基于Vosviewer与CiteSpace的中医治疗咳嗽病的可视化分析※

●张 烨 黄宗海 胡远樟 许 强 温川飙

咳嗽是呼吸科门诊病人最常见的症状之一，咳嗽病因复杂且涉及面广，特别是长时间发作的慢性咳嗽，常常因为诊断不明确，很多病人常反复进行各种各样的检查以明确病因，或长年服用大量抗菌药品和镇咳药品，然而疗效却不佳，长期的咳嗽对患者的日常生活质量造成严重影响[1-5]。当前，我国中医治疗咳嗽病的相关文献冗杂，但对其可视化分析的文献资料较少，而在科学计量学中，Citespace 和Vosviewer 是比较常用的知识图谱分析工具，可以直观地展示相关行业的发展演进过程。

1 资料和方法

1.1 数据来源与检索方法以CNKI为检索数据库，设定检索方式“主题=咳嗽and中医”(精确)进行检索，检索年限为1977 年1 月至2019 年8 月。共检索出4311 篇相关文献，除新闻、稿约、会议通知、作者和年份信息不全及咳嗽合并其它疾病如经行咳嗽、咳嗽遗尿、胃食管反流性咳嗽、慢性阻塞性肺疾病外，最终纳入1109篇文献。

1.2 数据转换将纳入的文献以Refworks 和Endnote 的格式导出，导出的文献记录中所包含信息包括研究机构、题名、作者、摘要、关键词、发表年份等。选择CiteSpace与Vosviewer软件中自带的格式转换器，将Refworks 转换为CiteSpace 可用的download＿***.txt，将Endnote 格式文件转换为Vosviewer 可用的networkfile格式以备用。

1.3 分析方法CiteSpace 是一款信息可视化软件，能直观地揭示隐藏在大量数据中的信息和难以觉察的关联关系，同时能直观地揭示科学知识的发展现状、变化情况、研究热点及前沿[6-7]。

Vosviewer 是由VanEck 与Waltman 研发的一款软件[8]，在可视化图谱展示中，尤其在聚类分析中有强大的优势。此图谱有聚类密度视图(Cluster Density View)、密度视图(Density View)、标签视图(Label View)及分散视图(Scatter View)[9]等4种视图浏览方式。这4种视图浏览方式借助图形颜色、大小等说明科学文献之间知识的流动与转移，映射科学文献之间相似性、相互引证关系。

2 结果

2.1 发文年代分布由知网数据统计，从1977 年至2019 年共发表4311 篇文献，年均发文量约为102 篇，2004年发文量为44篇，随后文献数量逐年增长，均在100 篇以上，2019 年（1 月-8 月）达到峰值443 篇。由图1的文献增长趋势可知，1977年至2019年中医咳嗽病的文献大致符合指数增长模型(y=1E-99e0.1159x)，x 轴为年份，随着年份增加文献数量呈上升趋势，近12年中医咳嗽文献研究开始兴起、呈现逐渐盛行的趋势。

图1 中医咳嗽病发文量变化趋势

2.2 作者合著网络分析CiteSpace中筛选发文量大于2篇的作者，形成后的图谱中共有40位作者被纳入统计。节点代表具体的作者，节点与节点之间的连线表示作者的合作关系。由图2 可知目前主要研究团队包括李泽庚团队、朱佳团队、郭锦晨团队、张晓朦团队。在CiteSpace 软件的左边可看到作者及发文量的统计，发表过相关文献的作者共1795人，其中发文量最高的为李泽庚（6 篇），由此可以计算该研究领域的核心作者人数：核心作者最低发文量N=0.749×ηmax1/2(ηmax 即最高产作者的发文数量)[10]，其中ηmax=6，可得N≈2，本次研究中核心作者共40 人，约占所有发文作者人数的2.2%。核心作者发文数量为89 篇，占文献总数的8%，根据赖普斯定律[11]，核心作者的发文量应占文献总数的50%，表明该研究领域核心作者团队尚未形成。而本次研究中的8%远远达不到50%，说明该研究团队彼此联系不紧密，较为分散。

图2 作者合著网络知识图谱

2.3 研究机构网络分析由CiteSpace生成研究机构合作图谱，图谱中每个圆环代表一个机构。由图3可知排名前三位为天津中医药大学、北京中医药大学、南京中医药大学。节点之间的连线粗细代表机构间的合作强度，其中山东中医药大学与河南中医学院之间、南京中医药大学与江苏省中医药研究院之间合作较多。并且大学与附属的医院间的合作也较为密切，如北京中医药大学与北京中医药大学附属医院、北京中医药大学东方医院之间；安徽中医药大学与安徽中医药大学临床第一附属医院、研究生院、临床医学院间。而天津中医药大学虽然发文量最多，但是在该领域内与其它机构间无合作关系，不利于信息的共享与沟通。

图3 研究机构合作知识图谱

表1 高频关键词分类

2.4 关键词可视化分析关键词是利用简短的语言来概括反映文章的主题[12]，高频关键词在一定程度上代表着该领域的研究热点。通过对关键词的分类分析可以将咳嗽病的文献分为常用方剂、病因病机、治疗方法、名医经验等四类，见表1。

将关键词共现知识图谱转换成共现时区视图，见图4，并检测突现词(CitationBurst)，可直观地展示近年来关于“咳嗽病”研究热点的历史演变。从图中可知在2002年以前，该时期的关键词主要有“肺气”“肺”，多集中在病因的研究，而2002 年后，关键词主要在“内伤”“老中医经验”“中医治疗”“辨证论治”等关于咳嗽病的治疗研究方面。

运用“标签视图(Label View)”进行共词聚类展示，见图5。在该视图中相同的颜色表示一个聚类相邻两个节点之间的距离越近，表示两者之间的关系越密切[13]。列举每个聚类中的关键词，并归纳总结主题：①常用方剂：止嗽散、小柴胡汤、止咳方等。②相关病因：肺、外感咳嗽、内伤咳嗽等。③治疗方法：中医药疗法、中医治疗、辨证论治等。④名医经验：经验、老中医经验等。

Vosviewer 软件在关键词共现聚类技术方面具有独特的优势[14]。利用该软件绘制咳嗽病研究的关键词共现权重图谱如图6，其中不同的颜色区分分别代表关键词出现的时间的远近。2010 年以后主要由黄色表示，2005 年-2010 年主要由绿色表示，1995 年-2000 年主要由青色表示，1995 年以前主要由紫色表示。由图6 可知，2010 年以后，中医药疗法、名医经验、止嗽散等关键词占据核心地位。

图4 关键词共现时区视图

关键词共现密度视图(Density View)可以直观地反映出高频词之间共同出现的频次密度[15]。如图中的两个关键词共同出现的频率较高，系统就会将两者聚集在一起，形成一个类团，表明两者之间的联系较强。经过可视化后得到密度视图如图7 所示。在图中，节点的大小代表了两个关键词间作用力的大小，节点之间的距离反映对象之间的相似程度，距离越近，相似程度越高，反之亦然。从图谱中可以看到，中医药疗法、止嗽散、肺备受关注。同时，以这些为中心，各自呈现出了一些关联性的学术研究热点，深化了中医咳嗽病领域的研究工作。

3 讨论

图5 基于VOSviewer的标签视图

图6 关键词共现权重图谱

基于以上软件我们可以看到，自21世纪以来，中医治疗咳嗽的研究逐年增多，咳嗽病也越来越受到相关研究者的关注。研究热点由最初的病因分析逐渐过渡到现在的辨证论治和中医经验，说明了学者对中医咳嗽病认识的不断加深，但在中医治疗咳嗽病中作者、机构及地域间的合作较为薄弱，核心作者的发文量占文献总数的8%，远低于赖普斯定律的50%，作者相互之间缺乏团队合作。而在研究机构中天津中医药大学虽然发文数量最多，但是在该领域内与其它机构间无合作关系，而机构间的合作大多集中在高等院校和对应的附属医院之间，不同高等院校的合作需更进一步强化。

关键词共现时区图表明，2002 年之前，大部分研究集中在咳嗽病的病因探讨，随着时间的增长、临床经验的丰富，对于咳嗽病的研究趋于总结中医经验、辨证论治等研究。关键词共词聚类分析表明咳嗽病的研究热点可以归为四类：常用方剂、相关病因、治疗方法、名医经验。而名医经验的总结大多还是按照传统的分析方法，虽然也有部分借助现代信息技术的方法如关联规则、聚类算法、数据挖掘等研究咳嗽病，但目前所用的数据挖掘方法屈指可数，因此积极借助现代信息技术网络分析算法、关联规则、网络药理学及中医药人工智能技术可以在一定程度上丰富目前研究所使用手段；而关键词共现权重表明，2010年以后，中医药疗法、名医经验、止嗽散等关键词占据核心地位；关键词共现密度视图表明中医药疗法、止嗽散、肺备受关注。

图7 关键词共现密度视图

本文通过科学计量和可视化分析，客观、形象地展示了中医治疗咳嗽研究状态，系统梳理了该领域的文献，不仅能够使读者对所展示的信息一目了然，而且可以探知中医治疗咳嗽病的知识演变路径、研究热点、前沿及未来的发展趋势。期望本文可以为该领域学者提供一定的参考信息，在一定程度上开拓研究者思维，促进该学科的发展。