基于CiteSpace的國內外妊娠期糖尿病預測模型研究的可視化分析

李瑩瑩,曹曉丹,陶潔靜

溫州市人民醫院,浙江溫州 325000

妊娠期糖尿病(gestational diabetes mellitus,GDM)是指孕婦在妊娠期間首次發現/發生糖耐量異常/糖尿病,與孕婦胰島功能不能代償孕期胰島素抵抗有關[1]。據報道,近年來GDM發生率高達17.8%[2]。此外,隨著生育政策的改革,產婦數量不斷增長,出現GDM或再次發生GDM的問題越來越突出。GDM不僅易導致孕婦早產、流產、羊水過多及胎膜早破的發生,還會增加其產后患糖尿病的風險,甚至造成胎兒諸多缺陷和不良結局,為家庭、社會帶來沉重負擔[2-5]。因此,早期預測及預防尤為重要,通過預測模型構建評估其發生的風險,篩查高風險人群在一定程度上可防止不良結局的發生。因此本研究通過對國內外在GDM這一主題上的預測模型研究進行匯總和可視化分析,以期為后續研究提供參考。

1 資料與方法

1.1 資料來源與篩選

國內外GDM預測模型研究文獻分別來源于中國知網和Web of Science核心合集數據庫。采用主題檢索,時間限制為建庫至2022年12月25日,檢索日期為2022年12月25日。在中國知網檢索“妊娠期糖尿病”“妊娠糖尿病”“GDM”“預測模型”“風險模型”“風險預測模型”,得到137條記錄,刪除文獻39篇(科技成果類4篇,會議論文類6篇,主題、題目及研究內容不相關29篇),最終納入中文文獻98篇。Web of Science核心合集數據庫檢索“gestational diabetes mellitus”“GDM”“risk prediction model OR prediction model”“risk forecasting”得到99條記錄,均為英文,刪除會議摘要2篇、會議論文1篇,最終納入文獻96篇。共計納入中英文相關文獻194篇。

1.2 資料分析方法

采用CiteSpace 6.1.R6進行可視化分析,g-index k=25,Top N=50,Top N%=10%。中國知網數據通過格式轉換后導入分析,參數設置:data source=CSSCI,Time Slicing=2012JAN-2022 DEC,#Years per slice1,節點類型選擇作者、機構、關鍵詞。Web of Science核心合集數據分析,參數設置:data source=WoS,Time Slicing=2009JAN-2022DEC,#Years per slice1,節點類型選擇作者、機構、關鍵詞、被引期刊、被引文獻。

2 結果

2.1 發文情況

國內外學者在GDM預測模型方面的研究發文量均較少,中文發文98篇、英文發文96篇。2017年前中英文發文量平穩且數量有限,2017年開始發文量呈逐步上升趨勢,中文年發文量最高達29篇,英文年發文量最高達26篇,見圖1。

圖1 中英文文獻年度發文量統計圖

2.2 作者共現分析

英文文獻共計580名作者參與發文,發文量靠前的作者主要有Boyle J A(5篇)、Cooray S D(5篇)、Soldatos G(5篇)、Teede H J(5篇)、Wang Y(5篇)。合著者可視化圖譜顯示,網絡節點數量N=206,連線E=478(密度=0.022 6),各節點之間存在聯系,形成了以Boyle J A、Visser G H A、Breheny P J以及Kappou D等為主的小規模研究團隊,見圖2。中文發文量靠前的作者主要有李光輝(2篇)、楊珽(2篇)、孫金華(2篇)、陳夢凡(2篇)、黃雅鈴(2篇)及張麗倩(2篇)。合著者可視化圖譜顯示,網絡節點數量N=237,連線E=416(密度=0.014 9),各節點散在分布,連線及其密度低于英文文獻,發文量較高的作者與其他團隊聯系較少甚至處于獨立狀態,見圖3。

圖2 英文文獻作者共現圖譜

圖3 中文文獻作者共現圖譜

2.3 機構共現分析

國外共241個機構參與該主題發文,發文量最大的機構為Monash University(6篇)。機構可視化圖譜顯示,網絡節點數量N=144,連線E=197(密度=0.019 1),形成了以Monash University為主的研究機構團體,各機構間合作相對較好,發文量最大的機構與其他機構間存在聯系,見圖4。國內發文量靠前的機構主要有中國醫科大學(4篇)、北京協和醫學院(4篇)、承德醫學院(3篇)、天津醫科大學(2篇)、浙江大學(2篇)。機構可視化圖譜顯示,網絡節點數量N=111,連線E=52(密度=0.008 5),節點稀疏、連線少、密度低,機構散在分布,機構間聯系少,少數存在聯系的機構其發文量較小,見圖5。

圖4 英文文獻機構共現圖譜

圖5 中文文獻機構共現圖譜

2.4 期刊載文量及共被引分析

英文文獻在該主題上的研究主要發表在68本期刊(碩博論文是機構)上,其中載文量較多的期刊有DiabetesResearchandClinicalPractice(IF=8.180,9篇)、BMCPregnancyandChildbirth(IF=3.105,5篇)、JournalofMaternal-Fetal&NeonatalMedicine(IF=2.323,4篇)、FetalDiagnosisandTherapy(IF=2.208,3篇)、PLoSOne(IF=3.752,3篇)、ScientificReports(IF=4.996,3篇)。期刊共被引圖譜顯示,網絡節點數量N=274個,連線E=1 626條,見圖6。期刊共被引頻次位于前10的有DiabetesCare(IF=17.152,76次)、DiabetesResearchandClinicalPractice(IF=8.180,55次)、Obstetrics&Gynecology(IF=7.623,44次)、TheNewEnglandJournalofMedicine(IF=176.079,43次)、AmericanJournalofObstetrics&Gynecology(IF=10.693,42次)、Diabetologia(IF=10.460,41次)、Diabetes(IF=9.337,38次)、PLoSOne(IF=3.752,38次)、BMCPregnancyChildbirth(IF=3.105,36次)、JournalofMaternal-Fetal&NeonatalMedicine(IF=2.323,34次)。中文文獻在該主題的研究發表在74本期刊(碩博論文是機構)上,其中載文量較多的主要有《中國婦幼保健》(5篇)、中國醫科大學(4篇)、北京協和醫學院(4篇)、承德醫學院(3篇)、《中華糖尿病雜志》(3篇)。

圖6 外文文獻期刊共被引圖譜

2.5 關鍵詞共現及聚類分析

關鍵詞共現分析即統計關鍵詞在文獻中的出現次數,通過關鍵詞聚類有助于發現關鍵詞與主題之間的親疏關系。英文文獻關鍵詞共現圖譜顯示,網絡節點數量N=200個,連線E=992條,該主題研究的關鍵詞間聯系較多,范圍較廣,見圖7。高頻關鍵詞有gestational diabetes mellitus(妊娠期糖尿病,62次)、risk(風險,26次)、hyperglycemia(高血糖,26次)、pregnancy(妊娠期,25次)、prediction model(預測模型,25次)、women(女性,22次)、mellitus(糖尿病,16次)、diagnosis(診斷,16次)、prevalence(患病率,16次)、association(關聯,16次)、obesity(肥胖,11次)、insulin resistance(胰島素抵抗,9次)、life style intervention(生活方式干預,7次)以及machine learning(機器學習,7次)等。應用“T”模式(即title,從標題中聚類的命名術語)及LLR算法對關鍵詞進行聚類分析,生成聚類圖譜,Modularity Q=0.470 9(>0.3),Silhouette S=0.773 3(>0.7),說明該聚類圖譜結構顯著,聚類可信度高。軟件默認顯示最大的9個類別,聚類的編號越小,包含的成員數量越大,則規模越大。英文文獻關鍵詞聚類匯總表見表1。中文文獻關鍵詞共現圖譜結果顯示,網絡節點數量N=10個,連線E=8條,主要的關鍵詞有預測模型(28次)、危險因素(9次)、妊娠(5次)、巨大兒(4次)、集成學習(3次)、妊娠結局(3次)、空腹血糖(3次)、列線圖(3次)等,見圖8。中文文獻暫未形成明顯的聚類。

表1 英文文獻關鍵詞聚類匯總表

圖7 英文文獻關鍵詞共現圖譜

圖8 中文文獻關鍵詞共現圖譜

3 討論

3.1 英文文獻作者分布及團隊分析

英文文獻參與研究的580名學者中,以Boyle J A為主的研究團隊發文量較多,從2019年至2022年發表了關于妊娠期糖尿病預測模型相關的系統評價[6]、研究方案[7]及預測模型構建和臨床驗證[8]等成果。通過采用回顧性隊列設計進行模型開發和驗證研究,納入2 430例GDM患者,使用分離樣本方式開發和驗證預測模型,最終開發適合臨床使用的模型演示模式,如形成專門的GDM患者電子風險計算器[7]。GDM增加了妊娠不良結局的風險,但這些風險由多種因素相互作用而成,存在顯著的異質性,因此形成個性化的風險預測模型及后期提供針對性醫療保健仍是未來研究的重要主題。目前國外從事GDM的研究團隊已經初具規模,形成了以Boyle J A、Visser G H A、Breheny P J以及Kappou D等為主的小規模研究團隊,研究主題主要涉及未生育婦女GDM的孕前和早期妊娠風險預測模型的開發和驗證。

3.2 英文文獻主題及重要文獻分析

基于Web of Science核心合集數據庫檢索得到的英文文獻中,最早的一篇文獻“External validation of a clinical scoring system for the risk of gestational diabetes mellitus”于2009年發表在DiabetesResearchClinicalPractice上,該研究通過比較臨床評分系統篩查和傳統的篩查發現,評分系統的使用雖然能在一定程度上減少篩查的患者人數和工作量,但驗證結果尚不完善,仍然值得去探索和提出一種更新的預測模型或臨床評分系統。目前,多數研究揭示了GDM的單個風險因素或多種影響因素,但應用到臨床中可行且科學的預測模型或評分系統尚缺。英文文獻關鍵詞及聚類分析結果顯示,超高頻關鍵詞gestational diabetes mellitus(妊娠期糖尿病,62次)、risk(風險,26次)、hyperglycemia(高血糖,26次)等詞匯主要與檢索主題有關。此外,obesity(肥胖,11次)、insulin resistance(胰島素抵抗,9次)、life style intervention(生活方式干預,7次)以及machine learning(機器學習,7次)等詞匯在GDM這一研究主題中仍然是高頻關鍵詞,說明研究存在與上述主題的交叉融合。Kumar等[9]采用機器學習法探討以人群為中心的GDM風險預測建模,研究者認識到不同人群GDM危險因素的異質性,基于此開發了通用預測模型,比較現有英國國家健康與臨床優化研究所(National Institute for Health and Clinical Excellence,NICE)指南評估新加坡女性GDM風險的預測能力,和使用機器學習開發的一個非侵入性預測模型對新加坡女性GDM風險的預測能力,結果顯示,英國NICE指南顯示新加坡女性的可預測性較差。非侵入性預測模型包括4個非侵入性因素:妊娠前3個月的平均動脈血壓、年齡、種族和既往GDM史,優于英國NICE指南,并且該非侵入性預測模型易于訪問,可以作為一種有效的方法,減少亞洲人群普遍測試和GDM相關醫療保健的經濟負擔。國外對于GDM預測模型相關的研究從多個影響因素分析到預測模型構建再到非侵入性預測模型的構建,逐步深入和成熟,研究從生理生化、生活方式及妊娠結局等多個領域進行拓展,有利于在求同存異基礎上實現學習借鑒。

3.3 中文文獻研究團隊及文獻來源分析

國內發文量最高的學者李光輝(2篇)、楊珽(2篇)、孫金華(2篇)、陳夢凡(2篇)、黃雅鈴(2篇)及張麗倩(2篇),研究主題主要集中在血清補體C1q/腫瘤壞死因子相關蛋白3[10]、血清腫瘤壞死因子相關蛋白1/腫瘤壞死因子相關蛋白9[11]等生理生化指標對GDM及胰島素抵抗影響的預測模型及專門針對經產婦GDM發生風險的預測模型[12]、妊娠不同時期糖脂代謝對巨大兒的預測模型[13]等方向。但目前,國內暫未形成明顯的研究團隊,發文量較多的學者中,其作者合作網絡連線較少,即學術聯系交流較少。載文期刊中,《中國婦幼保健》載文量最高,達5篇,主要涉及GDM風險預測模型構建及GDM發生不良妊娠結局(自發性早產、新生兒病理性黃疸)的預測模型構建兩個方面。

3.4 中文文獻主題和熱點分析

中文文獻在GDM預測模型這一主題上的超高頻關鍵詞為:預測模型(28次)、危險因素(9次)、妊娠(5次),此外,涉及該主題的高頻關鍵詞主要有巨大兒(4次)、集成學習(3次)、妊娠結局(3次)、空腹血糖(3次)、列線圖(3次)等。陳秋景等[14]開展的預測GDM發生風險列線圖的建立和評估,發現高齡、孕前高體重指數、有糖尿病家族史、有GDM史、有巨大兒史、缺乏運動、有高血壓、平均睡眠時間<7 h/d、孕期經常吃高熱量食物及血紅蛋白、甘油三酯、血清鐵蛋白、孕早期空腹血糖升高為GDM發生的獨立危險因素,基于此構建了直觀、個性化的 GDM 發生風險預測模型,便于醫護人員及孕婦判斷 GDM 發生風險,該預測模型具有較強的使用價值。

3.5 本研究的局限性及展望

國內外對于GDM發生風險的預測模型研究處于發展階段,英文文獻涉及范圍主題較廣,形成了明顯的類別和初具規模的研究團隊、研究聯系和交流較多。中文文獻基于臨床實踐和實用性,在GDM發生風險和不良結局風險的預測上均有研究,但目前的研究成果較少、研究交流較少且暫未形成明顯的學科聚類和研究團隊。國內外研究均缺乏除臨床之外的其他范圍,如社區、特殊人群及不同區域的GDM預測模型研究,以及將GDM預測模型轉化為非侵入性、可操作性、經濟簡便的臨床評估工具仍然是研究的重點。同時,本研究考慮分析軟件的適用性,僅納入中國知網和Web of Science核心合集數據庫的相關文獻,在結果上存在一定限制性。后續將持續關注該領域文獻其他數據庫的收錄情況,結合多工具開展文獻分析。