基于GoPubMed有關高原病研究文獻的信息分析

， ， ，

PubMed是世界公認的最權威的生物醫學文獻數據庫，收錄高質量期刊5 000余種[1]，生物醫學文獻2 300多萬篇，世界范圍內免費使用[2]，是從事生物醫學相關領域科學研究的必備工具之一。PubMed免費提供數據接口服務，以便其數據能夠與其他個性化系統進行交換[3-5]。

GoPubMed是德國Transinsight公司和德累斯頓工業大學合作研發的以PubMed為數據源、以GO(Gene Ontology)&MeSH(Medical Subject Headings)語義搜索為技術基礎的新一代生命科學文獻搜索引擎[6]。其對檢索結果進行分類和可視化的數據挖掘功能能夠幫助用戶從不同維度清晰了解某一主題內容的相關文獻。系統提供4W(what/who/where/when)欄[7]，幫助用戶從4個方面進行分析。

我國山地、高原面積占陸地領土面積的59%，山地城鎮約占全國城鎮的一半，常住人口約占一半[8]。我國是地震、泥石流、洪澇、干旱等自然災害頻發的國家，進行高原地區災難救援、傷病醫治是非戰爭軍事行動的重要內容之一，高原病是與其緊密相關的重要學科領域。本文應用GoPubMed對PubMed中國內外高原病研究的權威文獻資源進行多維度的分析和展示，以了解國內外有關高原病研究的發展情況，探尋其發展趨勢，準確了解該研究領域的宏觀發展方向和微觀合作網絡。

1 材料與方法

1.1 研究對象

以PubMed收錄的國內外高原病相關文獻作為研究對象，時間范圍為PubMed所有收錄年，檢索時間截至2015年12月，采用GoPubMed進行檢索，檢索關鍵詞為high altitude medicine，系統自動匹配主題詞為“Altitude Sickness”[mesh]，共檢索3 180篇文獻。

1.2 研究方法

通過statistics進行分析，了解PubMed中高原病研究的主題、年代、地區分布、核心作者和可視化情況，并利用結構方程模型對各因素之間的影響程度進行分析。

結構方程模型(Structural Equation Modeling，SEM)分析也稱為結構方程建模，是基于變量的協方差矩陣來分析變量之間關系的一種統計方法。基于結構方程模型的數據分析方法屬于新一代統計分析方法，該方法在20世紀80年代就已經成熟。結構方程模型分析的迅速發展，彌補了傳統統計方法的不足，成為多元數據分析的重要工具。結構方程模型作為基于變量的協方差矩陣來分析變量之間關系的統計方法，實際上是一般線性模型的拓展，包括因素模型與結構模型，體現了傳統路徑分析與因素分析的完美結合。

SEM一般使用最大似然法估計模型(Maxi-Likeliheod，ML)分析結構方程的路徑系數等估計值，因為ML 法能夠使研究者基于數據分析的結果對模型進行修正。目前用于結構方程模型分析的有AMOS、LISREL和EQS等。

AMOS(Analyse of Moment Structures)是一款功能強大的結構方程建模工具，通過對回歸分析，因子分析，相關性分析和方差分析等傳統多元數據分析方法的擴展，為理論研究提供更多的實證支持。通過AMOS可以在直觀的路徑圖中指定、評估、檢驗以及展現模型，進而驗證路徑圖中各個變量之間的假設關系。

2 結果分析

2.1 研究內容分析(what)

排名前20位的研究主題見表1。

表1 文獻量排名前20的研究主題

由發文量的主題判斷研究內容主要集中在特定人群在高海拔缺氧狀態下出現的急性腦水腫或肺水腫。從GoPubMed提供的Knowledge Base的發文量統計結果看，來自于MeSH的熱門主題顯示當前主要研究集中在高原病的生物科學、化學和藥品、技術和設備領域，此外針對高原病的地理學特性、命名組和護理保健也占據重要比例；來自于GO的熱門主題顯示當前主要研究集中在生物過程、細胞成分、分子功能領域。

2.2 發文作者分析(who)

發表論文統計結果見表2。通過GoPubMed工具分析發現，作者Bartsch P發文量最多為資深作者，處于核心作者群，其他核心作者還包括Richalet J、Maggiorini M、Hackett P、León-Velarde F、Cymerman A等。

GoPubMed的統計分析功能可對PubMed中某一領域文獻作者的合作網絡進行可視化展示。作者之間通過短虛線、長虛線、實線、粗體實線進行連接，連線越多、線型越多說明該作者的研究地位越重要。

高原病的文獻作者合作網絡見圖1。通過可視化圖形可以清楚發現高原病研究中有兩個作者群的聯系非常緊密。

其一是以Bartsch P、Maggiorini M、Swenson E為核心的合作研究團隊，其二是以Cymerman A、Rock P為核心的合作研究團隊。

雖然Richalet J發文量居第二位，但從其合作網絡看，該作者與其他主要研究人員的聯系并不緊密。我國學者雖然在高原病研究相關領域的發文量處于前列，但在合作關系圖中并沒有我國的核心研究人員的關系網絡，說明我國從事高原病研究的科研人員處于相對獨立的研究狀態，缺乏相互間的協作與成果共享。

表2 發文排名前20位的作者

圖1 高原病文獻作者合作網絡

2.3 發文國家/地區及期刊分析(where)

發文國家/地區排名見表3。由表3可以看出，美國高居高原病研究的領導地位，其次是英國，我國處于第三位，印度、日本和尼泊爾排名也都靠前。特別是印度，其首都德里高居高原病研究所在城市的第二位。位于重慶、北京和西寧的研究機構主要承擔著我國高原病研究的任務，由此判斷印度的高原病研究機構相對集中，而我國則相對分散。

從圖2的世界地理范圍看，從事高原病研究的熱點區域集中在歐洲和北美洲，亞洲和南美洲次之。發文量前20的期刊見表4。

從表4可以看出，發表期刊排名能夠為從事高原病研究的科研人員選擇合適的期刊發表研究成果提供參考。

表3 發文前20位國家/地區

2.4 發文時間分析(when)

由圖3可以看出，PubMed中有關高原病研究的文獻基本處于逐年增加的趨勢，說明國內外的研究機構正在逐年加大高原病的研究支持力度。

表4 發文量前20位的期刊

圖3 高原病研究的發展趨勢

2.5 結構方程模型分析

利用結構方程模型分析工具AMOS構建反映高原病研究論文發文情況與主題、作者、期刊等因素之間相互關系的概念模型，對模型各變量之間的關系及其相關程度進行分析。結構方程模型利用最大似然估計(Maximum Likelihood)和標準化路徑系數(或載荷系數)進行模型運算。最大似然估計也稱為最大概率估計，是一種具有理論性的點估計法，其基本思想是當從模型總體隨機抽取n組樣本觀測值后，最合理的參數估計量應該使得從模型中抽取該n組樣本觀測值的概率最大。結構方程模型結果圖中變量間線上的數字表示路徑系數，也就是影響程度。系數越大，表示因素對變量的影響越大。高原病研究結構方程模型見圖4。

圖4 高原病研究結構方程模型

由圖4可以看出，論文主題對論文發文量的影響程度最大，其次是論文作者，期刊影響力及地域分布對論文發文情況的影響程度相對較小。結構方程模型顯示，論文主題與高原病論文發文及相關研究關系最密切，說明進行高原病相關主題和內容的研究在高原病研究中的重要作用。論文作者特別是發文較多的資深作者對高原病研究也存在一定程度的影響。此外，作者之間的緊密聯系與協助能夠更好地推動相關領域研究的不斷發展。期刊和地域的因素對高原病研究也存在一定程度的影響，期刊論文作為研究成果的載體，能夠為高原病研究提供參考，反映當前所涉及研究領域的研究程度。地域分布能夠從一定程度上反映從事高原病研究熱點區域的研究活動及影響力。

3 討論與建議

高原病研究具有很強地域性特點。美國部分城市和西歐的很多國家都是高海拔、多山的高原地貌，因此相關研究文獻較多。青藏高原南麓的印度和尼泊爾也都具有極強的高原病研究和處置能力。

基于GoPubMed對高原病研究文獻的分析結果，對我國承擔高原病研究任務的機構和個人提出如下建議。一是加強高原病相關領域的研究工作，特別是熱門主題研究集中的領域，充分發揮高原病研究機構的作用，加強對高原病當前發展前沿信息的研究和掌握，為我國高原病研究發展提供有效支撐。二是從發文作者排名及作者合作關系網絡可以看出，我國從事高原病研究的科研人員仍處于相對獨立的研究狀態，缺少相互間的合作與成果共享，更缺少與國際研究團隊合作攻關的研究經歷和經驗，雖然我國是處于總發文量的第三位，但在核心作者關系網絡中并未出現國內的研究人員。

三是結合我國高原、高山地貌比例高、高原人口較多、地質災害多發等特點，建議科研決策部門持續加大對高原病研究的支持力度，繼續保持我國高原病研究的領先地位，將我國相對分散的高原病研究人員和資源進行適當集中，以便發揮大團隊的優勢；四是針對高原病急性發作特點，在進行大規模非戰爭軍事行動(如救災)時應將我國的高原病救治機構適當向高原腹地前移，方便傷病員的及時后送和救治。