基于PubMed数据库的糖尿病肾病的共词分析研究

来源:用户上传      作者:

　　[摘要] 目的 為了解近年来糖尿病肾病研究的热点及趋势，对文献资料进行共词分析。 方法 利用文本挖掘系统（BICOMB）统计分析2014年4月～2019年3月PubMed收录的糖尿病肾病的文献，将累积频次达到50的主题词进行聚类分析，形成战略坐标。 结果 累计收录糖尿病肾病文献3972篇，统计出高频主题词40个。聚类分析显示高频主题词聚类于6个类别：2型糖尿病肾病血糖与尿检之间的联系、糖尿病肾病的流行病学、病因学及病理生理学的研究、2型糖尿病肾病引起的慢性肾衰竭透析治疗的死亡率、糖尿病肾病的病理学及代谢的研究、糖尿病肾病的药物治疗、2型糖尿病肾病遗传学的多态性。利用共词矩阵和聚类分析的结果，得出6个热点的密度和向心度及战略坐标。 结论 糖尿病肾病作为代谢性疾病糖尿病的并发症，其药物治疗、防治以及遗传学仍是目前研究的热点问题。同时总结了糖尿病肾病研究的6个热点及发展趋势。位于战略坐标第四象限的糖尿病肾病的流行病学、病因学及病理生理学的研究，糖尿病肾病的病理学及代谢的研究，糖尿病肾病的药物治疗研究具有潜在的研究价值。
　　[关键词] 糖尿病肾病;高频主题词;共词分析;战略坐标
　　[中图分类号] G353.1;R692          [文献标识码] B          [文章编号] 1673-9701（2020）01-0108-05
　　Co-word analysis of diabetic nephropathy based on PubMed database
　　ZHANG Congxiao1   ZHU Xinwang2
　　1.Blood Purification Center， Shenyang Fourth People's Hospital， Shenyang   110031，China;2.Department of Nephrology， the First Affiliated Hospital of China Medical University， Shenyang   110001， China
　　[Abstract] Objective To understand the hotspots and trends of diabetic nephropathy research in recent years， and to perform co-word analysis on literature. Methods The bibliographic items co-occurrence matrix builder （BICOMB） was used to statistically analyze the literature on diabetic nephropathy collected from PubMed from April 2014 to March 2019. The subject words with cumulative frequency up to 50 were clustered to form strategic coordinates. Results A total of 3，972 articles on diabetic nephropathy were collected， and 40 high-frequency subject words were counted. Cluster analysis showed that high-frequency subject words mainly clustered in six categories：the relationship between blood glucose and urine test in type 2 diabetic nephropathy，the epidemiology，etiology and pathophysiology of diabetic nephropathy， and the mortality in renal dialysis treatment for chronic renal failure caused by type 2 diabetic nephropathy， pathology and metabolism of diabetic nephropathy，drug therapy in diabetic nephropathy， and polymorphism in the genetics of type 2 diabetic nephropathy. Using the results of the co-word matrix and cluster analysis， the density and centripetality and strategic coordinates of the six hotspots were obtained. Conclusion This study demonstrates that diabetic nephropathy is a complication of metabolic disease diabetes， and its drug treatment and prevention， genetics are still hot issues in current research. At the same time， six hot spots and development trends of diabetic nephropathy research are summarized. The epidemiology， etiology and pathophysiology of diabetic nephropathy in the fourth quadrant of strategic coordinates， the pathology and metabolism of diabetic nephropathy， and drug therapy research of diabetic nephropathy have potential research value. 　　[Key words] Diabetic nephropathy; High frequency subject word; Co-word analysis; Strategic coordinates
　　据国际糖尿病联合会统计，2017年全世界大约有4.51亿糖尿病患者，到2045年这个数字可能会增加到6.93亿[1]。糖尿病肾病（diabetic nephropathy，DN）是糖尿病患者最常见的微血管并发症，是世界范围内终末期肾脏病的主要原因[2]。美国2型糖尿病患者几乎占据新发终末期肾脏病的50%[3]。我国糖尿病肾病住院人数逐年上升，至2011年在三级医院已超过因肾小球肾炎住院的比例，且差距逐渐加大[4]。糖尿病肾病患者出现肾功能不全后较其他肾脏病患者更早需要进行肾脏替代治疗，且死亡率高，给全球医疗带来巨大的社会经济负担[5，6]，因此大量研究人员投入到糖尿病肾病的研究中。
　　共词分析（co-word analysis）由于其直接面向主题并针对学术文献内容进行分析的特点，被科学计量学研究者应用于研究热点的识别[7]。相对于传统的引文分析方法，共词分析能够克服基于引文分析等方法识别热点所产生的滞后性、间接性等问题，更具有优势[8]。1988年Law等人提出了“战略坐标”（strategic diagram）的概念。在战略坐标中，X轴为向心度（concentricity），用于衡量一个学科领域与其他学科领域的相互影响的程度[9]。Y轴为密度（density），用于衡量使字词聚合成一类的这种联系的强度，也就是该类的内部强度[10]。而战略坐标是以向心度和密度为XY轴构成的二维坐标，用于描述某一研究领域内部联系情况和领域间的相互影响情况[11]。
　　为方便临床了解近年来糖尿病肾病的研究热点，从大量糖尿病肾病研究中寻找出有用的数据，我们利用共词分析的方法对2014年4月～2019年3月关于糖尿病肾病研究的文献进行统计分析。
　　1 资料与方法
　　1.1 一般资料
　　本研究使用的样本来自美国生物技术信息中心（National Center for Biotechnology Information，NCBI）的PubMed医学数据库。以“[diabetic nephropathy（MeSH Terms） OR DN（MeSH Terms）OR DKD（MeSH Terms）]”作为检索策略，下载2014年4月～2019年3月5年期间PubMed收录的糖尿病肾病的文献。
　　1.2 数据提取分析
　　利用文本挖掘系统（BICOMB）统计这些主题词的出现频次，将这些主题词按照其出现频次由高到低排序，累积频次达到50的主题词作为当前糖尿病肾病研究热点的标志。为进一步反映这些主题词之间的关系，通过BICOMB软件将这些高频主题词形成一个40×40的词篇矩阵。将该矩阵导入Excel表中，利用SPSS 24.0统计学软件对高频主题词进行聚类分析。类间相似系数计算采用落合和组间距离方法。
　　1.3 战略坐标
　　利用高频主题词得出的共词矩阵，使用战略坐标来描述特定类别内的内部关系及其相互作用的影响。在战略坐标中，X轴设为向心度，表示领域间相互影响的强度;Y轴设为密度，表示某一领域内部联系的强度[12]。采用平均数法，由高频主题词的共词矩阵计算出各研究热点的向心度和密度。各主题的研究发展状况在战略坐标的四个象限中体现。
　　2 结果
　　2.1 糖尿病肾病研究的高频主题词
　　收集2014年4月～2019年3月5年期间PubMed收录的有关糖尿病肾病的文献3972篇。糖尿病肾病研究的累积頻次达到50的高频主题词分布见表1。糖尿病肾病/药物治疗、糖尿病肾病/代谢、2型糖尿病/并发症、糖尿病肾病/防与治、糖尿病肾病/遗传学是位于前5位的高频主题词，出现频次几乎达到300次。
　　2.2 糖尿病肾病研究高频主题词的聚类分析
　　糖尿病肾病研究的高频主题词的聚类分析见图1。根据聚类结果，可以看出当前糖尿病肾病研究的6个热点有：（1）2型糖尿病肾病血糖与尿检之间的联系（由10、18、39、21号主题词组成）;（2）糖尿病肾病的流行病学、病因学及病理生理学的研究（由13、26、6、27、22、35、3、8、15、9、16号主题词组成）;（3）2型糖尿病肾病引起的慢性肾衰竭透析治疗的死亡率（由7、30、37、33号主题词组成）;（4）糖尿病肾病的病理学及代谢的研究（由12、24、2、25、31、20、28号主题词组成）;（5）糖尿病肾病的药物治疗（由32、36、11、19、1、4、、14、17、38、23号主题词组成）;（6）2型糖尿病肾病遗传学的多态性（由5、29、34、40号主题词组成）。
　　2.3 糖尿病肾病研究热点的战略坐标
　　利用BICOMB形成的高频主题词的共词矩阵得到6个研究热点的向心度和密度，见表2。根据向心度和密度的平均值，可得战略坐标的原点（2.38，49.09）。以X轴为向心度，Y轴为密度，分成四个象限，进而得到本研究6个热点的战略坐标，见封三图6。6个热点分布于战略坐标的三个象限内。
　　3 讨论
　　共词分析方法最早在20世纪70年代中后期由法国文献计量学家提出[10]。共词分析法利用文献集中主题词共同出现的情况，确定该文献集所有代表学科中各主题之间的关系。主题词在同一篇文献中出现的次数越多，则这两个主题的关系越紧密[13]。因此，统计一组文献的主题词两两之间在同一篇文献的出现频率，可形成一个由这些词对关联所组成的共词矩阵，而矩阵节点内之间的远近可以反映主题内容的亲疏关系[14]。共词分析就是基于此原理，以文献主题词为分析对象，利用聚类分析等统计分析方法，将分析对象之间的共词网状关系以图形的形式简单直观表达出来的过程[15]。本研究通过PubMed医学数据库得出糖尿病肾病研究的高频主题词，说明糖尿病肾病作为代谢性疾病糖尿病的并发症，其药物治疗、防治以及遗传学仍是目前研究的热点问题。 　　透过主题词之间的共词聚类分析得出糖尿病肾病研究的6个热点类别。同时，我们采用战略坐标来定量分析这些热点的发展趋势，使结论具有定性、定量的特点，提高了结论的可信度，帮助临床掌握糖尿病肾病的研究方向。战略坐标图是以向心度和密度为参数的二维坐标，X轴为向心度，表示领域间相互影响的强度。向心度是通过该热点的高频主题词与其他热点的高频主题词之间的联系强度得来的[14]。向心度越大，表明一个领域与其他领域的相关度越强、联系越紧密，该领域在研究过程中就越重要，在整个研究工作中就越趋于中心地位[9]。Y轴为密度，表示某一领域内部联系的强度。密度是通过该热点内的平均联系强度得来的，体现了一个领域维持自己和发展自己的能力[8]。战略坐标分为四个象限，每个象限用于描述每个热点的发展情况[13]。
　　热点1位于第一象限，密度和向心度都较高。密度高，说明糖尿病肾病和血尿检查之间联系紧密，且研究已比较成熟;向心度高则说明糖尿病肾病的血尿检查本身也与其他热点研究具有密切的联系。
　　热点3、6位于第二象限，密度高，但向心度低，说明2型糖尿病肾病引起的慢性肾衰竭透析治疗的死亡率和遗传学的多态性研究之间内部联系紧密，研究内容明确，该领域的研究正在进行正规研究，但处于整个研究网络的边缘，不是优先研究对象。
　　没有热点位于第三象限。第三象限的密度和向心度都低，表明内部联系松散，无密切关系，位于此象限的研究与其他研究的相关性不大，也不是核心内容。
　　热点2、4、5位于第四象限，密度低，說明糖尿病肾病的流行病学、病因学及病理生理学;病理学及代谢的研究和糖尿病肾病药物治疗的相关研究尚不成熟;但其向心度高，说明与其他研究联系紧密。因此，位于第四象限的糖尿病肾病的流行病学、病因学及病理生理学;病理学及代谢的研究和糖尿病肾病药物治疗的相关研究尚未完全明确，具有潜在的发展空间及研究价值。但随着研究的深入发展，有向第一象限发展的趋势。
　　综上，本研究通过信息情报学对糖尿病肾病研究文献进行共词分析，明确糖尿病肾病研究的热点及发展趋势，为糖尿病肾病的进一步研究指明了方向。
　　[参考文献]
　　[1] Cho NH，Shaw JE，Karuranga S，et al. IDF Diabetes Atlas：Global estimates of diabetes prevalence for 2017 and projections for 2045[J]. Diabetes Research and Clinical Practice，2018，138：271-281.
　　[2] Zhang C，Zhu X，Li L，et al. A small molecule inhibitor MCC950 ameliorates kidney injury in diabetic nephropathy by inhibiting NLRP3 inflammasome activation[J]. Diabetes，Metabolic Syndrome and Obesity：Targets and Therapy，2019，12：1297-1309.
　　[3] Umanath K，Lewis JB. Update on diabetic nephropathy：Core curriculum 2018 [J]. American Journal of Kidney Diseases，2018，71（6）：884-895.
　　[4] Zhang L，Long J，Jiang W，et al. Trends in chronic kidney disease in China[J]. N Engl J Med，2016，375（9）：905-906.
　　[5] Flyvbjerg A. The role of the complement system in diabetic nephropathy[J]. Nat Rev Nephrol，2017，13（5）：311-318.
　　[6] Weldegiorgis M，Smith M，Herrington WG，et al. Socioeconomic disadvantage and the risk of advanced chronic kidney disease：Results from a cohort study with 1.4 million participants[J]. Nephrol Dial Transplant，2019，4（1）：1-9
　　[7] Liu B，Chen H，Huang X. Map changes and theme evolution in work hours：A co-Word analysis[J]. International Journal of Environmental Research and Public Health，2018，15（5）：1039.
　　[8] Chang X，Zhou X，Luo L，et al. Hotspots in research on the measurement of medical students’ clinical competence from 2012-2016 based on co-word analysis[J]. BMC Medical Education，2017，17（1）：162.
　　[9] Wang Z，Deng Z，Wu X. Status quo of professional-patient relations in the internet era： Bibliometric and co-word analyses[J]. Int J Environ Res Public Health，2019， 16（7）：E1183. 　　[10] Wei W，Ge J，Xu S，et al. Knowledge maps of disaster medicine in China based on co-word analysis[J]. Disaster Med Public Health Prep，2019，13（3）：405-409.
　　[11] Xu C，Wang Z，Lu K，et al. Hotspot Analysis of Sepsis Literature[J]. Medical Science Monitor，2018，24：5427-5436.
　　[12] Liu J，Wei WJ，Shi B，et al. Mapping theme trends and knowledge structures for human neural stem cells：A quantitative and co-word biclustering analysis for the 2013-2018 period[J]. Neural Regeneration Research，2019， 14（10）：1823.
　　[13] Zhao F，Shi B，Liu R，et al. Theme trends and knowledge structure on choroidal neovascularization：A quantitative and co-word analysis[J]. BMC Ophthalmology，2018，18（1）：86.
　　[14] Yang A，Lv Q，Chen F，et al. Identification of recent trends in research on vitamin D：A quantitative and co-word analysis[J]. Medical Science Monitor，2019，25：643-655.
　　[15] Mccray AT，Gefeller O，Aronsky D，et al. The birth and evolution of a discipline devoted to information in biomedicine and health care. As reflected in its longest running journal[J]. Methods Inf Med，2011，50（6）：491-507.
　　（收稿日期：2019-08-28）
转载注明来源:https://www.xzbu.com/6/view-15118746.htm