數據計量方法在健康信息學領域的應用研究綜述

韓 雷 徐中陽 邱均平 .浙江理工大學經濟管理學院，浙江 杭州 3008； 2.杭州電子科技大學管理學院，浙江 杭州 3008； 3.杭州電子科技大學中國科教評價研究院，浙江 杭州 3008； 4.杭州電子科技大學數據科學與信息計量研究院，浙江 杭州 3008)

摘 要：[目的/意義]在圖書情報領域中，數據計量方法已被廣泛應用于健康信息學研究并取得了豐富成果，文章梳理并分析了數據計量方法在國內外研究中的應用現狀，旨在從數據計量學視角得出促進國內健康信息學研究發展的啟示。[方法/過程]文章以近五年圖書情報領域中的健康信息學研究為例，首先采用文獻計量法從發文量、期刊來源、研究對象及研究主題分析了研究現狀，其次采用扎根理論構建了數據計量方法體系，最后詳細綜述了各方法的具體應用現狀。[結果/結論]數據計量方法在國內研究中的應用與國外仍存在一定差距，同時國內外研究中也存在數據規模不足、研究范式落后等共性問題。因此，國內學者應當從以下方面加以改進：廣開門路，擴大研究對象；技術驅動，創新研究方法；交叉融合，拓展研究內容。

隨著大數據、云計算及人工智能等技術的快速發展，數據科學(Data Science)這一以大數據為研究中心的交叉學科應運而生[1]。數據科學的出現，不僅加速了科學研究方式朝著以“大數據驅動”為核心的“第四范式”轉變，同時也為身處大數據環境下的傳統學科創新研究方法、重塑學科體系提供了有效路徑[2]。在此背景下，作為與數據密切相關的學科，計量學充分吸收借鑒了數學、統計學、計算機科學及數據科學等多種學科的理論方法，形成了一門新興的分支學科，即：數據計量學(Datametrics)[3]。數據計量學是一門綜合運用多學科定量分析方法，以所有科學研究相關的數據，尤其是大數據為研究對象，研究其產生、運動、分布及特征等規律的交叉學科，其學科體系主要由理論、方法及應用三部分構成[3]。其中，數據計量方法是數據計量學方法的組成部分之一，是指以各類計算機可識別的文字、符號、數字、音頻及視頻等科研相關的數據、大數據為研究對象的各種定量研究方法的集合[4]，如圖1所示。與文獻計量、網絡計量等其他計量方法相比，數據計量方法種類更加豐富，具有較高的精確度、實用性及智能化程度，能夠有效處理多源、異構及海量數據，目前已被廣泛應用于醫學、經濟學及管理學等多個領域中。

圖1 數據計量方法的概念

近年來，隨著“健康中國”“互聯網+醫療健康”等政策的深入推進，各類在線健康社區、移動醫療App及可穿戴健康設備得到了進一步的普及與發展，健康信息學同樣引起了公共衛生、信息科學及圖書情報等多個領域專家學者的廣泛關注[5-6]。健康信息學(Health Informatics，HI)是一門運用多種信息技術滿足用戶健康需求、處理健康問題或進行醫學決策的新興交叉學科[7]。在圖書情報領域，健康信息學研究已成為目前國內外的研究熱點之一，大量學者應用“實證主義”“詮釋主義”以及“數據驅動”等多種研究范式，針對健康信息行為、健康信息需求及健康信息學教育等研究內容進行了深入探索[8]。此外，也有部分學者分析了健康信息學的發展趨勢，如閆慧等從消費者健康信息的需求、搜尋、獲取、接受、利用和評價等方面梳理了國內外消費者健康信息學的研究進展[9]。徐璐璐等運用LDA主題模型和文本聚類算法分析了21世紀以來醫學信息學研究走向及其健康信息學轉向[10]。周曉英等基于對國內外健康信息學理論與實踐的深入探討，明確了健康信息學的含義、學科范疇以及國內健康信息學的發展背景、現狀和路徑[11]。

綜上所述，圖書情報領域中現有的健康信息學理論研究主要側重于概念視角和內容視角，一方面，從健康信息學的概念內涵、學科范疇、研究主題等視角探討健康信息的研究現狀，并在此基礎上提出健康信息學未來的發展路徑，從方法視角開展的研究相對較少；另一方面，現有的健康信息學研究中已廣泛應用了文獻計量、知識圖譜、機器學習等多種數據計量方法，其研究對象涵蓋了健康相關的各類型數據，如：文獻數據、問卷數據及社交媒體數據等[12-14]。隨著大數據時代的到來，數據計量方法的發展與創新，健康信息學將會逐漸形成以“大數據驅動”為核心的科研范式。鑒于此，本研究以國內外圖書情報領域的健康信息學研究為例(下文所有“健康信息學研究”均指代“圖書情報領域內的健康信息學研究”)，系統梳理數據計量方法的應用現狀，嘗試從數據計量方法視角挖掘大數據時代背景下國內健康信息學研究的發展啟示。

1 文獻數據收集

本研究選取主題為“健康信息學”且采用“數據計量方法”的圖書情報類期刊論文作為研究對象，以中國知網(CNKI)作為國內文獻數據來源，以Web of Science中的Science Citation Index Expanded(SCIE)、Social Sciences Citation Index(SSCI)作為國外文獻數據來源。根據DIKW模型可得，“數據”是對客觀世界的記錄和描述，而“信息”則是加工后有邏輯的數據，主要表現為結構化的數據[15]。因此，本研究構建以下檢索式收集文獻數據。中文檢索式為(主題=健康信息 OR 衛生信息 OR 健康數據 OR 衛生數據 OR 健康大數據 OR 衛生大數據)，文獻類型為CSSCI、中文核心期刊要目總覽、CSCD期刊，文獻分類目錄選擇“信息科技”下的子目錄“圖書情報與數字圖書館”。外文檢索式為(主題=“health information”OR“health informatics”OR“health data”OR“health big data”)，文獻類型為Article，學科類別為Information Science & Library Science。時間跨度均為2017—2021年，檢索時間為2022年1月7日，剔除非圖書情報學科、主題無關等文獻后，得到國內文獻152篇，國外文獻356篇，共508篇目標文獻。

2 文獻計量分析

2.1 發文量分析

分別統計2017—2021各年度的國內外發文量及發文總量如圖2所示。由圖2可得，發文數量上，2017—2021年間，國外各年度的發文量均高于國內，且二者在數量上始終存在一定差距，其主要原因在于，國外學者早在20世紀90年代就開始了對健康信息學的探索，因此，國外圖書情報領域的學者能夠較早接觸并進入健康信息學領域開展研究[16]；發文量變化情況上，2017—2021年間，發文總量和國內外發文量總體均呈現增長趨勢。其中，發文總量由2017年的73篇增長至2021年的142篇，總增長率為94.5%，可見，數據計量方法在健康信息學研究中具有較強的實用意義。2018年以來，國內發文量已趨向穩定，維持在28～43篇之間，而國外發文量則持續增長，可見，國外研究更側重于數據計量方法的應用。

圖2 2017—2021各年度發文量

2.2 期刊來源分析

分別統計國內外研究的期刊來源，列舉發文量排名前五的期刊如圖3所示。由圖3可得，從國內外期刊總體分布上，國外圖書情報領域已經具備了以健康信息學或醫學信息學為主要研究內容的專業期刊，如：《JournalofHealthCommunication》《HealthInformationandLibrariesJournal》，而國內則暫未出現。從國內文獻的期刊分布上看，《現代情報》《圖書情報工作》及《情報科學》的發文量位列前三，總占比高達49.3%，其余期刊的發文量則相對均勻，可見，國內學者更傾向于投稿情報學相關期刊。從國外文獻的期刊分布上看，《JournaloftheAmericanMedicalInformaticsAssociation》《JournalofHealthCommunication》的發文量占比分別高達22.8%、18.3%，遠超其他期刊，且分別屬于Q1區、Q2區，在圖書情報領域內具有一定影響力。可見，相比于傳統的圖書情報類期刊，國內外學者可能更傾向于投稿圖書情報領域內的健康信息學專業期刊。

2.3 研究對象分析

分別統計國內外研究的數據來源如圖4所示。由圖4可得，問卷數據、網絡數據及實驗數據在國內外研究中均有較高的使用頻次，可見，問卷調查、網絡調查及情景實驗等數據收集方法仍然是目前國內外研究中采用的主流方法；另一方面，國內研究中使用文獻數據的頻次較高，而國外研究則使用較少，其主要原因在于，國內健康信息學研究起步較晚，部分學者更傾向于分析文獻數據以了解國內外研究現狀，追蹤國際研究熱點，如相麗玲等運用知識圖譜方法分析了國內外個人健康醫療信息保護的研究動態、主要觀點及發展趨勢[17]。值得注意的是，由政府的官方統計數據、企業或私人共享的數據集組成的公開數據集，以及由患者的病情診斷、藥品使用及住院情況等組成的電子健康檔案數據，在國外研究中已得到了一定程度的應用，而國內研究中的應用程度相對較低，其原因可能在于國外的科學數據、個人醫療數據的共享開放政策與國內存在一定差異。

圖3 國內外文獻期刊來源分布(前五)

2.4 研究主題分析

分別統計國內外研究的研究主題及其相關主題詞，列舉總頻次排名前十的研究主題如表1、圖5所示。由表1、圖5可得，在國內外研究的主題中，“健康信息行為”的出現頻次均位列第一且與其他研究主題拉開較大差距，其主要原因在于，一是健康信息行為自身內涵較為豐富，涵蓋了健康信息的搜尋、規避、查詢及傳播等多種行為；二是行為的解釋涉及了社會學、醫學、心理學等多種學科的理論，多樣化的理論視角能為國內外學者提供豐富的研究內容。另外，值得注意的是，在信息系統開發、健康信息交換以及電子健康檔案等研究主題上，國內與國外研究存在一定差距，其主要原因在于，一方面，信息系統的開發需要依賴于各類算法，而國內研究中數據挖掘法的應用程度相對較低，且大多用于挖掘健康信息特征或健康信息需求上；另一方面，與國外相比，國內健康信息交換項目的建設和電子健康檔案的應用起步較晚，因此尚未引起國內圖書情報領域學者的廣泛關注。

圖4 國內外研究主要數據來源

表1 國內外研究的研究主題(前十)

表1(續)

3 基于扎根理論的數據計量方法體系構建

3.1 扎根理論

扎根理論(Grounded Theory，GT)是由哥倫比亞大學學者Glaser B G等提出的一種自下而上建立實質理論的定性研究方法[18]。該方法首先基于對原始資料的系統搜集與分析，進而提煉出能夠反映社會現象的核心概念與范疇，接著不斷對其進行修正和完善，最后根據概念之間的邏輯性和內在聯系構建出相應的社會理論[19]；另一方面，基于扎根理論的綜述撰寫范式同樣也得到了廣泛的應用，如夏立新等、胡澤文等結合扎根理論分別對我國文獻資料保障體系研究和高價值專利評估與識別研究進行了綜述[20-21]。鑒于此，本研究采用扎根理論分析508篇目標文獻，以構建健康信息學研究中的數據計量方法體系。

3.2 開放式編碼

范疇(Category)是指具備相同性質的結構性概念，也是將事物歸類所依據的共同性質[18]。開放式編碼(Open Coding)是指對原始訪談資料進行標簽化、概念化以及范疇化，最終得到范疇的過程[18]。本研究于2022年1月10日組建了研究小組，成員為計量學研究方向的3名博士生和2名碩士生，并于2022年1月12日—1月29日進行了開放式編碼。首先，研究小組隨機選擇508篇目標文獻中的2/3(339篇)用于資料編碼，剩余1/3的文獻(169篇)用于理論飽和度檢驗。接著，分別逐詞逐句閱讀所有目標文獻的標題、摘要及關鍵詞，提煉每篇文獻采用的數據計量方法并對其進行初始概念化，形成61個初始概念。最后，對初始概念進行持續比較和歸納合并，得到7個范疇，如表2所示。

表2 開放式編碼過程

表2(續)

3.3 主軸編碼

主軸編碼(Axial Coding)是基于上一階段開放性編碼所得范疇的內在邏輯性進行更加精細化、具體化的歸納、分析，從而將范疇更進一步聚焦，形成主范疇的過程[18]。研究小組于2022年2月5日—2月8日對所得7個范疇進行主軸編碼，最終得到數理統計方法、計量科學方法以及數據智能方法3個主范疇，如表3所示。

表3 主軸編碼過程

3.4 選擇性編碼

選擇性編碼(Selective Coding)是指進一步比較、分析所得主范疇之間的典型關系結構，從中挖掘出具有高度概括性的核心范疇，從而形成完整的“故事脈絡”，最終構建出新的理論框架[18]。研究小組于2022年2月12日對數理統計方法、計量科學方法以及數據智能方法3個主范疇進行選擇性編碼，經過持續地比較與分析各個主范疇之間的內在邏輯和相互作用后，最終得到“數據計量方法體系”這一核心范疇。

3.5 理論飽和度檢驗

當現有資料構建的理論框架中引入新的資料后沒有得到新的范疇，則可判定該框架已經達到“理論飽和狀態”[18]。理論飽和度檢驗則是通過補充新資料后，查看理論框架中是否會出現新范疇，若未出現，則證明通過檢驗，反之，則未通過[18]。研究小組于2022年2月15日—2月22日利用剩余169篇文獻進行理論飽和度檢驗，結果顯示，所得范疇均已包含在表2中，尚未出現新的范疇?？梢姡敬卧碚摌嫿ǖ臄祿嬃糠椒w系模型通過理論飽和度檢驗。

4 數據計量方法的應用研究

4.1 數理統計方法應用現狀

數理統計方法是數據計量方法的基礎組成部分，主要涉及數學、統計學，是目前健康信息學研究中應用程度最高的方法層次，其主要包括以下方法：①統計分析法。統計分析法內涵豐富且適用性廣，涵蓋了描述性統計、因子分析、方差分析以及T檢驗等多種二級方法，能夠有效處理問卷數據、實驗數據等所有結構化小規模數據[22]。因此，在健康信息學研究中，除信息系統開發等少數研究主題外，統計分析法在健康信息行為、健康信息服務等大多數研究主題中均得到了廣泛應用，如宋小康等構建了健康謠言分享意愿模型，通過情景模擬實驗收集數據后，采用多元線性回歸模型檢驗了研究假設[23]。Sbaffi L等采用描述分析、主成分分析以及泊松回歸分析調查了大學生選擇在線健康信息的信息渠道的關鍵影響因素[24]；②模型研究法。模型研究法能夠融合多種學科理論構建數學模型，并可以通過問卷數據、網絡數據、公開數據集等結構化數據檢驗模型，因此具有廣泛的應用性和較強的解釋性，能夠針對不同的研究問題做出有效解釋[25]。在健康信息學研究中，模型研究法主要應用于健康信息行為研究，其主要過程是整合經濟學、管理學及心理學等多種學科理論構建理論模型并提出研究假設，繼而采用問卷數據、公開數據集等小規模結構化數據對研究假設、模型擬合度等相關變量進行檢驗，如Zhang X等為調查在線健康社區成員的關系承諾和持續知識共享意愿，整合了社會交換理論和承諾—信任理論，構建了在線健康社區的持續知識共享意愿模型，并收集了519份有效問卷對其研究假設進行了檢驗[26]。此外，也有部分學者采用KANO模型、強化螺旋模型等其他模型針對健康信息服務、健康信息需求開展了研究，如：徐中陽等綜合運用文獻資料、半結構化訪談及KANO模型構造了醫學院校圖書館健康信息服務需求模型，并采用問卷數據對其進行了實證分析[27]。相關代表性研究成果如表4所示。

表4 數理統計方法的應用現狀及代表性成果

4.2 計量科學方法應用現狀

計量科學方法是數據計量方法的重要組成部分，主要來源于以“五計學”為主要學科體系的計量學，主要包括以下方法：①內容分析法。內容分析法的優勢在于能夠針對文本數據、訪談數據、電子健康檔案數據等小規模非結構化數據進行定量分析，進而提煉出其中的主題、需求或情感等[29]。在國內外健康信息學研究中，內容分析法均有較高的應用程度，主要應用于分析各類健康信息特征[30]、網絡用戶或特定年齡群體的健康信息需求[31]、健康信息行為[32]等研究中，如李月琳等設計了網絡用戶的跨源健康信息搜尋行為實驗，并對實驗數據和訪談數據進行了內容分析，揭示了跨源健康信息搜尋行為的主要動機、信息源選擇的影響因素，并構建了相應的行為路徑模型[33]；②計量分析法。計量分析法主要針對文獻數據、網絡數據等小規模結構化數據，其主要用于研究現狀分析中，盡管應用程度較高，但應用形式較為固定，主要有以下兩種方式：一是作為主要研究方法獨立使用，通常用于分析文獻數量、研究熱點及主題演化的變化趨勢，如劉艷華等收集了Web of Science中與健康信息相關的4 023條文獻題錄數據，并采用關鍵詞分析、聚類分析等方法識別了國際健康信息學研究的研究主題在不同時期的演化路徑[34]；二是作為次要研究方法與其他研究方法聯合使用，目的在于對研究對象進行更深層次的分析，如Chen L等采用引文分析、潛在語義分析以及社會網絡分析等方法深入分析了國際衛生信息系統研究中的中心研究主題、演化路徑、學科帶頭人、知識結構以及與其他學科之間的聯系等[35]；③網絡分析法。網絡分析法能夠通過算法對數據進行可視化，使其轉化成具有節點、連邊、拓撲等基本特征的復雜網絡圖，從而更加直觀地展現數據之間的關聯性[36]。在健康信息學研究中，網絡分析法主要采用文獻數據、網絡數據等結構化數據。國內學者通常采用網絡分析法發現特定領域的研究現狀[17]、健康信息學的學科進展[16]以及挖掘特定用戶的健康信息需求[37]，如徐中陽等采用知識圖譜方法分析了2015—2020年間國內外圖書館健康信息服務的研究現狀[38]。而部分國外學者則進一步拓展了網絡分析法的應用，將其用于分析社交媒體用戶的健康信息行為，如Perez-Dasilva J A等采用社會網絡分析法分析了COVID-19流行期間，Twitter上虛假新聞傳播過程中各類用戶參與行為的具體情況[39]；④評價研究法。結合圖5來看，評價研究法的研究對象主要為問卷數據、公開數據集等結構化數據，流程通常為“確定評價對象→明確評價目標→構建評價指標體系→代入數據→得出評價結果”[40]。在國內外健康信息學研究中的應用程度均相對較低，國內學者主要針對健康信息質量[41]、健康信息服務質量[42]、健康服務滿意度[43]等健康信息特征或健康信息服務進行了評價。而國外學者的研究主題則更加廣泛，能夠設計開發相應的信息系統或算法模型開展評價研究，如Wu D等開發了一個評價模型，用以評價新冠肺炎中政府公開衛生數據的質量和可用性，并采用美國、歐盟及中國公開的新冠肺炎衛生數據對其進行了測試[44]。相關代表性研究成果如表5所示。

表5 計量科學方法的應用現狀及代表性成果

4.3 數據智能方法應用現狀

數據挖掘法是數據智能方法層次唯一的研究方法，也是具有數據計量學鮮明學科特征的研究方法。數據挖掘法主要通過設計算法或開發信息系統實現對網絡數據、公開數據集以及電子健康檔案數據等所有結構化、非結構化的數據或大數據的挖掘與分析，因此，相對于其他研究方法，數據挖掘法具備了更廣泛的應用范圍和更實際的應用價值[45]。從研究內容上看，國內健康信息學研究中，數據挖掘法的應用程度相對較低，僅存在于健康信息需求[46]或健康信息行為[47]上，如米國偉等采用K-means聚類和LDA主題模型分析了“知乎”問答平臺中與心理健康相關的14 168條數據后得出了新冠疫情暴發的前、中、后3個時期公眾的心理健康信息需求[48]。而在國外研究中，數據挖掘法的應用程度相對較高，不僅被應用于健康信息行為研究中，同時還能被應用于疾病診斷、術后護理等具體的臨床應用上，如Chai Y等以不確定性信息為中心，開發了一個貝葉斯深度多源學習模型，用于提升青光眼自動診斷的準確性，并通過中國某眼科醫院獲取的真實數據驗證了模型的有效性[49]。Grundmeier R W等采用正則化邏輯回歸和隨機森林模型構建了一個預測模型，能夠根據接受門診手術兒童的電子健康檔案數據預測其手術部位的感染情況[50]。相關代表性研究成果如表6所示。

表6 數據智能方法的應用現狀及代表性成果

5 啟 示

本研究以圖書情報領域中的健康信息學研究為例，采用文獻計量法和扎根理論，構建了數據計量方法體系并系統梳理了各類數據計量方法的具體應用現狀。綜上所述，從整體上看，國內外圖書情報學者已經應用多種數據計量方法在健康信息學研究中并取得了一定成果，但仍然存在數據規模較小、研究范式落后等問題。從局部上看，國外研究起步較早，國內研究在研究對象、研究方法以及研究內容上均與其存在一定差距。鑒于此，本研究從數據計量學視角出發，從研究對象(數據)、研究方法(數據計量方法)以及研究內容(研究主題)三方面得到國內健康信息學研究的發展啟示。

5.1 廣開門路，擴大研究對象

結合研究對象分析和數據計量方法的應用現狀來看，在研究對象層面，國內研究主要存在以下問題：①數據來源渠道有限。目前國內研究的數據來源仍然以問卷數據、文獻數據及網絡數據為主，而國外研究的數據來源則更加廣泛，涵蓋了公開數據集、電子健康檔案數據及視頻數據。尤其在公開數據集的使用上，國外學者廣泛采用了來自政府機關、醫療機構、科研院所及醫療企業等多個機構公開的數據集，而國內僅部分學者采用了國家衛生健康委公開的統計數據進行了研究；②樣本數據的規模較小。相比于國外研究，國內研究仍然以小規模調查為主，其樣本數據的規模相對較小，如：構建知識圖譜所使用的文獻數據通常在2 000條左右，驗證結構方程模型時收集的有效問卷通常在300份以內。因此，在未來的研究中，國內學者應當從數據來源和樣本數據規模兩方面入手，適當借鑒國外經驗進一步優化研究設計，具體而言：①拓寬數據來源渠道。國內學者一方面應當加強對咨詢報告、政策文本及官方統計數據等公開數據集或視頻、音頻等其他非結構化數據的應用，探索針對多源、異構數據進行計量與分析的有效路徑；另一方面應當積極與政府機關、醫療機構以及醫療健康行業企業等其他機構建立長期合作關系，制定雙方科學數據開放共享的相關制度，從而提升數據的利用率和科研成果的產出；②擴大數據獲取范圍。國內學者應當強化大數據思維，在開展研究的過程中主動擴大數據的收集范圍，以此降低樣本數據不足造成的誤差，如：在構建科學文獻知識圖譜時，可以擴大文獻檢索的主題詞和時間跨度以獲取更大規模的文獻數據，從而實現大規模知識圖譜的構建與應用。

5.2 技術驅動，創新研究方法

根據數據計量方法的應用現狀來看，與國外研究相比，國內研究在研究方法層面仍然存在一定差距，具體如下：①數據挖掘法應用程度較低。目前國內研究仍然以統計分析法、內容分析法等數理統計方法和計量科學方法為主，僅部分學者在研究中應用了LDA主題模型、隨機森林、K-means聚類等數據挖掘算法，可見，國內圖書情報領域學者尚未在健康信息學研究中廣泛應用和推廣數據挖掘法；②聯用多種數據計量方法開展研究較少。目前仍有大量國內研究采用“一對一”的研究模式，即采用一種方法研究單一來源的數據。而國外研究則相對注重多種方法的聯合使用，如：Yao Z等采用深度學習、統計分析、社會網絡分析以及內容分析等多種方法研究了在線糖尿病社區用戶的信息搜尋和分享行為[36]。因此，國內學者應當加強技術創新，進一步完善研究方法。具體如下：①強化數據挖掘法的應用。國內學者應當加強對數據挖掘技術的學習，通過網絡培訓、參與研發項目等途徑提升技術開發能力，充分掌握機器學習、深度學習及人工智能等各種前沿數據挖掘技術，并將其廣泛應用于健康信息學的實際研究中；②注重方法的融合與創新。單一的研究方法必然存在一定的局限性，因此，國內學者可以嘗試調整研究模式，根據研究對象、研究目標的不同，聯合使用或交叉使用多種數據計量方法開展研究并對比研究結果的差異性，不僅能夠提升研究的精確度，而且能夠根據結果的反饋進一步優化研究設計。

5.3 交叉融合，拓展研究內容

結合研究主題分析和數據計量方法的應用現狀可知，盡管國內學者應用數據計量方法開展了大量研究，但在研究內容上仍然存在一定局限性，主要體現在以下方面：①研究方向過于集中。目前國內研究主要集中于研究現狀分析、健康信息需求及健康信息行為3個研究主題中。而國外研究的發展相對較快，研究內容更加多元化，不僅具備上述研究主題，而且形成了信息系統開發、健康信息交換以及電子健康檔案等其他研究主題。此外，國外圖書情報領域內還形成了健康信息學研究的專業期刊，如《Health Information and Libraries Journal》等；②學科交叉融合程度不足。從學科結構上看，健康信息學與數據計量學均為交叉學科，盡管各類數據計量方法已在國內外健康信息學研究中得到充分應用，但在國內外研究中均尚未發現大數據挖掘、數據引用分析、隱私數據計量等具備數據計量學的特色研究主題，可見，目前國內外研究中健康信息學與數據計量學仍尚未完全融合并形成相對成熟的交叉研究方向。對此，國內學者應當拓寬研究思路，探索更加多元化的研究內容，具體如下：①結合實踐應用開展研究。國內學者應當加強理論與實踐的結合，積極從實踐應用角度拓展健康信息學的研究方向，如：針對新冠疫情開展突發公共衛生事件應急管理相關研究，或針對“慢病管理”開展公共圖書館健康信息服務相關研究；②構建特色交叉研究方向。國內學者應當加強學科的交叉融合與創新，構建具備數據計量學與健康信息學雙重學科屬性的特色研究方向，如：健康大數據的挖掘與應用、健康隱私數據的計量等，進一步發揮大數據背景下的數據計量方法在健康信息學中的應用實效。