彭寅森,李 韻,李金星,曾晗月,陳騰霞,程 捷,鄧 怡,彭 淼,毛世芳

近年來信息技術(shù)得以高速發(fā)展,其中傳感技術(shù)、計算機(jī)與智能技術(shù)及通信技術(shù)等已在生活各方面得到了廣泛應(yīng)用。在醫(yī)療領(lǐng)域中應(yīng)用信息技術(shù)不僅有利于提高臨床工作效率和質(zhì)量,還可進(jìn)一步提升病人就醫(yī)體驗(yàn)[1]。急診科作為醫(yī)院運(yùn)轉(zhuǎn)的重要部門,通常承擔(dān)著對急癥、突發(fā)癥、危重癥病人以及院前急救等醫(yī)療救治任務(wù)。但如今急診醫(yī)療卻面臨著過度擁擠、工作壓力大、治療不及時、診斷錯誤等諸多問題[2-5]。這些問題會對病人安全、病人體驗(yàn)及實(shí)際臨床工作產(chǎn)生不同程度的影響[2,6]。而5G救護(hù)車、人工智能(AI)輔助診療、智能醫(yī)療資源及疾病智慧管理系統(tǒng)等信息技術(shù)的使用則可使以上問題得到緩解[7-10]。通過文獻(xiàn)計量學(xué)分析可以讓學(xué)者更加清晰地了解到該研究領(lǐng)域已達(dá)成的學(xué)術(shù)成就,有助于分析其中的研究趨勢及熱點(diǎn)問題,確定未來研究方向[11]。故本研究通過文獻(xiàn)計量學(xué)方法,以了解急診信息化建設(shè)領(lǐng)域研究現(xiàn)狀,并探究該領(lǐng)域研究熱點(diǎn)及前沿問題,剖析其研究趨勢,或可為未來相關(guān)研究指明方向。

1 方法

1.1 檢索策略

Web of Science核心合集(WOSCC)不僅被認(rèn)為是最權(quán)威學(xué)術(shù)數(shù)據(jù)庫[12],同時還可提供與文獻(xiàn)計量學(xué)分析相關(guān)的關(guān)鍵數(shù)據(jù)[13]。故研究者于2023年3月8日以“emergency/emergency department/informalize construction/information technology/5G/artificial intelligence/Internet of Things”等為主題詞對WOSCC進(jìn)行了高級檢索,檢索時限為2012年1月1日—2023年3月8日。納入標(biāo)準(zhǔn):1)文獻(xiàn)類型限定為論著及綜述;2)語言限定為英語。排除標(biāo)準(zhǔn):1)研究內(nèi)容與主題不符;2)重復(fù)發(fā)表文獻(xiàn)。

1.2 文獻(xiàn)計量學(xué)工具及方法

利用VOSviewer 1.6.19軟件、CiteSpace 6.1.R6軟件和Microsoft Excel 2019軟件,獲取文獻(xiàn)計量學(xué)相關(guān)參數(shù),如總引用數(shù)(TC)、每篇出版物引用數(shù)(CPP,TC/出版數(shù))、高產(chǎn)作者、機(jī)構(gòu)、國家及主要關(guān)鍵詞等,并將其中部分重要結(jié)果生成可視化圖譜,以更好地展現(xiàn)研究熱點(diǎn),分析潛在研究前沿。

2 結(jié)果

2.1 檢索結(jié)果

本文初步檢索共獲取文獻(xiàn)1 044篇,按納入與排除標(biāo)準(zhǔn)剔除后,最終納入文獻(xiàn)1 011篇,經(jīng)軟件獲取相關(guān)數(shù)據(jù)如下:11 466 TC,11.34 CPP,共包含463種期刊、3 755個機(jī)構(gòu)及5 109位作者。此外,如圖1所示,有關(guān)急診信息化建設(shè)的研究,近年來呈快速增長趨勢,其中,論著和綜述分別為950篇(93.97%)和61篇(6.03%),截至2022年末相關(guān)研究數(shù)量較10年前已增長3倍有余。

圖1 2012—2023年急診信息化建設(shè)領(lǐng)域年發(fā)文趨勢及文獻(xiàn)類別圖譜

2.2 作者分析

如表1所示,最多產(chǎn)的作者是Hall Matthew(n=26),緊隨其后的是Shah Samir S(n=25)和Neuman Mark I(n=22)。篇被引次數(shù)最多的作者是Aronson Paul L(227 TC,32.43 CPP),其次是Neuman Mark I(578 TC,26.27 CPP)。此外,在發(fā)文量排名前10位的作者中,美國作者占90%。

表1 2012—2023年急診信息化建設(shè)領(lǐng)域發(fā)文量居前10位的作者發(fā)文情況

2.3 機(jī)構(gòu)分析

根據(jù)數(shù)據(jù)匯總結(jié)果顯示,總被引次數(shù)最多的3個機(jī)構(gòu)分別是哈佛大學(xué)(2 116 TC)、俄亥俄大學(xué)(1 110 TC)、波士頓兒童醫(yī)院(963 TC)。如圖2所示,在2012—2016年美國部分機(jī)構(gòu)較為活躍,但近5年來活躍程度有所下降(如哈佛大學(xué)、華盛頓大學(xué)、范德堡大學(xué)等),而韓國、澳洲、加拿大的機(jī)構(gòu)則在2019—2022年,特別是在2022年尤為活躍。此外,如圖2B所示,軟件識別出了40個發(fā)文>4篇的機(jī)構(gòu),其中排名前5的是:哈佛大學(xué)(n=97)、俄亥俄大學(xué)(n=65)、波士頓兒童醫(yī)院(n=54)、賓夕法尼亞大學(xué)(n=41),辛辛那提兒童醫(yī)院醫(yī)療中心(n=39)。

圖2 2012—2023年急診信息化建設(shè)領(lǐng)域機(jī)構(gòu)共現(xiàn)圖

2.4 國家分析

本文利用VOSviewer將至少發(fā)表過8篇文章的19個國家進(jìn)行了可視化分析,如圖3所示,發(fā)文量排名前3位的國家分別是美國(6 442 TC,13.04 CPP,494篇,占總數(shù)的48.86%)、中國(112篇,995 TC,8.8 CPP)和澳大利亞(95篇,1 347 TC,14.18 CPP)。此外,在可視化圖譜中,發(fā)文數(shù)量與節(jié)點(diǎn)大小呈正相關(guān),且節(jié)點(diǎn)間的連線越多,表明其間的合作越緊密[14]。而在本研究的可視化圖譜中,美國、中國、澳大利亞、加拿大和韓國有著較大的節(jié)點(diǎn)以及相對密切的聯(lián)系,這就表明以上國家在急診信息化建設(shè)領(lǐng)域中有更強(qiáng)的合作和學(xué)術(shù)影響力。

圖3 2012—2023年急診信息化建設(shè)領(lǐng)域國家共現(xiàn)圖

2.5 高被引文獻(xiàn)分析

研究者將被引次數(shù)排名前5位的文章進(jìn)行了羅列。如表2所示,Mueller等[15]發(fā)表在ArchivesofInternalMedicine上的文章被引次數(shù)最高(340 TC),其主要綜述了利用信息技術(shù)參與用藥管理有利于降低用藥差錯及藥物相關(guān)不良事件的發(fā)生率。He等[16]發(fā)表的文章排名第2位(181 TC),其重點(diǎn)探討了如何保障醫(yī)療領(lǐng)域中物聯(lián)網(wǎng)技術(shù)應(yīng)用的安全性。Bashshur等[17]發(fā)表的文章則排名第3位(127 TC),這篇文章主要分析了在初級保健中開展遠(yuǎn)程醫(yī)療的可行性、可接受性及應(yīng)用效果,其中提到部分到急診科就診的非緊急病人在就診前會利用互聯(lián)網(wǎng)尋求醫(yī)療幫助。此外,我們還進(jìn)行了Reference-co-citation分析。如圖4所示,Buntin等[18]發(fā)表的文章突現(xiàn)值最高(n=4.59),此研究為解決醫(yī)療信息技術(shù)實(shí)際應(yīng)用過程中的部分挑戰(zhàn)提供了建議。Frisse等[19]發(fā)表的文章突現(xiàn)值位居第2位(n=3.75),該研究則指出在急診科實(shí)施的健康信息交換服務(wù)有利于提升醫(yī)療成本效益。

表2 2012—2023年急診信息化建設(shè)領(lǐng)域總被引頻次排名前5位的文獻(xiàn)

圖4 2012—2023年急診信息化建設(shè)領(lǐng)域參考文獻(xiàn)突現(xiàn)視圖

2.6 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞共現(xiàn)分析可以使研究者了解所研究領(lǐng)域間的內(nèi)在聯(lián)系及其發(fā)展脈絡(luò),并獲取知識圖譜[20]。如圖5A所示,VOSviewer軟件共識別出4 348個關(guān)鍵詞,在剔除部分重復(fù)及相關(guān)度較低的關(guān)鍵詞如“emergency-department”“United-States”等后,將出現(xiàn)頻次>10次的關(guān)鍵詞進(jìn)行了可視化分析,其中排名前10位的關(guān)鍵詞分別是:護(hù)理(n=158)、急診科(n=127)、管理(n=108)、影響(n=101)、兒童(n=72)、死亡率(n=63)、風(fēng)險(n=59)、系統(tǒng)(n=53)、結(jié)局(n=52)、人工智能(n=51)。在共現(xiàn)圖譜中,護(hù)理、健康信息交換、影響、結(jié)局等關(guān)鍵詞在早年間較受關(guān)注,而人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等關(guān)鍵詞近幾年較為流行。此外,CiteSpace軟件的突現(xiàn)功能有利于研究者分析所研究領(lǐng)域的熱點(diǎn)話題和研究趨勢[21],因此研究者還將各關(guān)鍵詞按照其突現(xiàn)值高低進(jìn)行了排序。如圖5B所示,在突現(xiàn)值排名前15位的關(guān)鍵詞中,每個關(guān)鍵詞突現(xiàn)值均>3。其中,人工智能突現(xiàn)值最高(n=14.55),其次則是深度學(xué)習(xí)(n=6.88)和機(jī)器學(xué)習(xí)(n=6.13),以上關(guān)鍵詞在2020—2021年被首次提出,至今仍受到持續(xù)關(guān)注。

圖5 2012—2023年急診信息化建設(shè)領(lǐng)域關(guān)鍵詞共現(xiàn)圖

2.7 關(guān)鍵詞聚類分析

關(guān)鍵詞聚類分析有助于進(jìn)一步探討所研究領(lǐng)域的熱點(diǎn)話題[20]。圖6A利用VOSviewer軟件將各關(guān)鍵詞按顏色分為了5個聚類,聚類1的主題是醫(yī)學(xué)信息技術(shù)在急診的應(yīng)用。聚類2更多關(guān)注于流行病學(xué),即利用信息系統(tǒng)分析不同人群,特別是急診兒科的流行病學(xué)特征。聚類3的主題則是急診醫(yī)學(xué)中應(yīng)用的各種新技術(shù),如人工智能、物聯(lián)網(wǎng)等。而聚類4和聚類5的主題與前面幾個聚類相似,主要聚焦于各種信息技術(shù)在輔助診斷、疾病預(yù)測和提高病人生存率方面發(fā)揮的作用。圖6B則利用CiteSpace軟件將各關(guān)鍵詞分為了12個聚類,分析可知近3年在急診信息化建設(shè)及應(yīng)用領(lǐng)域備受關(guān)注的話題是健康信息技術(shù)、急診管理和疾病。

圖6 2012—2023年急診信息化建設(shè)領(lǐng)域關(guān)鍵詞聚類視圖

3 討論

3.1 急診信息化建設(shè)研究現(xiàn)狀

從發(fā)文趨勢來看,有關(guān)急診信息化建設(shè)的相關(guān)研究整體呈上升趨勢。但從高產(chǎn)作者、國家及機(jī)構(gòu)分析中可知,美國是該領(lǐng)域研究的主要參與者。在發(fā)文最多的10名作者中有9名來自美國,我國學(xué)者并未包含其中。同時,在發(fā)文量排名前19位的國家中,發(fā)達(dá)國家占73.70%(n=14),我國在該領(lǐng)域的研究占11.07%。這提示我國在該領(lǐng)域的研究仍處于發(fā)展階段,未來需進(jìn)一步加大研究力度,提高研究質(zhì)量。此外,同一國家中的各個機(jī)構(gòu)合作相對而言較為密切,但跨區(qū)域合作并不明顯,未來研究還應(yīng)打破國際壁壘,加強(qiáng)區(qū)域間交流,進(jìn)一步推進(jìn)急診信息化建設(shè)。

3.2 研究熱點(diǎn)及趨勢

本研究利用引文分析、關(guān)鍵詞共現(xiàn)、爆發(fā)及聚類等功能,經(jīng)小組討論后得出急診信息化建設(shè)領(lǐng)域的研究熱點(diǎn)包括:AI輔助預(yù)檢分診及急診醫(yī)療服務(wù)、利用信息技術(shù)進(jìn)行急診流行病學(xué)篩查及急診信息化管理。此外,在此領(lǐng)域中AI及與之相關(guān)的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等關(guān)鍵詞受關(guān)注程度較高,其出現(xiàn)時間也與結(jié)束觀測時間相近。因此,研究者認(rèn)為急診信息化建設(shè)未來的研究趨勢或是對AI輔助急診醫(yī)療服務(wù)的進(jìn)一步探討和剖析。

3.3 急診信息化建設(shè)研究面有待拓展

隨著新時代信息技術(shù)的不斷發(fā)展和普及,急診醫(yī)療領(lǐng)域中包含的信息化要素也越來越多。研究表明利用人工智能、物聯(lián)網(wǎng)、5G等信息技術(shù)有利于提高急診工作效率及質(zhì)量[22-24]。但在現(xiàn)有研究中,學(xué)者們主要聚焦于AI技術(shù)在輔助急診分診、治療及影像診斷方面的應(yīng)用,有關(guān)5G及物聯(lián)網(wǎng)等技術(shù)的關(guān)注度仍有待提高。其次,救護(hù)車服務(wù)在實(shí)際工作中常常會面臨病人定位不準(zhǔn)確的問題,但目前關(guān)于解決這類問題的研究仍然較少,未來可加強(qiáng)在這方面的研究,以進(jìn)一步提高院前智慧急救服務(wù)的質(zhì)量和效率。而關(guān)于信息技術(shù)輔助急診流行病學(xué)調(diào)查,在高產(chǎn)作者的文章中,大多關(guān)注的都是與兒童或青少年相關(guān)的急診流行病學(xué)問題,建議可利用信息系統(tǒng)增加與其他人群相關(guān)的急診流行病學(xué)研究。

3.4 急診信息化建設(shè)亟待完善

急診信息化建設(shè)過程中也面臨著部分挑戰(zhàn)和問題。Bakhoum等[25]指出急診護(hù)士每天花費(fèi)在電子健康記錄上的時間占總工時的25%。急診醫(yī)務(wù)人員信息素養(yǎng)及病人健康信息質(zhì)量也存在參差不齊的問題[26]。而智能救護(hù)車則可能會由于通訊協(xié)議版本過低、基礎(chǔ)設(shè)施搭建不完善等原因,出現(xiàn)數(shù)據(jù)傳輸延遲、網(wǎng)絡(luò)卡頓等問題[27]。此外,大部分AI輔助診療活動都是基于對大數(shù)據(jù)的廣泛學(xué)習(xí)后才得以實(shí)現(xiàn)的,但大數(shù)據(jù)學(xué)習(xí)卻面臨著區(qū)域間數(shù)據(jù)互通困難及隱私泄露等挑戰(zhàn)[28-29],這就給AI學(xué)習(xí)各類疾病數(shù)據(jù)帶來了一定阻礙。因此,在未來的研究中,我們可利用語音錄入及自動填充等信息化手段代替?zhèn)鹘y(tǒng)手工書寫,以減少健康信息數(shù)據(jù)錄入的時間,同時應(yīng)提高急診醫(yī)療人員信息素養(yǎng),培養(yǎng)信息化醫(yī)療復(fù)合型人才,并參考International Classification of Diseases 11th,建立與之類似的書寫規(guī)范和標(biāo)準(zhǔn)化健康信息語言體系,以確保病人健康信息的可靠性。另外,打破“信息孤島”現(xiàn)象也是重中之重,應(yīng)加強(qiáng)不同地域,特別是農(nóng)村地區(qū)的基礎(chǔ)建設(shè),并在此過程中加強(qiáng)技術(shù)保障,以期在保障數(shù)據(jù)安全的前提下,擴(kuò)大急診智慧醫(yī)療服務(wù)覆蓋面,進(jìn)一步促進(jìn)優(yōu)質(zhì)急診醫(yī)療資源共享。

3.5 局限性

本研究也存在著部分局限性,具體如下:1)只納入了WOSCC中收錄的文獻(xiàn),其他的一些主要數(shù)據(jù)庫如中國知網(wǎng)、萬方數(shù)據(jù)庫、PubMed、Scopes中收錄的文獻(xiàn)并未被納入研究,這可能會導(dǎo)致在該領(lǐng)域某些最新的研究成果被忽視。2)在數(shù)據(jù)收集時,檢索時限為2012年1月1日—2023年3月8日,但由于數(shù)據(jù)庫的更新,可能會導(dǎo)致某些最新的研究成果被忽視。3)研究將語言限制為英文,這在一定程度上也會影響數(shù)據(jù)分析的全面性,建議在將來的研究中納入其他語言的研究,以獲得更加全面的研究結(jié)果。

4 小結(jié)

近年來學(xué)者們對急診信息化建設(shè)的關(guān)注度持續(xù)提升,其研究熱點(diǎn)主要是AI輔助診療、利用信息系統(tǒng)輔助急診流行病學(xué)調(diào)查及急診信息化管理。未來應(yīng)不斷拓展急診信息化建設(shè)研究面、培養(yǎng)信息化醫(yī)療復(fù)合型人才、加強(qiáng)與急診信息化建設(shè)相關(guān)的安全性研究、完善急診信息化基礎(chǔ)建設(shè)、加速建立標(biāo)準(zhǔn)化服務(wù)及語言體系、解決AI輔助診療及5G救護(hù)車等技術(shù)在實(shí)際應(yīng)用中面臨的具體問題,以保障急診信息化建設(shè)的有效落實(shí),為病人提供更加優(yōu)質(zhì)、便捷的急診智慧醫(yī)療服務(wù)。