基于CiteSpace對高尿酸血癥與痛風發病機制研究的可視化分析

楊雪芳 朱昕 王苗慧 鄧國金 劉麗霞

[摘要]目的全面了解高尿酸血癥（HUA）與痛風發病機制最新研究進展及熱點。方法檢索CNKI數據庫2005年1月至2021年7月關于HUA與痛風發病機制研究的相關文獻，用CiteSpace軟件生成作者、研究機構、關鍵詞等信息并分析。結果共有2417篇文獻納入研究，生成的圖譜共有707位作者被納入，形成以張冰、林志健、朱繼孝為代表的主要合作團隊。共有194所研究機構被納入，主要包括北京中醫藥大學、黑龍江中醫藥大學等。共有681個關鍵詞被納入，形成“急性痛風性關節炎”“HUA”“2型糖尿病”等11個自然聚類;近年突現關鍵詞有“氧化應激”“代謝組學”等。結論以可視化圖譜方式分析HUA與痛風發病機制研究的發展現狀與熱點，為該領域研究提供方向及思路。

[關鍵詞]高尿酸血癥;痛風;CiteSpace可視化分析;知識圖譜

[中圖分類號]R589.7??? [文獻標識碼]A??? [文章編號]2095-0616（2022）02-0046-04

A visual analysis of the study on the pathogenesis of hyperuricemia and gout based on CiteSpace

YANG Xuefang1??? ZHU Xin1??? WANG Miaohui2??? DENG Guojin1??? LIU Lixia1

1. Dongguan Polytechnic，Guangdong，Dongguan 523186，China;2. Zibo Hospital of Traditional Chinese Medicine，Shandong，Zibo 255300，China

[Abstract] Objective To comprehensively learn about the latest advances and hotspots of the study on the pathogenesis of hyperuricemia （HUA）and gout. Methods The relevant pieces of literature on the study of HUA and gout pathogenesis from January 2005 to July 2021 in the China National Knowledge Internet （CNKI）database were retrieved，and the information of authors，research institutions and keywords were generated and analyzed by CiteSpace software. Results A total of 2417 pieces of literature were included in the study，and a total of 707 authors were included in the generated mapping，forming a major collaborative team represented by ZHANG Bing，LIN Zhijian，and ZHU Jixiao. A total of 194 research institutions were included，mainly including Beijing University of Chinese Medicine，Heilongjiang University of Chinese Medicine，etc. In addition，a total of 681 keywords were included，forming 11 natural clusters such as “acute gouty arthritis”“HUA”“type 2 diabetes mellitus”，etc. The keywords such as “oxidative stress”and “metabolomics”have emerged in recent years. Conclusion The advances and hotspots of the study on the pathogenesis of HUA and gout analyzed by visual mapping will provide directions and ideas for the study in this field.

[Key words] Hyperuricemia;Gout;CiteSpace visual analysis;Knowledge mapping

高尿酸血癥（hyperuricemia，HUA）是一類代謝性綜合征，當嘌吟代謝過剩、尿酸排泄減少使體內血尿酸水平超過420 μmol/L時，可診斷為HUA。過多的尿酸經血液或組織液循環形成尿酸鹽結晶，沉積在腎臟、關節腔引起痛風性關節炎、痛風石、尿酸性腎病等臨床癥狀，稱為痛風[1-3]。痛風是常見病，近年來發病率在世界范圍內不斷上升[4-5]，在美國其發病率為19.3%[6];中國為15.1%[7]。研究表明HUA是誘發高血壓、2型糖尿病、心血管疾病等代謝性疾病的危險因素，已成為嚴重威脅人類健康的疾病之一[8-11]。

當前國內關于HUA與痛風的發病機制研究的文獻發文量增長迅速，但對文獻的深入統計分析不足。本文使用CiteSpace軟件對HUA與痛風發病機制研究熱點的關鍵詞、主題演變、合作機構等進行可視化分析研究，了解該領域最新動態、發展趨勢，為推動HUA與痛風的研究和防治提供思路和方向[12]。

1??? 資料與方法

檢索2005年1月至2021年7月收錄在CNKI數據庫的HUA及其發病機制的文獻。檢索方式為“主題”，檢索式為：（高尿酸血癥OR血尿酸OR痛風OR痛風性關節炎OR無癥狀高尿酸血癥）AND（發病機制OR模型），共檢索文獻2598篇，經篩選，2417篇文獻納入研究，期刊文章1710篇，學位論文707篇。將納入文獻導出后使用CiteSpace軟件分析。設置時間分區：跨度為2005年1月至2021年7月，以1年為切割點;設置閾值Top N=50，突出重要文獻，其余為默認值;選擇作者、機構、關鍵詞，進行可視化分析生成共現圖譜。

2??? 結果

2.1??? 文獻來源、發文趨勢及文獻特征分析

納入的文獻中，期刊文獻1710篇，其中載文較多的期刊有《中華中醫藥雜志》《時針國醫國藥》《中華中醫藥學刊》等;707篇為學位論文，涉及40所院校，以北京中醫藥大學（41篇）、青島大學（37篇）、廣州中醫藥大學（33篇）等發文量最多，尤其是廣州中醫藥大學博士論文達20篇;在博士學位論文中較多是NSFC、MOST及各省市自然科學基金等，說明該研究方向不但適合培養優質的醫學科研人才，也適合進行基礎科學研究。

文獻被引次數客觀科學，可有效反映該文獻的學術價值[13]。2417篇文獻中被引次數≥5次的文獻有1144篇。被引次數最多的為潘志于2008年發表于《時珍國醫國藥》的“黃柏與蒼術提取物對HUA小鼠血尿酸的影響”，達141次。對基金項目進行分析，以NSFC支持的研究項目最多，達383項;第二是北京市自然科學基金為27項、廣東省中醫藥管理局的基金為22項等。

2.2??? 作者納入圖譜分析

作者網絡分析應用CiteSpace軟件，707位作者納入共現圖譜，作者間合作較少，合作多發生在同單位、同課題組內。其中發文較多的作者有張冰（42篇）、林志健（37篇）、朱繼孝（23篇）等，其中發文量≥5篇的作者有88位。HUA與痛風發病機制的研究團隊分布較松散，彼此間的聯系較少。當前形成以張冰教授、林志健副教授、朱繼孝教授為代表的合作團隊，團隊數量少，合作缺乏。見圖1。

2.3??? 研究機構圖譜分析

194所機構納入研究機構共現圖譜，機構間合作有27個，32所機構發文量≥5篇。具有代表的研究力量以北京中醫藥大學、黑龍江中醫藥大學等為主。涉及研究機構數量較多，分布范圍廣，各機構間合作較少。因受地域布局限制，機構間實現跨省區合作較難，地域局限性較明顯。見圖2。

2.4??? 關鍵詞圖譜及研究前沿分析

對關鍵詞進行聚類分析，可反映HUA與痛風發病機制的研究熱點，該聚類領域的重要性可通過聚類中關鍵詞的數量反應，用于判斷該領域的發展方向和規律[14]。關鍵詞字體越大表示出現頻次越多，兩關鍵詞出現在同一篇文獻中的共現關系由兩點連線代表，見圖3。共納入681個關鍵詞，其中在文獻出現次數≥50的關鍵詞有14個，關鍵詞“HUA”出現頻次最多，為1071次。一般認為，在該領域有一定影響力關鍵詞中心性≥0.1，該值越大其影響力越大，見表1。

對關鍵詞頻次分析稱之為突現詞，是從大量主題詞中推測出某段時間內頻次變化率高的詞[15-17]。20個突現詞為該領域的研究熱點，其中突現時間最長的關鍵詞是“高尿酸血癥模型”，2005—2011年，期間突現詞包括“動物模型”“疾病模型”“TNF-α”等，表明早期多為基礎應用研究，觀察指標為主。其次是“代謝組學”“氧化應激”，出現在2016年后，表明當前的研究熱點與趨勢，見圖4。如研究發現匹伐他汀抑制炎癥因子分泌，減輕HUA大鼠體內氧化應激[18];腸-腎尿酸排泄障礙與氧化應激引起的腸-腎組織氧化損傷有關[19];尿酸失衡與其相關基因和蛋白水平有關[20-21]。

3??? 討論

陳超美教授開發的CiteSpace軟件是基于Java語言的可視化知識圖譜繪制工具，融合聚類分析方法，主要用于研究學科領域的現狀及前沿，目前已被廣泛應用于醫學、教育等領域[22-25]。采用CiteSpace軟件挖掘數據，直觀展示了HUA與痛風發病機制的研究熱點及趨勢等。整體而言，HUA與痛風發病機制研究總體呈上升趨勢，可預測在未來仍然是研究熱點。該領域的文獻主要為中醫藥類期刊，一大部分文獻被引次數偏低，總體水平良莠不齊，還需進一步提升。國家科研基金對該領域的研究均有支持，其中最多的為NSFC，反映出國家對該領域研究的重視。研究人員之間形成以北京中醫藥大學張冰教授、林志健副教授、江西中醫藥大學朱繼孝教授為代表的主要合作團隊，團隊數量少，缺乏合作，尚未規模化，后期各團隊可進行廣泛合作，進一步打造HUA與痛風發病機制研究的良好的交流平臺，促進該領域發展。研究機構方面：以北京中醫藥大學、黑龍江中醫藥大學等為代表，涉及研究機構數量較多、分布范圍廣，但相互合作欠缺，研究機構還需要與各個醫學學院努力摒除學術屏障，積極開展學術交流，傳授研究經驗，共同促進該領域知識結構的完善。

對突現詞“高尿酸血癥模型”“尿酸性腎病”“尿酸酶抑制劑”等聚類分析，顯示早期多為基礎研究，觀察指標為主。2016年后出現“代謝組學”“氧化應激”，表明研究已從指標觀察往機制研究方向進行。期間也涉及“動物模型”“疾病模型”等多個突現詞。針對近年來突現的關鍵詞有“氧化應激”“代謝組學”等，表明目前研究熱點已經傾向于發病機制研究，但對于該病的發病機制研究還需進一步深入研究，具有較大的探索空間。因此積極探明HUA 與痛風發病的機制，具有重要科學意義。

[參考文獻]

[1]馮文文，崔岱，楊濤.《中國高尿酸血癥與痛風診療指南（2019）》要點解讀[J].臨床內科雜志，2020，37（7）：528-531.

[2]中華醫學會風濕病學分會.原發性痛風診斷和治療指南2011[J].中華風濕病學雜志，2011（6）：410-413.

[3] Richette P，Bardin T.Gout[J].Lancet，2010，375：318-328.

[4] Mikuls TR，Saag KG.New insights into gout epidemiology[J]. Curr Opin Rheumatol，2006，18：199-203.

[5] Mikuls TR，Farrar JT，Bilker WB，et al.Gout epidemiology：Results from the UK General Practice Research Database，1990-1999[J].Ann Rheum Dis，2005，64：267-272.

[6] Eswar K，Steinman TI.Reduced Glomerular Function and Prevalence of Gout：NHANES 2009-10[J].Plos One，2012，7（11）：e50046.

[7]胡浩杰，蘇暢，王惠君，等.2015年中國15省份18～59歲成年居民血清尿酸水平及高尿酸血癥患病狀況[J].中華流行病學雜志，2021，42（5）：840-845.

[8] Borghi C，Agabiti-Rosei E，Johnson RJ，et al. Hyperuricaemia and gout in cardiovascular，metabolic and kidney disease[J].European Journal of Internal Medicine，2020，80：1-11.

[9] Kanellis J.Uric acid as a mediator of endothelial dysfunction，inflammation，and vascular disease[J]. Seminars in Nephrology，2005，25（1）：39-42.

[10] Thottam GE，Krasnokutsky S，Pillinger MH.Gout and Metabolic Syndrome：A Tangled Web[J].Current Rheumatology Reports，2017，19（10）：60.

[11]石建霞，劉奇，彭永德.細胞焦亡在代謝性疾病中的研究進展[J].第二軍醫大學學報，2020，41（11）：1250-1253.

[12]陳輝.大數據環境下科技期刊同被引文獻數的學術評價功能——基于與引證文獻數的對比研究[J].科技管理研究，2019，39（22）：221-226.

[13]趙丙軍，王旻霞，司虎克.基于CiteSpace的國內知識圖譜研究[J].圖書情報工作網刊，2012（8）：25-33.

[14]齊虹，閆靜璇.基于知識圖譜的我國信息行為研究態勢分析[J].現代情報，2018，38 （5 ）：131-139.

[15]常青，何紫棠，張國杰，等.基于CiteSpace知識圖譜的國內外非計劃再手術研究現狀及熱點可視化分析[J].中國醫刊，2021，56（9）：990-995.

[16]劉麗明，鐘文娟，王芬，等.基于CiteSpace的老年護理研究熱點分析[J].武漢輕工大學學報，2021，40（3）：94-98.

[17]謝麗華，藺曉源，李昕，等.基于CiteSpace可視化分析中醫藥促神經再生研究熱點與趨勢[J].中國中藥雜志，2021，46（17）：4555-4562.

[18]尤楊，夏岳，戚國慶，等.匹伐他汀對高尿酸血癥大鼠炎癥因子及氧化應激的影響[J].中國免疫學雜志，2020，36（11）：1299-1303.

[19]王雨，林志健，曲聰聰，等.高尿酸血癥大鼠氧化應激介導的“腸-腎”尿酸排泄研究[J].北京中醫藥大學學報，2020，43（4）：310-316.

[20]霍帥.高尿酸腎病患者血液代謝組學分析及腎茶治療高尿酸腎病的實驗研究[D].廣州：廣州中醫藥大學，2020：84.

[21]呂耀中，胡慶華，王星，等.二妙丸水提取物對高尿酸血癥小鼠尿酸失衡及其相關基因和蛋白水平的影響[J].中草藥，2010，41（3）：418-423.

[22] Azam Ali，Ahmed Ammar，Wang Hao，et al. Knowledge structure and research progress in wind power generation （WPG）from 2005 to 2020 using CiteSpace based scientometric analysis[J].Journal of Cleaner Production，2021，295：126496.

[23]李巖，樊玉霞，陸麗華.基于Citespace的癌癥患者自我效能可視化分析[J].中國醫藥科學，2020，10 （18）：233-238.

[24] Shuo Liu，Ya-Ping Sun，Xu-Ling Gao，et al. Knowledge domain and emerging trends in Alzheimer's disease：a scientometric review based on CiteSpace analysis[J].Neural Regeneration Research，2019，14 （9）：1643-1650.

[25] Azam A，Ahmed A，Kamran MS，et al.Knowledge structuring for enhancing mechanical energy harvesting （MEH）：An in-depth review from 2000 to 2020 using CiteSpace[J].Renewable and Sustainable Energy Reviews，2021，150（20）：111460.