國內中醫體檢研究熱點及發展趨勢可視化數據挖掘研究

胡遠樟，余澤蕓，曹 悅，溫川飆，何 黎，羅 悅

(成都中醫藥大學，四川 成都 610000)

中醫體檢是中醫“治未病”的重要組成部分，對于一些經現代醫學相關檢查，指標未見異常，但卻表現出種種自感不適的個體而言，基于“未病先防，既病防變，病后防復”的中醫理念[1]，將傳統的中醫四診、經絡、體質等辨識與現代儀器檢測相結合的中醫體檢能夠通過對人體健康狀態的綜合評價，達到中醫“治未病”的目的[2]。隨著中醫現代化的不斷發展，中醫體檢正成為一種全新的體檢模式[3]。CiteSpace[4]和VOSviewer[5]是兩款文獻可視化的數據挖掘軟件，本研究結合可視化分析結果和相關文獻回顧，綜合使用定性和定量的方法，從多個角度分析國內中醫體檢的研究狀況，以期為國內中醫體檢相關研究提供有益參考。

1 數據來源和研究方法

1.1 數據來源

以中國知網(CNKI)為數據來源，檢索時間為2019年8月1日。以“中醫+體檢”為主題，以“文獻”為檢索范圍，時間分布采用CNKI默認回溯設置，其他檢索條件均不限制，共得到349篇有效文獻。排除會議通知、約稿說明等不相關文獻后，納入232篇相關主題文獻，并以文本形式導出，構建中醫體檢研究文獻數據庫并導入CiteSpace和VOSviewer軟件后進行可視化圖譜分析。

1.2 研究方法

文獻可視化數據挖掘是集科學計量學、信息計量學、計算機可視化等多學科交叉的新興研究方法，能夠以可視化的方式直觀展示相關研究領域的知識結構與演進規律[6]。CiteSpace是由陳超美博士開發的文獻網絡可視化工具，可動態識別文獻聚類、關鍵節點，以樹形圖和連線表示各個主題關系的強弱，VOSviewer由VAN ECK等研發，能夠以距離、密度等方法表示節點之間的聚類關系，二者可優勢互補，準確挖掘研究主題的本質[7-8]。

2 結果

2.1 研究概況

此領域最早出現的相關文獻是在2002年，隨后直到2009年前，國內中醫體檢研究數量很少，都在10篇以內。2010年以后發文量逐漸上升，其中2010、2011和2015年發文量突增，2019年預計發文量為44篇，且整體發文趨勢符合線性增長模型y=2.6873x-5382.3(R2=0.8575)。如圖1所示。

圖1 發文趨勢

2.2 關鍵研究者

設置軟件參數：網絡節點設定為“作者”，閾值設定為“Top 50”，選用網絡裁剪“Pathfinder”和“Pruning the merged network”算法，其他保持默認選項，得到此領域相關研究者網絡(圖2)，其中有節點57個，連線105條，網絡密度為0.0658。中醫體檢高產研究者可概括為六大合作團體，其中，發文量最大、最核心的研究團隊是以王召平、梁嶸、王盛花為核心的研究隊伍，主要研究體檢人群中的舌象特征[9-10]，以王召平發文量最多(9篇)；其次是高飛、王國瑋為核心的研究者團隊；朱衛豐、項鳳梅為核心的研究團隊次之。依據普萊斯定律[11]并按取整原則，發文量在3篇及3篇以上的論文作者為核心作者，共計26位，共發表論文99篇，占所有論文總數的42.67%，表明中醫體檢研究領域中的高產作者起到了核心引領作用(接近50%)，同時表明以上研究者在中醫體檢領域研究成果較為突出，為中醫體檢領域研究奠定了良好的基礎，但各自團隊相對較為孤立，不同研究團隊之間缺乏聯系，不利于此領域的進一步發展。

圖2 關鍵研究者網絡圖(部分)

2.3 空間分布

中醫體檢研究機構主要分布在北京、江西、成都三個空間地域，其中以北京最多，機構包括北京中醫藥大學、首都醫科大學、中國中醫科學院等多家高校和科研院所，隨后為江西中醫藥大學，成都中醫藥大學和福建中醫藥大學次之。同時，此領域研究機構地域局限性明顯，合作局限于單位內部，缺乏跨地域、跨單位合作。如圖3所示。

圖3 研究機構空間分布

2.4 研究熱點

高頻關鍵詞在一定程度上代表了中醫體檢研究領域的熱點主題和發展方向(見表1)，通過對關鍵詞進行詞頻統計分析，可以揭露此研究領域的熱點主題[12-13]。其中，中醫體質出現頻次最多(62次)，是次研究領域的主要標簽。圖4、圖5是基于VOSviewer的研究熱點共現網絡和密度圖，圖6為基于CiteSpace的關鍵詞聚類可視化圖譜，二者能夠通過可視化的方式直觀展現此研究領域的焦點。其中，中心度排前10位的分別為中醫體質(0.6)、健康體檢(0.46)、亞健康(0.37)、健康管理(0.27)、體質辨識(0.24)、老年人(0.2)、體檢指標(0.16)、脂肪肝(0.13)、調查分析(0.13)、體檢人群(0.1)。

圖4 基于VOSviewer的研究熱點共現可視化網絡圖

圖5 基于VOSviewer的研究熱點共現密度圖

表1 中醫體檢高頻關鍵詞(部分)

2.5 研究熱點聚類分析

含義相近的關鍵詞可以聚為一類，從而形成一類共同的主題，將從CNKI中檢索出的中醫體檢相關的關鍵詞基于CiteSpace中的聚類算法進行聚類分析[14]，共提取出7個聚類主題，分別為：#聚類1健康體檢/疲勞癥狀、#聚類2體檢/生活質量、#聚類3中醫體質/血生化、#聚類4代謝綜合征/中醫健康管理、#聚類5老年人/女性、#聚類6中醫體質辨識/慢性病、#聚類7體檢指標/血癖(圖6)。通過對關鍵詞的分類，可以在不同方向上細分為研究體質類型、疾病種類、人群分布、研究方法與熱點內容五個主題(表2)。其中，體質類型逐漸從濕熱質轉向肝郁脾虛[15-19]，疾病以糖尿病[20-21]和高血壓[22-24]為代表的代謝性慢性疾病為主，主要集中在老年女性群體[25-26]，研究方法逐步與現代最新技術相結合，由傳統的調查分析[27-28]到相關性分析及神經網絡等模型構建[29-30]，研究內容集中在具有中醫特色的舌象與證型兩方面[31-32]。

圖6 基于CiteSpace的關鍵詞聚類可視化圖譜

表2 近10年中醫體檢關鍵詞分類(部分)

3 國內中醫體檢發展趨勢

國內中醫體檢研究正處于快速發展并且不斷創新的探索階段，本研究在研究熱點共現密度圖和聚類可視化圖譜的基礎上，整合圖譜中的關鍵點信息，可以將中醫體檢研究歸納為三大類：中醫體檢應用研究、生化指標與中醫關聯性研究、中醫體質與體檢指標模型研究。

3.1 中醫體檢應用于以糖尿病為代表的代謝性慢性病早期發現與干預治療

機體尚未出現明顯的病態特征，根據中醫“辨證論治”對人體進行調理的“治未病”理念[33-35]和以糖尿病為代表的代謝性慢性疾病相關指標與體質密切相關的現代研究結果為中醫體檢在慢性疾病的早期發現與預防提供了理論依據。于雷等[36]研究了糖尿病前期體質類型分布及與相關指標的相關性，結果發現高危體質類型以氣虛質兼陰虛、陽虛質兼痰濕質多見；除此之外，還與肥胖以及血脂異常有關，為糖尿病患者的預防與恢復提供了指導。陳瑞芳等[37]根據糖尿病前期的特性型體質人群，構建其中醫體檢方案，方案制定步驟分別為前期人群健康調查、中醫體質辨識量表判別體質類型、生化指標復查、易感人群保健指導和復檢五個部分，在保證早期干預和治療糖尿病前期人群的同時，還可以發揮中醫在糖尿病診療過程中的方法學指導作用[38-40]。

3.2 中醫體質辨識關聯性研究

體質是人體天生具有的一種自然屬性，具有固定、相對穩定的特點，在中醫的認識中，不同的體質會影響疾病的易感性以及預后轉歸[41-42]。研究中醫體質辨識與生化體檢指標的關聯性，是為人體健康狀況判別和疾病預防、預后提供數據支撐的有效方法[43-44]。安會如等[45]分析福州310名在校大學生的體質類型與血生化檢查結果的相關性，結果表明Glu與HDL-C異常分別與氣虛質和氣郁質呈正相關，AST、LDL-C異常與濕熱質呈正相關，為后期從體質角度進行人群健康管理提供了參考。楊敏春等[46]分析了534例高脂血癥人群的體質及合并高尿酸血癥與中醫體質的相關性，結果提示痰濕質人群總膽固醇及低密度脂蛋白水平顯著升高；痰濕質、陰虛質、氣虛質及濕熱質血脂異常人群易合并高尿酸血癥，為結合中醫體質類型干預高脂血癥及篩查高尿酸血癥的個性化健康管理提供了指導。廖凌虹等[47]分析了514例健康體檢者中醫痰證與血液生化檢測指標的相關性，結果提示代謝異常是“痰”主要病理基礎之一，載脂蛋白A1等差異指標或是“痰”證病理的潛在共性指標。

3.3 中醫體檢模型研究

舌診是中醫體檢過程中極具中醫特色的模塊，目前已有體檢人群中相關疾病患者舌象特異性的研究報道[48-49]，但在模型研究方面還較為少見。其中，張永濤等[50]在提取北京地區884例體檢人群舌色的TGB和Lab值的基礎上將YUV、YCrCb和HSL模型數據進行比較，結果顯示Lab或是眾多模型中最適合用于表達中醫臨床舌色變化的顏色模型。除了舌色研究以外，為了順應當代中醫學現代化模式轉變趨勢，如何運用現代人工智能技術構建中醫體質與體檢指標的算法模型也成為當前研究的重點。羅悅等[51]將BPNN技術應用于298例體檢指標和中醫體質類型的算法模型構建中，其中訓練組收斂率83%，測試對照組正確率為53%，誤差為0.001，這在一定程度上實現了中醫體質辨識的可計算化，表明為中醫體質與體檢指標關聯性提供自動化模型具有可行性，這為中醫體檢流程智能化、現代化發展作出了有益嘗試。

4 討論

雖然中醫體檢在諸多領域可以彌補西醫體檢的缺陷，但同時也存在著諸多的制約因素。其劣勢主要在于中醫體檢過程耗時耗力，缺乏效率，同時中醫體檢醫生的診療水平存在著較大的個體差異性，難以針對具體的特異性疾病形成統一完整的體檢及健康指導方案。目前中醫體質辨識信息的收集方式還主要以問卷調查為主，其問題數量眾多，患者回答完問題需要花費大量時間，在生活節奏不斷加快的現代社會，其問題結果難以確保完整性與正確性，常常出現誤答或漏答的現象，且其評價結果一般需要兩位有經驗的中醫師同時判斷，這將會耗費大量的醫療資源，其過程耗時耗力，效率低下。中醫治病注重“因人而異”，強調不同個體的差異性，這里的“差異性”不僅僅是患者的病因、體質的差異，也包括醫生不同的教育背景、臨床經驗和對疾病的認識水平所帶來的診療方式的差異性，最終導致同一位病患在不同地域、季節有著不同的臨床表現，不同的醫生對于同一位患者有著類似但卻不同的判斷，這些都是阻礙中醫體檢醫學進一步發展的關鍵因素。

現代科技的發展為中醫體檢醫學帶來了突破的契機。隨著第四次科技革命浪潮的來臨，人工智能技術將與中醫體檢行業不斷深度結合，其中，中醫智能語音問診系統可以代替醫生快速采集患者信息，移動醫療穿戴設備的推廣可以提前采集患者的基本信息，諸如體重、血壓、體溫等，能夠有效避免就診過程中的信息重復采集，提高流程效率，減少患者回答問題的時間。同時，通過根據中醫知識構建的中醫體質辨識算法模型能夠根據采集到的患者信息快速判別其體質類型，較人工判別而言更加客觀，同時效率更高，對于患者而言也能減少等待時間，提高體檢過程的滿意度。在大量臨床案例的基礎上，中醫體檢人工智能系統也能夠構建針對特異性疾病的體檢方案與健康管理流程，并通過無線健康監測設備實時動態監測體檢者的身體狀態，達到實時向臨床醫生反饋、實施動態健康管理的效果。

5 結語

國內中醫體檢研究雖然發展至今時間不長，只有將近20年時間，相對于其他學科而言還不成熟，但已有相當可觀的成果，并且已經形成了一批核心研究團隊，在內容上立足于中醫理論，在方法學上與現代科技手段緊密結合。隨著我國人口老齡化進程的加快，人民群眾對于中醫健康體檢的需求日益迫切，如何更好地將中醫體檢與現代科技融合，提供更加方便、快捷、有效的中醫體檢服務，或是下一步探索的重點。

本研究通過文獻可視化數據挖掘的方法梳理國內“中醫體檢”研究領域發展現狀，揭示中醫體檢研究熱點及發展趨勢，旨在為此領域的相關研究者提供參考。但局限在于文獻來源只納入了中國知網數據庫中的相關文獻，后期作者將擴大數據來源范圍，從更多角度進行分析。