医疗质量|基于文本挖掘的脑卒中英文文献计量分析：以PubMed数据库为例

从全球趋势来看，脑卒中是导致患者死亡和残疾的首要病因，也是我国成人致死、致残的第一病因。文本挖掘技术是指从文本数据中提取有价值的信息和知识的计算机处理技术。本研究通过文本挖掘技术，结合传统文献计量分析方法，回溯并勾勒了2010年-2020年全球脑卒中领域研究的主题演化历程与时空分布规律。

资料来源与方法 

在PubMed数据库检索2010年-2020年发表的标题中含有“脑卒中”的文献，语言限定为“英文”，类型限定为“期刊论文”。经去重，得到49 448篇文献。利用R 4.1.2的pubmedR软件包批量抓取纳入文献的基本信息；同时，利用自然语言处理中的命名实体识别技术，提取每篇文献的第一作者国家等关键信息。通过R 4.1.2的quanteda软件包构建语料库，生成文档-特征矩阵，并附加作者、年份、国家或地区等属性信息。在主题建模部分，使用结构主题模型（STM）对文献的摘要语料库进行分析。基于python（3.8）的spacy软件包提取国家或地区和机构信息。运用R 4.1.2的ggplot2软件包进行国家或地区的合作网络分析，根据不同年份、不同国家或地区在各主题类别的热度值变化绘制热力图。

结果与分析

年发文量：2010年-2020年，全球脑卒中发文量不断上升。环比年增长率显示，2010年-2013年为快速增长期，2014年-2018年为增长平稳期，2019年-2020年再次快速增长。

国家或地区发文量：发文量位列前10的国家或地区依次为美国、中国大陆地区、英国、日本、德国、加拿大、韩国、澳大利亚、意大利与中国台湾地区。其中：美国位列第一，中国大陆地区位居第二。进一步分析显示，发文量位列前5的国家或地区中，中国大陆地区脑卒中研究占全球总量的比例呈逐年增长趋势，2020年占比超过美国。

国家或地区合作网络：在全球开展脑卒中合作的国家或地区中，以中国大陆地区与美国开展研究合作最为频繁，其次是德国与英国，再次为英国与澳大利亚。聚焦中国大陆地区，除与美国有大量合作外，还与中国台湾地区、中国香港、澳大利亚、日本、英国、加拿大等合作较多。

文本主题：基于纳入文献的摘要文本，运用STM共归纳出11个脑卒中研究主题类别，依据主题在全语料库中的热度值占比，降序排列依次为临床研究、卒中康复、研究综述、动物实验、溶栓治疗、危险因素、功能评价、流行病学、院前救护、分子遗传病学、指南推荐。

讨论

通过文本挖掘技术分析发现，全球脑卒中研究呈现出以下特点及启示：

（1）全球脑卒中研究热度持续增长，中国大陆地区贡献较大。2011年，原卫生部启动脑卒中筛查与防治工程，并成立脑卒中筛查与防治工程委员会。这对脑卒中从基础研究、流行病学研究、临床研究向应用转化起到了重要作用。

（2）脑卒中研究主题类别逐渐丰富。“临床研究”与“卒中康复”在主题类别中始终占据较高比重，且持续保持正增长。“危险因素”“溶栓治疗”“功能评价”“院前救护”等主题类别的研究也呈显著增长，这表明对脑卒中全生命周期的关键环节、关键因素、关键防控研究正不断加强，脑卒中防治结合研究已成为全球各国家或地区的共同关注重点。

（3）我国需加强脑卒中防控领域的研究。我国近年来研究热点集中在“分子流行病学”“动物实验”。可进一步加大对“院前救护”“功能评价”等防控领域的研究投入，拓展脑卒中前端预防与后端康复研究，优化防治策略，从而降低脑卒中发病率，提升脑卒中患者生命质量。

作者：复旦大学公共卫生学院/国家卫生健康委员会卫生技术评估重点实验室 叶全伟等

文章刊期：2023年第3期

图文编辑：吴小红、邵若彬

审核发布：姚涛