孔凡樂，紀(jì)瑞鋒，何 新

廣東藥科大學(xué)中藥學(xué)院，廣東 廣州 510006

文獻(xiàn)計(jì)量學(xué)在醫(yī)學(xué)領(lǐng)域已被廣泛應(yīng)用，利用其得出的數(shù)據(jù)可準(zhǔn)確把握相關(guān)領(lǐng)域的發(fā)展動(dòng)向。被用于文獻(xiàn)計(jì)量分析的軟件包括 CiteSpace[3]、VOSviewer[4]、bibExcel[5]、Science of Science（SCI2）[6]和 HistCite[7]等，其中 CiteSpace 和VOSviewer 是最受歡迎的2 個(gè)軟件。CiteSpace 是陳超美教授設(shè)計(jì)的基于Java 語言的可視化計(jì)量軟件，其可以更全面地呈現(xiàn)研究領(lǐng)域的發(fā)展規(guī)律、熱點(diǎn)趨勢(shì)以及前沿動(dòng)態(tài)[8-10]；VOSviewer 由萊頓大學(xué)科學(xué)技術(shù)研究中心創(chuàng)建，該軟件可以更明確地顯示研究領(lǐng)域中關(guān)鍵詞間的相互關(guān)系及其強(qiáng)度[8]。利用二者的優(yōu)點(diǎn)，分別使用VOSviewer 1.6.19、CiteSpace 6.1.R6 Advanced 對(duì)該領(lǐng)域中國(guó)知網(wǎng)（CNKI）、Web of Science 核心數(shù)據(jù)庫（WoSCC）中的文獻(xiàn)進(jìn)行關(guān)鍵信息的可視化分析，以期全面分析該領(lǐng)域的研究熱點(diǎn)與發(fā)展趨勢(shì)，為后續(xù)解決植物類藥材中農(nóng)藥殘留問題提供合理的研究方向。

1 資料與方法

1.1 數(shù)據(jù)來源與檢索策略

本研究以CNKI 與WoSCC 1986—2023 年收錄的文獻(xiàn)為主要數(shù)據(jù)來源，分別對(duì)中、英文文獻(xiàn)進(jìn)行研究分析，其中CNKI 數(shù)據(jù)庫檢索詞包括農(nóng)藥殘留、中藥材，WoSCC 數(shù)據(jù)庫檢索詞為pesticide residue、medicine。CNKI 檢索式：主題詞為“農(nóng)藥殘留” AND “中藥材＋植物中藥＋飲片”，條件設(shè)置“精確”，選擇時(shí)間范圍1986 年1 月1 日—2023 年1 月1 日，共檢索到890 篇中文文獻(xiàn)。WoSCC 檢索式：TS＝(pesticide residue) AND TS＝(medicine)，檢索時(shí)間范圍為1983 年1 月1 日—2023 年1 月1 日，共檢索到341 篇英文文獻(xiàn)。

1.2 數(shù)據(jù)提取與收集

以植物類藥材農(nóng)殘檢測(cè)、農(nóng)藥殘留、農(nóng)殘消解動(dòng)態(tài)、農(nóng)殘遷移、質(zhì)量標(biāo)準(zhǔn)研究為主題的中、英文文獻(xiàn)均被納入分析，排除CNKI 數(shù)據(jù)庫中的會(huì)議、報(bào)紙、成果、專利類文獻(xiàn)，選擇WoSCC 數(shù)據(jù)庫中的article 和review article 類文獻(xiàn)，為提高文獻(xiàn)相關(guān)度，本研究采用對(duì)每篇中、英文文獻(xiàn)主題、摘要等進(jìn)行總結(jié)與歸納，最終篩選出中文文獻(xiàn)521 篇，英文文獻(xiàn)153 篇。中文文獻(xiàn)以Refworks 格式批量導(dǎo)出，文件以“download_*.txt”命名，英文文獻(xiàn)記錄內(nèi)容選擇全記錄與引用的參考文獻(xiàn)，并將記錄導(dǎo)出為純文本格式，文件命名格式同中文文獻(xiàn)。

1.3 圖譜繪制與可視化分析

1.3.1 VOSviewer 將CNKI 與WoSCC 數(shù)據(jù)庫中的文獻(xiàn)批量導(dǎo)入VOSviewer1.6.19 中，選擇合適的相關(guān)閾值，在軟件工具欄中選擇“Analysis”，通過改變各功能區(qū)的參數(shù)使節(jié)點(diǎn)均勻分布，此外，為使圖譜更為清晰、美觀，可動(dòng)態(tài)調(diào)整可視化展示區(qū)各參數(shù)的范圍，最終得到發(fā)文作者與文獻(xiàn)關(guān)鍵詞可視化共現(xiàn)圖譜。

1.3.2 CiteSpace 中、英文文獻(xiàn)時(shí)間跨度分別為1986 年1 月—2023 年1 月與1983 年1 月—2023 年1 月，兩者時(shí)間切片均為“1”，選擇軟件默認(rèn)篩選標(biāo)準(zhǔn)（top 50），數(shù)據(jù)裁剪選擇“Pathfinder”和“Pruning sliced networks”，中、英文文獻(xiàn)的節(jié)點(diǎn)類型均分別設(shè)置為機(jī)構(gòu)、關(guān)鍵詞、術(shù)語，依次進(jìn)行機(jī)構(gòu)共現(xiàn)可視化分析、關(guān)鍵詞聚類與時(shí)間線分析、關(guān)鍵詞突現(xiàn)、術(shù)語共現(xiàn)分析，聚類選擇潛在語義索引（latent semantic idexing，LSI）算法。

1.4 統(tǒng)計(jì)分析

將中、英文文獻(xiàn)年度發(fā)文量數(shù)據(jù)導(dǎo)入Excel 2016中，利用SPSSAU 繪制年度發(fā)文趨勢(shì)圖，分析植物類藥材的農(nóng)殘檢測(cè)相關(guān)研究趨勢(shì)。根據(jù)普萊斯定律（，其中max 為作者最多發(fā)文量）獲得核心作者發(fā)文量，若作者發(fā)文量＞N篇即可確認(rèn)為核心作者[11]。由此，利用VOSviewer 1.6.19 對(duì)中、英文文獻(xiàn)的核心作者繪制合作網(wǎng)絡(luò)圖譜，并繪制中、英文文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)與密度圖譜。使用CiteSpace 6.1.R6 Advanced 統(tǒng)計(jì)主要的關(guān)鍵詞聚類信息與強(qiáng)爆發(fā)關(guān)鍵詞，進(jìn)而捕獲植物類藥材農(nóng)殘檢測(cè)研究熱點(diǎn)，并預(yù)測(cè)該領(lǐng)域未來的發(fā)展趨勢(shì)。

2 結(jié)果

2.1 發(fā)文趨勢(shì)

本研究共納入近40 年來有關(guān)植物類農(nóng)殘檢測(cè)研究的中、英文文獻(xiàn)674 篇（中文文獻(xiàn)521 篇，英文文獻(xiàn)153 篇），發(fā)文趨勢(shì)見圖1。WoSCC 數(shù)據(jù)庫顯示1983 年首發(fā)該領(lǐng)域的文獻(xiàn)，CNKI 數(shù)據(jù)庫顯示1986 年首發(fā)該領(lǐng)域的文獻(xiàn)；1983—1999 年WoSCC數(shù)據(jù)庫共收錄了5 篇該領(lǐng)域文獻(xiàn)，CNKI 數(shù)據(jù)庫共收錄12 篇該領(lǐng)域文獻(xiàn)，表明2000 年前關(guān)于該領(lǐng)域的研究較少，研究發(fā)展較為遲緩，2005 年之后2 個(gè)數(shù)據(jù)庫文獻(xiàn)收錄數(shù)量急劇上升，均在2022 年達(dá)到最大值（CNKI 38 篇、WoSCC 21 篇）。2 個(gè)數(shù)據(jù)庫整體發(fā)展趨勢(shì)相同，均呈現(xiàn)增長(zhǎng)趨勢(shì)。

圖1 植物類藥材農(nóng)殘檢測(cè)研究發(fā)文趨勢(shì)Fig.1 Publication trend of pesticide residue detection studies on botanical medicinal materials

2.2 作者分析

通過VOSviewer1.6.19 統(tǒng)計(jì)得知，該領(lǐng)域中、英文文獻(xiàn)研究的作者分別為1 192、754 名，發(fā)文量排名前15 的作者見表1。中文文獻(xiàn)作者中國(guó)醫(yī)學(xué)科學(xué)院的薛健和中國(guó)食品藥品檢定研究院的金紅宇發(fā)文量并列第1（23 篇），前者發(fā)文總被引頻次486，篇均被引21.13，后者發(fā)文總被引頻次達(dá)到了601，篇均被引頻次26.13。此外，薛健還是英文文獻(xiàn)發(fā)文量最高的作者（10 篇），總被引頻次152，篇均被引頻次15.20。同時(shí)，前15 名的作者中浙江大學(xué)的吳加倫在中文文獻(xiàn)發(fā)文作者中篇均被引最高（32.67次），中國(guó)西南大學(xué)的王雯雯在英文文獻(xiàn)發(fā)文作者中篇均被引最高（57.00）。

綜上所述，做好大數(shù)據(jù)時(shí)代城鄉(xiāng)規(guī)劃學(xué)走向計(jì)量化的機(jī)遇和挑戰(zhàn)方面的研究工作，有利于實(shí)現(xiàn)對(duì)該學(xué)科發(fā)展中產(chǎn)生海量數(shù)據(jù)的科學(xué)分析及利用，從而為城鄉(xiāng)規(guī)劃及建設(shè)工作開展提供科學(xué)指導(dǎo)。因此，需要在實(shí)踐中全面了解大數(shù)據(jù)時(shí)代城鄉(xiāng)規(guī)劃學(xué)走向計(jì)量化的機(jī)遇和挑戰(zhàn)，積極開展相應(yīng)的分析及研究工作，不斷提高城鄉(xiāng)規(guī)劃學(xué)在大數(shù)據(jù)時(shí)代的實(shí)踐應(yīng)用水平，進(jìn)而保持該學(xué)科良好的發(fā)展?fàn)顩r，提升我國(guó)在城鄉(xiāng)規(guī)劃及建設(shè)方面的整體水平，并實(shí)現(xiàn)對(duì)城鄉(xiāng)規(guī)劃學(xué)的高效利用。

表1 植物類藥材農(nóng)殘檢測(cè)相關(guān)研究領(lǐng)域中、英文文獻(xiàn)發(fā)文量前15 名的作者Table 1 Top 15 authors of Chinese and English literatures publications in field of pesticide residue detection of botanical medicinal materials

根據(jù)普萊斯定律獲得中、英文文獻(xiàn)核心作者分別為40 人和26 人（中文文獻(xiàn)≥4 篇，英文文獻(xiàn)≥3篇），且分別設(shè)置中、英文文獻(xiàn)作者發(fā)文閾值為4 和3，使用VOSviewer1.6.19 繪制中、英文文獻(xiàn)核心作者合作關(guān)系圖譜，如圖2 所示。可視化圖譜展示出的中文文獻(xiàn)核心作者中金紅宇、薛健、季申、郭蘭萍、張明時(shí)等為該研究領(lǐng)域的團(tuán)隊(duì)代表，其中薛健團(tuán)隊(duì)和金紅宇團(tuán)隊(duì)合作較為密切且是該領(lǐng)域的主要研究團(tuán)隊(duì)；英文文獻(xiàn)核心作者則形成了以YANG Meihua、Kajimura Keiji、FU Zhifeng、ZHANG Lei等為代表的研究團(tuán)隊(duì)。此外，核心作者累計(jì)發(fā)文量分別為262、107 篇，各占中、英文文獻(xiàn)總量的50.29%、69.93%，利用洛卡特定律評(píng)價(jià)作者合作群體的穩(wěn)定性，代入上述數(shù)據(jù)可知，中、英文文獻(xiàn)核心作者人數(shù) 較 為 符 合 該 定 律，該定律規(guī)定穩(wěn)定的作者合作群體需核心作者發(fā)文量占總發(fā)文量的50%，表明中、英文文獻(xiàn)作者均為穩(wěn)定的合作群體[12]。

圖2 植物類藥材農(nóng)殘檢測(cè)研究中文 (左) 和英文 (右) 文獻(xiàn)作者合作網(wǎng)絡(luò)Fig.2 Collaboration network of authors in Chinese (left) and English (right) literatures on pesticide residue detection of botanical medicinal materials

2.3 研究機(jī)構(gòu)分析

使用CiteSpace 6.1.R6 Advanced 對(duì)中、英文文獻(xiàn)發(fā)文機(jī)構(gòu)進(jìn)行共現(xiàn)分析，網(wǎng)絡(luò)可視化圖譜如圖3、4 所示，中、英文文獻(xiàn)分別涉及研究機(jī)構(gòu)417、182所，其中發(fā)文量排名前10 的機(jī)構(gòu)見表2。由于研究機(jī)構(gòu)的改名與合并，中、英文文獻(xiàn)發(fā)文最多的機(jī)構(gòu)為中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院，同時(shí)其與中國(guó)食品藥品檢定研究院、中國(guó)中醫(yī)科學(xué)院、國(guó)家藥典委員會(huì)均有密切合作，形成了該研究領(lǐng)域的核心團(tuán)隊(duì)。此外，中文文獻(xiàn)發(fā)文機(jī)構(gòu)中浙江大學(xué)在該領(lǐng)域的研究頗為廣泛，排除機(jī)構(gòu)合并與改名帶來發(fā)文量上的不平衡，浙江大學(xué)在該領(lǐng)域的發(fā)文量最高，但未與其他科研機(jī)構(gòu)形成密切的合作。英文文獻(xiàn)發(fā)文機(jī)構(gòu)中日本大阪府立公共研究所發(fā)文量較高，但未與其他機(jī)構(gòu)合作。機(jī)構(gòu)之間與國(guó)家之間的密切合作將更有利于該領(lǐng)域?qū)W科的發(fā)展，因此各研究機(jī)構(gòu)在各自研究的過程中應(yīng)密切合作，進(jìn)而更好地提升植物類藥材的質(zhì)量標(biāo)準(zhǔn)，打破藥材進(jìn)出口貿(mào)易的壁壘。

表2 植物類藥材農(nóng)殘檢測(cè)相關(guān)研究領(lǐng)域中、英文文獻(xiàn)發(fā)文量前10 名的機(jī)構(gòu)Table 2 Top 10 organizations of Chinese and English literatures publications in field of pesticide residue detection of botanical medicinal materials

圖3 植物類藥材農(nóng)殘檢測(cè)研究中文文獻(xiàn)機(jī)構(gòu)合作網(wǎng)絡(luò)Fig.3 Collaboration network of institutions in Chinese literatures on pesticide residue detection of botanical medicinal materials

圖4 植物類藥材農(nóng)殘檢測(cè)研究英文文獻(xiàn)機(jī)構(gòu)合作網(wǎng)絡(luò)Fig.4 Collaboration network of institutions in English literatures on pesticide residue detection of botanical medicinal materials

2.4 研究現(xiàn)狀與熱點(diǎn)

2.4.1 關(guān)鍵詞共現(xiàn)分析 對(duì)所納入文獻(xiàn)的關(guān)鍵詞進(jìn)行研究分析，可準(zhǔn)確把握某一領(lǐng)域的研究熱點(diǎn)，了解最新的科研進(jìn)展[13]。為使VOSviewer1.6.19 所繪制的圖譜更為美觀，本研究將中、英文文獻(xiàn)關(guān)鍵詞閾值分別設(shè)置為8、6，關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和密度可視化圖譜如圖5、6 所示，排名前25 的關(guān)鍵詞見表3。分析結(jié)果顯示，植物類藥材農(nóng)殘檢測(cè)的研究目的包括藥材質(zhì)量標(biāo)準(zhǔn)的制定與膳食風(fēng)險(xiǎn)評(píng)估，其檢測(cè)基質(zhì)主要是中藥材、藥食同源類植物，且檢測(cè)主要集中于金銀花、三七、人參、黃芪等藥材，樣品前處理方式與農(nóng)殘檢測(cè)方法以固相萃取、QuEchERS（quick、easy、cheap、effective、rugged、safe）、固相微萃取、氣相色譜、質(zhì)譜（MS）、氣質(zhì)聯(lián)用色譜（GC-MS/MS）等為主。張喜利等[14]研究發(fā)現(xiàn)在藥用植物中重金屬和農(nóng)藥殘留的含量呈正相關(guān)，二者可以超分子的形式參與植物生長(zhǎng)期，因此重金屬與農(nóng)藥殘留常為植物外源性有害物質(zhì)研究的熱點(diǎn)。農(nóng)殘檢測(cè)研究更趨向于對(duì)多種農(nóng)藥的同時(shí)檢測(cè)，其中有機(jī)氯、有機(jī)磷、擬除蟲菊酯類農(nóng)藥為主要的農(nóng)殘檢測(cè)類型。

表3 植物類藥材農(nóng)殘檢測(cè)研究文獻(xiàn)排名前25 的關(guān)鍵詞Table 3 Top 25 keywords in literatures on pesticide residue detection of botanical medicinal materials

圖5 植物類藥材農(nóng)殘檢測(cè)研究中文文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖 (左) 和密度圖 (右)Fig.5 Cooccurrence network (left) and density (right) maps of keywords in Chinese literatures on pesticide residue detection studies of botanical medicinal materials

圖6 植物類藥材農(nóng)殘檢測(cè)研究英文文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖 (左) 和密度圖 (右)Fig.6 Cooccurrence network (left) and density (right) maps of keywords in English literatures on pesticide residue detection studies of botanical medicinal materials

2.4.2 關(guān)鍵詞聚類分析 為突出該領(lǐng)域的研究主題，本研究采用了LSI 聚類算法，對(duì)中、英文文獻(xiàn)關(guān)鍵詞進(jìn)行聚類分析，見圖7。中、英文文獻(xiàn)關(guān)鍵詞聚類參數(shù)如下：中文文獻(xiàn)模塊聚類值（Q）＝0.617 2（＞0.3），平均輪廓值（S）＝0.868 5（＞0.5），英文文獻(xiàn)Q＝0.553 3（＞0.3），S＝0.830 6（＞0.5）。當(dāng)Q＞0.3 時(shí)表明聚類有效，S＞0.5 時(shí)表明聚類合理，S＞0.7 時(shí)表明聚類可信[15]，從而可知本研究的中、英文文獻(xiàn)關(guān)鍵詞的11 個(gè)聚類結(jié)果滿意且可信。

圖7 植物類藥材農(nóng)殘檢測(cè)研究中文 (A) 和英文 (B) 文獻(xiàn)關(guān)鍵詞聚類圖Fig.7 Clustered view of keywords in Chinese (A) and English (B) literatures on pesticide residue detection studies of botanical medicinal materials

由聚類圖可看出，11 個(gè)不同顏色的聚類區(qū)塊大多重疊，重疊區(qū)表明各聚類間聯(lián)系密切。其中，中文聚類詞#0、#4 涉及檢測(cè)指標(biāo)，#1、#7、#8 涉及實(shí)際問題或現(xiàn)象，#2、#3、#5、#6、、#9、#10 涉及理論知識(shí)或技術(shù)手段。英文聚類詞#1、#2、#4、#5、#6、#7、#10 涉及該研究領(lǐng)域的主要研究或參考對(duì)象，#0、#8 涉及檢測(cè)與管理藥用植物安全問題，#3、#9 涉及檢測(cè)技術(shù)手段。主要聚類信息如表4、5 所示。

表4 植物類藥材農(nóng)殘檢測(cè)研究中文文獻(xiàn)關(guān)鍵詞聚類Table 4 Keyword clustering of Chinese literatures on pesticide residues detection studies of botanical medicinal materials

表5 植物類藥材農(nóng)殘檢測(cè)研究英文文獻(xiàn)關(guān)鍵詞聚類Table 5 Keyword clustering of English literatures on pesticide residues detection studies of botanical medicinal materials

2.4.3 關(guān)鍵詞突現(xiàn)分析與時(shí)間線分布 使用CiteSpace 6.1.R6Advanced 分別繪制以中、英文文獻(xiàn)關(guān)鍵詞聚類為基礎(chǔ)的時(shí)間線圖譜（圖8、9），同時(shí)對(duì)爆發(fā)強(qiáng)度排名前20 的中、英文文獻(xiàn)關(guān)鍵詞進(jìn)行突現(xiàn)（圖10）。通過獲取強(qiáng)爆發(fā)的關(guān)鍵詞以及時(shí)間線分布，可準(zhǔn)確分析熱點(diǎn)主題變化，并有效預(yù)測(cè)研究發(fā)展趨勢(shì)[10]。

圖8 植物類藥材農(nóng)殘檢測(cè)研究中文文獻(xiàn)關(guān)鍵詞時(shí)間線分布Fig.8 Timeline distribution of keywords in Chinese literatures on pesticide residue detection of botanical medicinal materials

圖9 植物類藥材農(nóng)殘檢測(cè)研究英文文獻(xiàn)關(guān)鍵詞時(shí)間線分布Fig.9 Timeline distribution of keywords in English literatures on pesticide residue detection of botanical medicinal materials

圖10 植物類藥材農(nóng)殘檢測(cè)研究中 (A)、英 (B) 文文獻(xiàn)關(guān)鍵詞 (前20) 突現(xiàn)圖Fig.10 Keywords (top 20) emergence view of Chinese (A) and English (B) literatures on pesticide residue detection studies of botanical medicinal materials

根據(jù)關(guān)鍵詞聚類時(shí)間線圖譜，可發(fā)現(xiàn)中、英文文獻(xiàn)的各聚類標(biāo)簽所包含的關(guān)鍵詞分布時(shí)區(qū)主要在2000—2023 年和2005—2023 年，因此可將中、英文文獻(xiàn)的研究趨勢(shì)大概分為2 個(gè)階段，第1 階段中、英文文獻(xiàn)分別為1987—2000 年和1998—2005 年，第2 階段中、英文文獻(xiàn)分別為2001—2023 年和2006—2023 年。

第1 階段：中、英文文獻(xiàn)呈現(xiàn)的關(guān)鍵詞最少，為該研究領(lǐng)域的起始階段，該階段的中、英文聚類標(biāo)簽#0 農(nóng)藥殘留（pesticide residues）均出現(xiàn)最早且時(shí)間跨度最長(zhǎng)，中文#0 聚類標(biāo)簽中所包含的出現(xiàn)最早的關(guān)鍵詞為中藥材（1987 年），英文#0 聚類標(biāo)簽中出現(xiàn)最早的關(guān)鍵詞為 organochlorine and organophosphorus（1998 年），此關(guān)鍵詞來源于Yoon等[16]的研究報(bào)道。該階段的技術(shù)手段較為單一，檢測(cè)技術(shù)以氣相色譜法、HPLC、GC-MS 為主，前處理方式包括固相萃取、超臨界流體萃取、固相微萃取，且研究主要集中于藥材的質(zhì)量控制。

第2 階段：時(shí)間線上的關(guān)鍵詞集中分布，為中、英文文獻(xiàn)研究的高速發(fā)展期，該階段代表了該領(lǐng)域的熱點(diǎn)研究主題與發(fā)展趨勢(shì)。與第1 階段相比，該階段技術(shù)手段和研究目的更加豐富。該階段檢測(cè)技術(shù)增加了LC-MS/MS、GC-MS/MS、紅外光譜、全二維氣相色譜、熒光檢測(cè)、離子色譜、免疫分析、拉曼光譜、分子印跡，前處理方式增加了QuEchERS、分散固相萃取、碳納米管、微波輔助提取、凝膠滲透色譜、共價(jià)有機(jī)框架材料，此時(shí)還豐富了理論基礎(chǔ)，如保留指數(shù)與電化學(xué)原理。研究目的拓展了農(nóng)藥殘留規(guī)律研究、農(nóng)殘安全監(jiān)測(cè)和膳食暴露風(fēng)險(xiǎn)評(píng)估。

圖10 所展示的中、英文文獻(xiàn)強(qiáng)爆發(fā)關(guān)鍵詞主要分布在各關(guān)鍵詞時(shí)間線的第2 階段。中文文獻(xiàn)爆發(fā)強(qiáng)度最高的關(guān)鍵詞為殘留量（強(qiáng)度5.39），爆發(fā)持續(xù)時(shí)間最長(zhǎng)的關(guān)鍵詞為限量標(biāo)準(zhǔn)（17 年），預(yù)測(cè)未來熱點(diǎn)關(guān)鍵詞為標(biāo)準(zhǔn)和風(fēng)險(xiǎn)評(píng)估；英文文獻(xiàn)爆發(fā)強(qiáng)度最高的關(guān)鍵詞為pesticide residue（農(nóng)藥殘留，強(qiáng)度5.54），爆發(fā)持續(xù)時(shí)間最長(zhǎng)的關(guān)鍵詞為organophosphorus pesticide（有機(jī)磷類農(nóng)藥，6 年），預(yù)測(cè)未來熱點(diǎn)關(guān)鍵詞為農(nóng)藥殘留、色譜法、液相、暴露、農(nóng)藥。

3 討論

由植物類藥材農(nóng)殘檢測(cè)研究中、英文文獻(xiàn)的作者、機(jī)構(gòu)、關(guān)鍵詞分析得出該領(lǐng)域的研究熱點(diǎn)主要分布于檢測(cè)基質(zhì)、農(nóng)殘種類、技術(shù)手段，研究趨勢(shì)為藥材的質(zhì)量評(píng)價(jià)與風(fēng)險(xiǎn)評(píng)估。因此，探索一條普適性農(nóng)殘檢測(cè)的技術(shù)手段將是大勢(shì)所趨，同時(shí)也能最大限度的滿足藥材質(zhì)量標(biāo)準(zhǔn)制定與農(nóng)殘膳食攝入風(fēng)險(xiǎn)評(píng)估。

3.1 研究熱點(diǎn)

對(duì)該領(lǐng)域國(guó)內(nèi)外核心研究文獻(xiàn)進(jìn)行分析，以探尋研究熱點(diǎn)。通過對(duì)文獻(xiàn)發(fā)文作者和機(jī)構(gòu)共現(xiàn)分析發(fā)現(xiàn)，該領(lǐng)域主要的國(guó)內(nèi)研究機(jī)構(gòu)為以薛健為代表的中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院、金紅宇為代表的中國(guó)食品藥品檢定研究院、吳加倫為代表的浙江大學(xué)、付志鋒為代表的西南大學(xué)；國(guó)外研究機(jī)構(gòu)為以Tagami Takaomi 為代表的日本大阪府立公共研究所。其中，中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院和中國(guó)食品藥品檢定研究院為該領(lǐng)域的核心研究機(jī)構(gòu)，且二者的代表成員薛健和金紅宇曾合作對(duì)金銀花中有機(jī)磷類和高效氯氟氰菊酯農(nóng)殘檢測(cè)進(jìn)行研究，建立了采用氣相-蒸發(fā)光檢測(cè)器測(cè)定金銀花中有機(jī)磷類農(nóng)藥的方法，并確定了高效氯氟氰菊酯在金銀花中的殘留規(guī)律[17-18]。以薛健為代表的中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院團(tuán)隊(duì)的研究以采用GC-MS/MS 法對(duì)常見中藥材中多種農(nóng)藥殘留檢測(cè)為主，并進(jìn)行了鐵皮石斛、金銀花等藥材中農(nóng)殘膳食風(fēng)險(xiǎn)評(píng)估及人參加工過程中有機(jī)氯農(nóng)藥轉(zhuǎn)移的研究[19-24]。金紅宇團(tuán)隊(duì)的研究主要采用GC-MS/MS、LC-MS/MS 檢測(cè)方法，涉及處方中藥材及藥材不同藥用部位中農(nóng)藥多殘留的檢測(cè)，此外該團(tuán)隊(duì)還建立了在不使用混合農(nóng)藥對(duì)照品的條件下，采用高分辨質(zhì)譜對(duì)藥材的不同藥用部位中適用氣相色譜分離的農(nóng)藥進(jìn)行檢測(cè)的方法[25-27]。以吳加倫為代表的浙江大學(xué)團(tuán)隊(duì)和以Tagami Takaomi 為代表的日本大阪府立公共研究所團(tuán)隊(duì)都是該領(lǐng)域的早期研究團(tuán)隊(duì)，受當(dāng)時(shí)學(xué)科發(fā)展所限，他們的研究主要是對(duì)中藥材或漢方藥材中某一種農(nóng)殘的檢測(cè)，且檢測(cè)方法主要為HPLC、GC、GC-MS[28-32]。以付志鋒為代表的西南大學(xué)團(tuán)隊(duì)通過免疫色譜技術(shù)和化學(xué)發(fā)光原理，采用雙重或多重信號(hào)探針實(shí)現(xiàn)對(duì)中藥材中多種農(nóng)藥殘留的快速、靈敏、特異性檢測(cè)，操作簡(jiǎn)單且準(zhǔn)確性高，適用于中藥材中農(nóng)殘的快速檢測(cè)[33-39]。

結(jié)合關(guān)鍵詞分析可知該領(lǐng)域的熱點(diǎn)研究方向?yàn)橥ㄟ^采用快速、靈敏、準(zhǔn)確、普適的檢測(cè)方法，同時(shí)檢測(cè)植物類藥材中的多種農(nóng)藥。根據(jù)關(guān)鍵詞共現(xiàn)分析可知，金銀花、三七、人參、黃芪為該領(lǐng)域的熱點(diǎn)檢測(cè)基質(zhì)，其中金銀花出現(xiàn)頻次最多，且在關(guān)鍵詞突現(xiàn)分析中爆發(fā)強(qiáng)度及持續(xù)時(shí)間均較其他檢測(cè)基質(zhì)突出，因其以花蕾入藥，較易有農(nóng)藥殘留。金書含等[40]研究發(fā)現(xiàn)人參生長(zhǎng)年限越長(zhǎng)，其農(nóng)藥殘留水平也越高，表明人參中農(nóng)藥殘留量與生長(zhǎng)年限呈正比。此外，隨著藥材生長(zhǎng)年限的增加，其所受病蟲害的風(fēng)險(xiǎn)也越大，進(jìn)而加劇了農(nóng)藥的使用，因此可初步推斷同為多年生草本植物的三七、黃芪也較易農(nóng)藥殘留量的積累，同時(shí)因上述4 種藥材在醫(yī)藥大健康領(lǐng)域均具有較高的藥用價(jià)值及普及性，提高藥材質(zhì)量對(duì)保障人民生命健康安全具有重要的現(xiàn)實(shí)意義。在關(guān)鍵詞分析中農(nóng)藥類型以有機(jī)氯、有機(jī)磷、擬除蟲菊酯類為主，早期有機(jī)氯類農(nóng)藥因高效、廉價(jià)被廣泛應(yīng)用于農(nóng)作物種植中，但因其高毒、難降解，長(zhǎng)期使用對(duì)人體和環(huán)境均可造成不可逆的損害，此后易分解的環(huán)境友好型有機(jī)磷類農(nóng)藥逐漸成為熱點(diǎn)，但長(zhǎng)期暴露于此農(nóng)藥環(huán)境中，易造成人體中樞神經(jīng)系統(tǒng)損傷，隨著人們對(duì)綠色農(nóng)業(yè)的追求，高效、低毒、易降解的擬除蟲菊酯類農(nóng)藥日益成為殺蟲劑中的主要類型之一。通過查詢中國(guó)農(nóng)藥信息網(wǎng)發(fā)現(xiàn)，除人參、三七的農(nóng)藥登記有植物生長(zhǎng)調(diào)節(jié)劑外，金銀花、黃芪均無登記，且這4 種熱點(diǎn)研究基質(zhì)的農(nóng)藥登記情況以殺蟲、殺菌劑為主，包括氨基甲酸酯、煙堿、擬除蟲菊酯類殺蟲劑，甲氧基丙烯酸酯類、唑類、抗生素類殺菌劑，但實(shí)際樣品檢測(cè)中仍有有機(jī)氯、有機(jī)磷類農(nóng)藥檢出的報(bào)道，農(nóng)藥登記不全且較為單一，需不斷完善中藥材農(nóng)藥登記制度，減少農(nóng)藥的濫用，全面監(jiān)控中藥材農(nóng)藥暴露水平，通過采取一定措施監(jiān)控藥材種植的環(huán)境行為，降低藥材源頭污染及農(nóng)殘膳食攝入風(fēng)險(xiǎn)，倡導(dǎo)綠色中藥，從而滿足人們健康生活所需。

3.2 發(fā)展趨勢(shì)

該領(lǐng)域的發(fā)展得益于《中國(guó)藥典》對(duì)中藥材中農(nóng)藥殘留限量標(biāo)準(zhǔn)及檢測(cè)方法的不斷明確與完善，自《中國(guó)藥典》2000 年版明確規(guī)定了9 種有機(jī)氯農(nóng)藥的檢測(cè)方法以來，此后的各版藥典不斷擴(kuò)大藥材中農(nóng)殘檢測(cè)范圍、降低限量標(biāo)準(zhǔn)、完善檢測(cè)方法。根據(jù)發(fā)文趨勢(shì)分析，可將該研究領(lǐng)域的發(fā)展大概分為3 個(gè)階段，即初始期（首發(fā)時(shí)間—2000 年）、過渡期（2001—2005 年）、高速發(fā)展期（2006—2022年）。此外，結(jié)合關(guān)鍵詞突現(xiàn)與時(shí)間線分布，該領(lǐng)域發(fā)展的初始期和過渡期的研究主要以中藥材的質(zhì)量控制及農(nóng)殘限量標(biāo)準(zhǔn)研究為主，通過固相萃取、超臨界流體萃取前處理，GC、HPLC、GC-MS 等傳統(tǒng)檢測(cè)方式對(duì)藥材中某一種農(nóng)殘進(jìn)行檢測(cè)，其中有機(jī)氯、有機(jī)磷類農(nóng)藥是常檢類型。隨著學(xué)科發(fā)展，該領(lǐng)域迎來高速發(fā)展期，農(nóng)殘檢測(cè)前處理方式與檢測(cè)技術(shù)迭代更新，改進(jìn)的QuEChERS 技術(shù)[41-43]、磁性材料[44-45]、納米材料技術(shù)[46-48]以及有機(jī)框架材料[49-50]的應(yīng)用簡(jiǎn)化了傳統(tǒng)的農(nóng)殘檢測(cè)前處理步驟，有效降低了基質(zhì)效應(yīng)，檢測(cè)方法也逐漸向GCMS/MS、LC-MS/MS、UHPLC-MS/MS[51]、SFCMS/MS[52]、分子印跡膜電噴霧電離質(zhì)譜[53]、高分辨質(zhì)譜[54]、免疫色譜與化學(xué)發(fā)光法[33-39]、表面增強(qiáng)拉曼光譜法[55]等新型方法過渡，檢測(cè)手段趨于簡(jiǎn)單、快速、靈敏、準(zhǔn)確化，同時(shí)對(duì)藥材中殘留農(nóng)藥的檢測(cè)更趨向于多種農(nóng)藥的同時(shí)檢測(cè)。隨著人們對(duì)藥材外源性污染物膳食攝入風(fēng)險(xiǎn)意識(shí)的增強(qiáng)，研究趨勢(shì)開始向藥材風(fēng)險(xiǎn)評(píng)估發(fā)展，而且由關(guān)鍵詞突現(xiàn)分析可知，關(guān)鍵詞“標(biāo)準(zhǔn)”“風(fēng)險(xiǎn)評(píng)估”“exposure”從開始爆發(fā)一直持續(xù)至今，因此可以判斷該研究領(lǐng)域未來發(fā)展的趨勢(shì)仍將趨向于藥材的質(zhì)量標(biāo)準(zhǔn)研究和農(nóng)殘膳食攝入風(fēng)險(xiǎn)評(píng)估。

3.3 不足之處

本研究在數(shù)據(jù)收集時(shí)，所選數(shù)據(jù)庫較為單一，同時(shí)為得到高相關(guān)性文獻(xiàn)，縮小了主題詞的檢索種類，在納入文獻(xiàn)時(shí)，可能存在文獻(xiàn)數(shù)量的不足，對(duì)分析結(jié)果造成誤差。此外，受文獻(xiàn)納入時(shí)間所限，CNKI 和WoSCC 最新收錄的文獻(xiàn)并未分析，因此未來將會(huì)對(duì)該領(lǐng)域不同數(shù)據(jù)庫的文獻(xiàn)進(jìn)行不間斷的計(jì)量分析，以獲取實(shí)時(shí)熱點(diǎn)，并準(zhǔn)確把握研究趨勢(shì)。

4 結(jié)論

通過使用文獻(xiàn)計(jì)量軟件對(duì)植物類藥材中農(nóng)殘檢測(cè)研究的中、英文文獻(xiàn)的關(guān)鍵信息進(jìn)行知識(shí)網(wǎng)絡(luò)科學(xué)圖譜繪制，使信息可視化，進(jìn)而有效獲取該領(lǐng)域的研究熱點(diǎn)與發(fā)展趨勢(shì)。熱點(diǎn)研究發(fā)現(xiàn)，新型凈化材料與靈敏的檢測(cè)儀器結(jié)合大大降低了藥材基質(zhì)效應(yīng)的影響，使農(nóng)殘精準(zhǔn)的定性、定量成為可能，同時(shí)該領(lǐng)域更傾向于采用能夠簡(jiǎn)單、快速、準(zhǔn)確、實(shí)時(shí)分析的技術(shù)手段對(duì)藥材中農(nóng)藥多殘留的檢測(cè)，達(dá)到對(duì)藥材質(zhì)量標(biāo)準(zhǔn)的提升與全面風(fēng)險(xiǎn)評(píng)估的目的，從而滿足綠色中藥的發(fā)展需求，保障人們生命健康安全。

利益沖突所有作者均聲明不存在利益沖突