近10年國內外人工智能護理研究特征和趨勢
——基于文獻計量學分析

趙曉群

（中國人民解放軍聯勤保障部隊第988醫院，河南 焦作 454150）

文獻計量學聚焦于文獻數量、作者數量及字數，運用數學和統計工具對知識載體進行量化研究，通過知識圖譜，直觀地展示文獻計量學結果，進而更客觀地揭示該研究領域的情況。相關學者運用文獻計量學及相關文獻分析軟件，對護理領域的現有研究及其熱點展開全面剖析，為研究者提供有關該領域的參考資料。常用的文獻可視化分析軟件有CiteSpace、VOSviewer、Bibexcel 等［1-2］。CiteSpace 由陳超美團隊開發，是一個利用書目記錄生成和分析共引參考文獻網絡的科學計量學工具箱，支持多種類型的文獻計量學研究，包括合作網絡分析、共詞分析、作者共引分析、文獻共引分析、文本和地理空間可視化。 Zhang 等［3］利用 CiteSpace 和VOSviewer，對1999—2021 年Web of Science 核心館藏檢索的677 篇文章，從國家、機構、期刊、作者、合作關系等方面表征，分析護理虛擬仿真的發展趨勢、熱點和知識網絡。李彥玲等［4］對中國知網（China national knowledge infrastructure，CNKI）收錄的“互聯網+護理服務”相關文獻進行定量分析，探討“互聯網+護理服務”的研究現狀、熱點和發展趨勢。Wang 等［5］利用CiteSpace 可視化軟件，基于Web of Science Core Collection 近20年發表的文獻，探索失眠中醫護理的研究熱點和前沿方向，為相關領域的后續研究提供參考。

人工智能（artificial intelligence，AI）作為一門新興的技術科學，其致力于探索、開發和應用能夠模擬、拓展和增強人類智能的理論、技術和系統。作為計算機科學的一個分支，人工智能的研究領域涵蓋機器學習、計算機視覺、自然語言處理、專家系統等領域，旨在使計算機具備類似于人類的思考和決策能力［6］。2017年，中國發布了《促進新一代人工智能產業發展三年行動計劃（2018—2020 年）》及《新一代人工智能發展規劃》，明確指出重點發展人工智能技術，并將其提升至國家戰略地位［7］。隨著“互聯網+醫療健康”的不斷發展，積極探索和建設基于人工智能技術的新型護理模式顯得尤為重要［8］。“人工智能+護理”的發展不僅有助于緩解人力資源短缺問題，而且能推動學科創新和護理科研的發展，不僅具有顯著的社會效益和經濟效益，而且符合我國的基本國情及方針政策［9］。目前，人工智能在護理領域已經得到廣泛的應用，如臨床護理決策支持、移動健康檢測和傳感器技術、康復計劃制定、病房巡視、日常護理等。隨著技術的不斷進步和創新，人工智能在未來護理方面的應用具有更廣闊的前景和潛力，其應用范圍和深度也將得到進一步拓展。

為了揭示人工智能在護理領域應用的研究現狀、熱點問題，進而為學者提供參考，本研究采用數理統計方法和CiteSpace 文獻可視化分析軟件，基于文獻計量學的原理和方法，對WOS 文獻數據庫和CNKI文獻數據庫中2013—2023 年人工智能在護理領域應用的相關文獻進行定量分析，探討其研究過程和內在相關性，為我國學者了解這一領域的研究熱點和前沿提供參考，推動人工智能在護理領域的應用。

1 數據來源和研究方法

1.1 數據來源

本研究所選取的外文文獻數據來源于WOS 核心合集，以TS=“ artificial intelligence”and “ nursing”為檢索式進行搜索，設置文獻類型為article（論文），語言為English（英語），時間跨度為2013 年1月—2023 年12 月。共檢索出233 篇，通過閱讀題目、摘要，最終篩得110 篇。下載記錄內容選擇“全紀錄與引用的參考文獻”，導出格式為純文本文件。中文研究基于CNKI 數據庫，以檢索式“人工智能”及“護理”為依據，時間跨度為2013 年1 月—2023年12 月，共檢索出666 篇，通過閱讀題目和摘要，最終篩得228 篇。以Refworks 的格式將其導出并保存。

1.2 研究方法

首先利用2 個數據庫的在線分析平臺，對人工智能護理領域的發文量等內容展開初步分析，然后利用Microsoft Excel 2019 軟件進行數據匯總和分析，用Origin2022 軟件繪制相關圖形。將前期篩選出的中外文文獻以“ download”開頭命名，利用CiteSpace.6.1.R2 軟件分析機構、機構、關鍵詞等［10］，找出人工智能護理領域的研究熱點和發展趨勢，以期為今后相關研究提供新的思路和參考。

2 結果

2.1 人工智能護理研究年度發文量分析

年度發文量的高低反映出一定時間內某研究領域的整體狀況，客觀地呈現該研究領域的發展過程和研究規律［11］。本文利用Microsoft Excel 軟件，分別對WOS 數據庫和CNKI 數據庫所導出的文獻進行統計分析，并用Origin 繪制出2013—2023 年國內外人工智能護理研究的年度發文量（圖1）。由圖1 可知，WOS 數據庫的人工智能護理研究年度發文量總體呈增長趨勢，以2020 年為分水嶺，分為2 個緩慢增長階段：2020 年前，每年發表的英文人工智能護理研究文章均少于10篇，2021—2023年發表的英文人工智能研究文章分別為18、37 和44 篇。由此可見，2013—2023 年，人工智能護理研究在國際上被廣泛關注。CNKI數據庫在2013—2023年的年度發文量呈波動增長趨勢，2022 年前，每年發表的中文人工智能護理研究文章均未超過30 篇，而2023 年這一領域的發文量呈指數級增長趨勢，高達66 篇。總體而言，國內外這一領域有關人工智能護理的研究仍是一個熱點，還有較大的上升空間。

圖1 WOS數據庫及CNKI數據庫研究文章年度發文量

2.2 人工智能護理研究機構發文情況分析

基于CNKI 數據庫和WOS 數據庫的文獻數據，對研究機構展開統計分析，見表1。由表1 可知，同一數據庫中的文獻數量在不同機構之間的差異比較明顯。CNKI 數據庫中排名前2 位的機構分別是浙江大學醫學院附屬第一醫院和解放軍總醫院麻醉手術中心，發文量分別為5 篇和4 篇。解放軍總醫院心血管外科、浙江大學醫學院附屬邵逸夫醫院和北京協和醫學院護理學院的發文量分別為3 篇。在WOS 數據庫中，National University of Singapore（新加坡國立大學）的發文量位居第1，為7 篇，占排名前5 位機構總發文量的41.18%。University of Toronto（多倫多大學）和Sichuan University（四川大學）的發文量各為3篇。

表1 CNKI數據庫和WOS數據庫中發文量前5位的機構

2.3 人工智能護理研究作者發文情況分析

對某一領域的期刊文獻作者進行分析，可以清楚地了解該研究領域核心作者團隊及其合作關系［12］。CNKI 數據庫和WOS 數據庫中發文量為前5位的作者見表2。由表2 可知，國際上以Zhou 和Yap為首的科研團隊在人工智能護理研究領域做出了重要貢獻。以上述2 位研究者為中心，共同構建國際間人工智能護理研究的合作網絡，進而輻射出全球人工智能護理研究的學術團隊共同體。在我國，戴韻、李麗霞、李萍、王濤等學者在人工智能護理研究方面做出了重要貢獻，在該領域各發表4 篇論文。

表2 CNKI數據庫和WOS數據庫中發文量前5位的作者

2.4 研究熱點及其演變趨勢分析

2.4.1 關鍵詞共現分析

研究熱點是一定時間內具有內在聯系且數量相對較多的論文所共同探討的主題［13-14］。關鍵詞共現網絡是對文章研究內容的高度凝練和總結，研究領域內某關鍵詞出現次數越多，該關鍵詞越能代表該領域的研究熱點［15］。圖2 為WOS 數據庫中2013—2023 年人工智能護理研究的關鍵詞共現圖譜，該圖譜中共有125 個節點，433 條連線，圖譜密度為0.055 9。根據圖2 可知，人工智能護理領域的關鍵詞數據較多，彼此之間聯系較強，高頻且重要的關鍵詞主要有“ artificial intelligence（57）”“ care（8 次）”“ big data（7 次）”“ health care（6 次）”“ nursing education （6次）”“ technology（6次）”等。

圖2 WOS數據庫中人工智能護理研究的關鍵詞

圖3 為CNKI 數據庫中2013—2023 年人工智能護理研究的關鍵詞共現圖譜，圖中共有210個節點，554 條連線，密度為0.025 2。由圖3 可知，國內人工智能護理研究的高頻關鍵詞主要有“機器人（99 次）”“人工智能（92 次）”“護理（89 次）”“綜述”“腹腔鏡”“圍手術期”“前列腺癌”“大數據”等。

2.4.2 關鍵詞聚類分析

熱點研究課題是人工智能技術在護理應用領域中被學者關注的焦點，也是該領域在一定時期內討論的主要問題體現。CiteSpace 提供潛在語義索引（latent semantic indexing，LSI）、對數似然率（loglikelihood ratio，LLR）和MedSci（MI）聚類方法，其中LLR 聚類效果最好［16］。因此，采用LLR 算法進行關鍵詞共現聚類分析，直接評估研究熱點。WOS數據庫中，人工智能護理研究領域相關文獻關鍵詞聚類圖譜表明，關鍵詞結構網絡良好，其中有322個關鍵詞節點，1 119 條關系連線，網絡密度為0.021 7，如圖4所示。Q=0.750 4 大于0.3，說明該網絡結構具有良好的聚類效果；S=0.932 5大于0.5，表明同質性高，不同聚類的分類效果較好［17］。聚類結構規模排序如下：“ artificial intelligence”“ machine learning”“ big data”“ virtual reality”“ bibliometric analysis”“ skill for managing female in dwelling urinary cath...”“ digital health”“ children”“ qualitative health research”“ breast self-examination”“ image recognition”。

圖4 WOS數據庫中人工智能護理研究的關鍵詞聚類

圖5為CNKI 數據庫中人工智能護理研究文章中關鍵詞聚類分析圖譜，共形成節點數為290，連接線為755，密度為0.01 8 的聚類。由圖5 可知，多個聚類交織在一起，表明不同聚類詞之間聯系密切，聚類結構規模排序如下：“機器人”“護理”“綜述”“信息化”“物聯網”“新醫科”“聊天機器人”“護理服務”“健康教育”“老齡化”“手術配合”“科技時代”“移動醫療”。

圖5 CNKI數據庫中人工智能護理研究的關鍵詞聚類

2.4.3 關鍵詞突現分析

關鍵詞突現是指某一關鍵詞在短時間內出現的頻率明顯增加，表明該時期的研究受到高度關注［18］，據此判斷研究領域的熱點和前沿。近10 年來，WOS 數據庫中該研究領域排名前10 位的突現關鍵詞如圖6所示。其中起始年份對應關鍵詞出現頻率開始激增的年份，年末是關鍵詞出現頻率趨于穩定的時候；突現強度表示該關鍵詞在突發期間出現頻率的突然增加程度，通常伴隨研究的熱度；紅色條表示應該突出顯示的單詞的持續時間。從時間序列上看，“ patient”和“ older people”的起步時間最早，是早期研究的熱點；從突現持續時間來看，“ patient”和“ older people”的突現時間也較長，這表明其在較長一段時間內，已成為研究熱點。根據突現關鍵詞的強度，“ big data”（強度=1.28）、“ patient”（強度=1.17）和“ intervention”（強度=1）的突現強度較高，表明熱度變化頻繁。

圖6 WOS數據庫中人工智能護理研究的關鍵詞突現分析

近10 年來，CNKI 數據庫中該研究領域排名前10位的突現關鍵詞如圖7所示。從時間序列看，“機器人”“護理”“心臟手術”“圍手術期”“前列腺癌”和“腹腔鏡”起步時間最早，是早期研究的熱點；從突現持續時間看，“機器人”“護理”“圍手術期”和“前列腺癌”的突現時間也較長，這表明其在較長一段時間內已成為研究熱點。根據突現關鍵詞的強度，“機器人”（強度=16.98）、“腹腔鏡”（強度=3.51）、“護理”（強度=3.01）、“圍手術期”（強度=2.68）和“心臟手術”（強度=2.42）的突現強度較高，表明熱度變化頻繁。

圖7 CNKI數據庫中人工智能護理研究的關鍵詞突現分析

3 討論

本研究包括338篇中英文人工智能護理研究文章，WOS 數據庫的人工智能護理研究于2020 年后呈快速增長趨勢，而CNKI 數據庫的年度發文量在2023 年呈現指數級增長趨勢。總體而言，人工智能在護理領域的研究起步相對較晚，國內外有關人工智能護理的研究仍是一個熱點，有較大的上升空間。另外，隨著計算機的飛速發展及人工智能技術的不斷進步，人工智能在護理方面的應用具有廣闊的前景和潛力，未來護理領域的學者也會加強對這一內容的研究。從研究機構的角度看，National University of Singapore（新加坡國立大學）在人工智能護理領域的產出最多，表明在人工智能護理領域領域新加坡國立大學的影響力較為顯著，因此國內學者可重點關注該機構的研究成果并加大合作力度。在國內人工智能護理領域高產作者數量超過國際水平，高產作者的研究大部分是在跨學科成員的參與下完成的，這進一步強調了跨學科合作在人工智能護理研究中的重要性。因此為推動人工智能在護理領域的發展，加大力度培養具備多學科背景的護理人才，重視提示其思維能力和合作能力。

除護理和人工智能外，該研究領域出現頻率最高的英文關鍵詞有“ care（8 次）”“ big data（7 次）”“ health care（6 次）”“ nursing education（6 次）”“ technology（6 次）”等。根據聚類結果可知，英文文章研究特別關注“ artificial intelligence”“ machine learning”“ big data”“ virtual reality”等。國外研究中，機器學習等人工智能技術在構建預測模型方面的應用，以及大數據挖掘過程中的人工智能技術應用備受關注。中英文人工智能護理研究在研究方向上具有相似性，關鍵詞有“機器人（99 次）”“人工智能（92 次）”“護理（89 次）”“綜述（25 次）”“腹腔鏡（17 次）”“圍手術期（9 次）”“前列腺癌（7 次）”“大數據（6 次）”等。根據中文文章高頻關鍵詞的特征，可知中文文章的研究相對集中，重點聚焦機器人技術，其中護理機器人包含多種類型，如“達芬奇”機器人、康復機器人等，被廣泛應用在圍手術期護理及老年人居家護理領域。何瑛等［19］總結了護理機器人在物品傳送、康復護理、飲食護理、患者轉運、老年人照護等方面的應用現狀，研究發現，護士需積極參與機器人技術的應用和研究，以實現人工智能技術和傳統護理的融合，進而為人類提供更優質的服務。Watson［20］指出，雖然人工智能能夠一定程度地提升護士在護理工作方面的效率，但未來的護理工作將更加注重人文關懷和情感思維，其具有不可替代性，是機器人無法實現的。在中文文章中，綜述文章占比較多，應用型和基礎型研究相對較少。根據其關鍵詞突現結果分析，英文文章早期重點關注“ patient”“ older people”等，近年來，則將重點放在人工智能信息技術在護理管理、風險管理及健康服務中的應用。中文研究早期主要關注機器人、心臟手術和圍手術期，近年來，則重點關注人工智能在護理中的應用。根據中文關鍵詞突現結果分析，人工智能在國內外護理領域中備受關注和研究的熱門分支之一是機器學習，相較于其他醫學領域，其在國內外護理領域研究的應用數量和主題均相對較少［21］，仍處于起步階段。隨著科研能力和教育水平的不斷提升，學者在人工智能護理領域的研究仍有較大的發展空間。