聚類分析

聚類分析是用算法把相同或相近的關(guān)鍵詞進(jìn)行歸納匯總,以此更好反映概念間的關(guān)系[9]。CiteSpace依據(jù)網(wǎng)絡(luò)結(jié)構(gòu)和聚類的清晰度,提供了模塊值(Q值)和平均輪廓值(S值)2個(gè)指標(biāo),Q>0.3意味著劃分出來的社團(tuán)結(jié)構(gòu)是顯著的,當(dāng)S值在0.7時(shí)聚類是高效率、令人信服的,若在0.5以上,聚類一般認(rèn)為是合理的[7]。因此,在關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行關(guān)鍵詞聚類分析,能夠更直觀地反映風(fēng)險(xiǎn)預(yù)測(cè)模型在護(hù)理領(lǐng)域的研究熱點(diǎn)。通過在CiteSpace.alias中進(jìn)行文本編輯,合并同義關(guān)鍵詞節(jié)點(diǎn),利用CiteSpace 6.2.R1軟件進(jìn)行關(guān)鍵詞共現(xiàn)后運(yùn)用對(duì)數(shù)似然比(LLR)算法聚類生成該領(lǐng)域關(guān)鍵詞聚類網(wǎng)絡(luò)見圖4,此圖譜呈現(xiàn)365個(gè)節(jié)點(diǎn),549條連線,且模塊值Q=0.870 5,輪廓值S=0.982 8,表明聚類結(jié)果的可信度較高,節(jié)點(diǎn)的大小代表聚類的大小。由圖4可知,研究主題主要集中在預(yù)后結(jié)局和疾病預(yù)測(cè)方面;重點(diǎn)關(guān)注人群為老年人、護(hù)士、婦女,這與王晶等[10]的研究結(jié)果一致。此外,能夠發(fā)現(xiàn)運(yùn)用機(jī)器學(xué)習(xí)和人工智能建模已經(jīng)成為護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建的趨勢(shì)。

圖4 2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的關(guān)鍵詞聚類網(wǎng)絡(luò)圖譜

2.4.2 關(guān)鍵詞突現(xiàn)分析

突現(xiàn)詞是利用突變?cè)~探測(cè)技術(shù)生成,代表某研究領(lǐng)域的熱點(diǎn)詞匯,可用來識(shí)別該領(lǐng)域的研究熱點(diǎn)與發(fā)展趨勢(shì)[11]。關(guān)鍵詞突現(xiàn)分析,可以了解研究領(lǐng)域的前沿知識(shí)熱點(diǎn)和發(fā)展演變趨勢(shì)。本研究通過CiteSpace 6.2.R1軟件將突現(xiàn)參數(shù)γ設(shè)置為0.3,最短時(shí)間設(shè)置為2年,運(yùn)行Burstness得到19個(gè)突現(xiàn)詞,見圖5,顯示這些突現(xiàn)關(guān)鍵詞的突現(xiàn)時(shí)間和持續(xù)時(shí)間分布。根據(jù)突現(xiàn)結(jié)果可以看出,突現(xiàn)持續(xù)時(shí)間最長(zhǎng)的關(guān)鍵詞為生活質(zhì)量,時(shí)間為2015—2020年,其次是早產(chǎn)兒;最新出現(xiàn)的突現(xiàn)關(guān)鍵詞為失能老人、nomogram model、臨床護(hù)理、燒傷和吞咽障礙,表明2019年以來使用工具由回歸模型轉(zhuǎn)變?yōu)閚omogram model;同時(shí)在護(hù)理領(lǐng)域的研究前沿和熱點(diǎn)比較集中在失能老人、臨床護(hù)理和預(yù)后結(jié)局。病人預(yù)后轉(zhuǎn)歸、智能數(shù)據(jù)挖掘會(huì)是未來研究的重點(diǎn)方向。2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型前15位關(guān)鍵詞見表3。

表3 2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型前15位關(guān)鍵詞

圖5 2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的關(guān)鍵詞突現(xiàn)圖譜

3 討論

3.1 我國(guó)的護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究總體現(xiàn)狀

2011—2023年我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)研究發(fā)文量呈上升趨勢(shì),處于蓬勃發(fā)展?fàn)顟B(tài),然而部分文獻(xiàn)未能成功構(gòu)建預(yù)測(cè)模型或模型建立后未進(jìn)行性能評(píng)價(jià),其可重復(fù)性和外推性有待考察,同時(shí)相較于國(guó)外發(fā)文量較低,因此我國(guó)的護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建研究仍處于相對(duì)劣勢(shì)。關(guān)于護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的文獻(xiàn)多發(fā)表于中華護(hù)理雜志等文獻(xiàn)質(zhì)量較高的核心期刊,說明我國(guó)學(xué)者在護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型領(lǐng)域的研究方法已較為成熟。未來隨著風(fēng)險(xiǎn)預(yù)測(cè)模型研究的深入開展,以及技術(shù)的持續(xù)更新迭代,發(fā)文量預(yù)計(jì)將會(huì)進(jìn)入下一個(gè)循環(huán)周期。

3.2 各研究區(qū)域發(fā)展不平衡,核心作者和機(jī)構(gòu)群尚未形成

從表2看出,我國(guó)內(nèi)部機(jī)構(gòu)文章大多出現(xiàn)于北京、浙江、江蘇、安徽等經(jīng)濟(jì)和醫(yī)學(xué)相對(duì)發(fā)達(dá)地區(qū),西部地區(qū)文章較少,這與其他研究者在護(hù)理創(chuàng)新領(lǐng)域的研究統(tǒng)計(jì)結(jié)果一致[12]。發(fā)文量和分布趨勢(shì)可以一定程度上反映某領(lǐng)域的研究現(xiàn)狀和水平,因此迫切需要國(guó)家政策的支持,加大經(jīng)濟(jì)不發(fā)達(dá)地區(qū)教育及科研資金投入。好的合作能夠推動(dòng)科學(xué)研究正向發(fā)展,合作度既能反映研究領(lǐng)域的相互滲透、交叉程度,又能反映研究領(lǐng)域的質(zhì)和量[13],各學(xué)者、機(jī)構(gòu)和地區(qū)之間開展合作,利于推動(dòng)護(hù)士科研水平的發(fā)展。本研究結(jié)果顯示,我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究領(lǐng)域缺乏核心作者和機(jī)構(gòu)群,作者之間及機(jī)構(gòu)之間相互合作匱乏、疏散。因此,亟待加大資金與政策的扶持力度,促進(jìn)多學(xué)科、多機(jī)構(gòu)間的科研學(xué)術(shù)交流與交互融合發(fā)展,促進(jìn)科研成果轉(zhuǎn)化。

3.3 研究前沿與熱點(diǎn)

本研究結(jié)果顯示,術(shù)后護(hù)理、老年病人、并發(fā)癥、譫妄、機(jī)器學(xué)習(xí)、腦卒中等研究主題出現(xiàn)的頻次較高。說明隨著我國(guó)老齡化進(jìn)程的加速,老年人照護(hù)需求飛速增加,加之國(guó)家養(yǎng)老政策的推動(dòng),老年人護(hù)理需求、醫(yī)養(yǎng)結(jié)合、長(zhǎng)期護(hù)理風(fēng)險(xiǎn)的預(yù)測(cè)研究已持續(xù)成為老年人研究領(lǐng)域的熱點(diǎn)[14]。其中,由于骨折和卒中的高發(fā)病率和高致畸率特點(diǎn),同時(shí)伴隨多種并發(fā)癥,嚴(yán)重影響老年人的生活質(zhì)量,因此已成為未來持續(xù)關(guān)注的重點(diǎn)。有研究表明,關(guān)于骨折的臨床研究多集中在圍術(shù)期護(hù)理、術(shù)后康復(fù)及舒適護(hù)理,且以高齡病人居多[15]。陳旭娟等[16]通過探討老年髖部骨折術(shù)后病人肺部感染的影響因素,構(gòu)建的風(fēng)險(xiǎn)預(yù)測(cè)模型可以有效預(yù)測(cè)老年髖部骨折術(shù)后病人肺部感染的發(fā)生。孫超等[17]研究構(gòu)建的老年缺血性腦卒中病人非計(jì)劃性再入院的風(fēng)險(xiǎn)預(yù)測(cè)模型可幫助醫(yī)務(wù)人員早期識(shí)別老年缺血性腦卒中病人非計(jì)劃性再入院高危人群。術(shù)后譫妄是指外科手術(shù)后出現(xiàn)的譫妄,是手術(shù)后常見并發(fā)癥之一[18]。葉麗等[19]研究表明針對(duì)不同病人構(gòu)建不同的術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型有利于醫(yī)護(hù)人員早期識(shí)別并采取差異化護(hù)理方案,提示未將“疼痛”作為第五大生命體征納入重要影響因素進(jìn)行分析,是構(gòu)建術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型研究的不足之處。

同時(shí),本研究結(jié)果表明吞咽障礙和燒傷是當(dāng)前較前沿的研究主題。神經(jīng)功能的缺損會(huì)直接導(dǎo)致病人吞咽功能減退,因此促進(jìn)神經(jīng)功能恢復(fù)、降低吞咽障礙發(fā)生風(fēng)險(xiǎn)是卒中護(hù)理未來重要的研究方向。近年來,燒傷病例仍在上升,死亡率非常高,盡管有關(guān)燒傷的研究已相對(duì)成熟,但是大面積燒傷合并譫妄的研究很少,而開發(fā)和驗(yàn)證大面積燒傷病人譫妄發(fā)作的預(yù)測(cè)模型更是少見,由此也為基于機(jī)器學(xué)習(xí)的譫妄預(yù)測(cè)研究提供了方向[20]。

值得注意的是,依托“互聯(lián)網(wǎng)+”目前護(hù)理領(lǐng)域中應(yīng)用機(jī)器學(xué)習(xí)算法構(gòu)建的風(fēng)險(xiǎn)預(yù)測(cè)模型已經(jīng)取得一定的成果,汪淑華等[21]研究表明基于機(jī)器學(xué)習(xí)算法預(yù)測(cè)模型性能在敏感性和準(zhǔn)確性上優(yōu)于傳統(tǒng)Logistic回歸模型;王沛如等[22]研究也表明基于機(jī)器學(xué)習(xí)算法建立的護(hù)理人員心理健康狀況預(yù)測(cè)模型預(yù)測(cè)價(jià)值更高。俞臻梁[23]的研究也得出同樣的結(jié)果。構(gòu)建護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型最重要的基礎(chǔ)是前期數(shù)據(jù)和記錄的準(zhǔn)確性和全面性。然而,目前基于機(jī)器學(xué)習(xí)構(gòu)建模型的研究大部分為回顧性研究,這可能成為建模結(jié)果不理想的原因,提示未來開展前瞻性研究構(gòu)建護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型效果更佳。王晶等[24]的研究提示護(hù)理研究者應(yīng)尋求高效的多學(xué)科合作,利用信息化技術(shù)開展護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究,不斷創(chuàng)新方法,拓展研究的廣度和深度。

綜上所述,通過基于CiteSpace對(duì)我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型研究進(jìn)行可視化分析,結(jié)果顯示護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型的研究和應(yīng)用仍是目前護(hù)理領(lǐng)域研究的熱點(diǎn)。然而,大部分研究為回顧性研究且尚未進(jìn)行模型性能評(píng)價(jià),臨床推廣較少,因此應(yīng)注重提升護(hù)理人員自身數(shù)據(jù)挖掘知識(shí)儲(chǔ)備,培養(yǎng)護(hù)理信息技術(shù)專業(yè)人才,在后續(xù)建模時(shí),能夠通過不同科學(xué)算法對(duì)同一研究問題構(gòu)建多種模型,再進(jìn)行模型性能評(píng)價(jià)尋找最優(yōu)模型,以便更好地推廣于臨床。我國(guó)護(hù)理風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建研究實(shí)踐發(fā)展仍然面臨著區(qū)域、作者及機(jī)構(gòu)較為分散、合作不緊密、發(fā)展不平衡等多方面困難,需要相關(guān)政策扶持及機(jī)構(gòu)培訓(xùn),從而促進(jìn)個(gè)體及系統(tǒng)層面全方位發(fā)展。但是,本研究?jī)H檢索了我國(guó)3個(gè)數(shù)據(jù)庫,對(duì)我國(guó)學(xué)者在國(guó)外期刊發(fā)表的文章未進(jìn)行分析,研究結(jié)果存在一定的偏倚和局限性。