CNKI 数据库收录1990—2020 年死亡时间推断研究的文献信息可视化分析

林凌晓，辛国斌，孔江炜，翟创彦，，3

1.南方医科大学法医学院，广东 广州 510515；2.法庭毒物分析公安部重点实验室，北京 100192；3.中国刑事警察学院法律教研部，辽宁 沈阳 110854

死亡时间（postmortem interval，PMI）在法医学上是指机体死后经历的时间，也称死后间隔时间。PMI的准确推断在确定案件发生时间、认定和排除犯罪嫌疑人、划定侦查范围乃至案件的最终侦破中发挥着重要作用。当前PMI 推断主要基于尸僵、尸斑、尸温等尸体现象或者通过尸体所处环境、状态等情况进行综合判断[1]。

PMI 推断始终是法医学实践中最主要的任务之一。尽管PMI 推断研究已经有了漫长的历史，但应用于实践的PMI 推断方法总是差强人意。现代医学研究的深入和各类新技术的涌现，为PMI 推断研究带来了新动力和新希望。新的研究方法和技术应用于PMI 推断研究，既对传统方法起到重要的完善和辅助作用，又开拓了与传统研究方法截然不同的新道路。本研究通过对中国知识基础设施工程（China Na⁃tional Knowledge Infrastructure，CNKI）数据库收录的1990年1月—2020年8 月PMI 推断研究文献的可视化分析，旨在展示我国PMI 推断研究的发展进程、不同时期的研究热点以及取得的研究成果，揭示PMI 推断研究的发展趋势，为未来更好地开展PMI 推断研究提供借鉴和参考，同时展望基于大数据人工智能算法的PMI 推断的应用前景。

1 材料与方法

1.1 数据来源

以“死亡时间”为关键词检索CNKI 数据库收录的1990 年1 月—2020 年8 月的学术论文，检索数据时间为2020 年8 月26 日，共获取文献1 097 条，通过人工筛查方式进行数据清洗，选取法医学研究中与PMI 推断相关的文章，去除重复检索结果以及综述、案例报道、疾病研究、数据分析等非研究性论文和无关论文，共获取有效学术论文345 篇。

1.2 研究方法

以5年为一个时间段，将1990年1月—2020年8月发表的PMI 推断研究文献数量制成表格。设置CiteSpace 5.7.R1分析时间为1990年1月—2020年8月，时间分割为1 年，形成相应的时间片段，节点类型分别选择主题词、作者、机构等元素，通过软件的节点提取功能对主题词、文章中所有作者、机构进行数据清洗，数据清洗主要针对缺失值、重复值和无关值。（1）缺失数据清洗。如补全缺失的作者、机构等需要分析的关键信息。（2）重复数据清洗。本研究统一使用更名后的单位名称，如“司法部司法鉴定科学技术研究所上海市法医学重点实验室”“司法鉴定科学技术研究所”“司法鉴定科学研究院”统一为“司法鉴定科学研究院”。（3）无关数据清洗。核查、删除“应用”等无关主题词。依据文章主题词、所有作者、机构共现频次矩阵，利用软件的聚类分析功能，得到相关数据的共聚类可视化图谱；设置分析时间区间分别为1990—2000 年、2001—2010 年和2011—2020 年，时间分割为1 年，形成相应的时间片段，可视化形式选择“Timezone View”，设置“Movements=40”，得到3 个时间段的时区主题词可视化图谱；通过突现词（burst term）分析功能，设置参数“Minimum Duration=2”，获得主题词和核心作者突现起始、结束时间以及热点时区分布等信息。

2 结果与讨论

2.1 PMI 推断研究情况

2.1.1 文献发表数量分析

1990 年1 月—2020 年8 月发表的PMI 推断研究文献数量（表1）显示，1996—2000 年起PMI 推断研究的文献数量上升，峰值出现在2006—2010 年，2011—2015 年下降，之后又迅速回升。进入21 世纪后，我国对科研的投入加大[2]，带来了科研成果的爆发式增长，在PMI 推断研究领域也得到了充分体现，相关文献数量从1990—1995年的20篇左右剧增到2006—2010年的114 篇。2011—2015 年对PMI 推断研究关注度下降，发表文献数量减少。2016 年以后PMI 推断研究再次获得关注，文献数量再次增加到2016—2020年8月的105 篇。

表1 CNKI收录1990 年1 月—2020 年8 月每5 年PMI推断研究文献发表数量Tab.1 The 5-year interval number of literatures on PMI estimation indexed by CNKI from January 1990 to August 2020

2.1.2 基于文献主题词的研究方向及其关联分析

主题词分析的目的在于通过构建聚类图谱，将该领域的不同主题词以节点的形式展现，量化不同词汇的出现频率及呈现的关联程度[3]。图1 是基于PMI 推断研究主题词分析的研究领域及其关联可视化图谱，可见PMI 推断研究的各领域关联网络多呈多线连接闭合状，表明各主要研究领域存在着广泛的关联，少数领域如pH 值测定在PMI 推断研究中的应用为密闭三角形，表明其涵盖内容较局限，与其他领域关联程度较低。

从图1 还可以看到，在PMI 推断研究中：以法医昆虫学领域为主题，聚类了大头金蝇、丝光绿蝇、食尸性蝇类等多个研究方向；覆盖了核DNA、RNA、ATP 酶等小分子成分研究的主题词；使用的研究手段中，谱学分析、代谢组学、免疫组织化学等是较为常用的方法；使用较多的实验动物有大鼠、家兔、小鼠等，其中大鼠因其生理特点最接近人类成为最常用的哺乳类实验动物。

图1 基于标题、主题词研究方向关联关系的可视化图谱Fig.1 Visualization map of associative relationships based on titles and topics

2.1.3 研究热点分析

主题词突现图谱（图2）展现了30 年来PMI 推断研究的高强度词条，图像分析、法医昆虫学、DNA 含量呈现相当的突现强度，是在相应时期的法医学研究热点。

图2 1990 年1 月—2020 年8 月PMI推断研究热点突现词图谱Fig.2 Bursts words of research focus of PMI estimation from January 1990 to August 2020

为进一步探究不同时间段的研究热点和趋势变化，本研究以每10 年为一个时间段，建立了基于主题词时间分布的关联时区图谱（图3），图中每一个主题词所在的位置为数据首次集中出现的年份。词条出现频率和十字符的大小成正比，十字符之间的连线代表各词条之间的共现情况，时间轴上实线表示该条目在相应年份对应聚类下高频出现。

图3A 显示，1994—1996 年研究热点密集，直肠温度、图像分析标签轮廓最大，表明相关主题发文量最多；2000 年主题词丝光绿蝇首次集中出现，主要围绕其幼虫形态开展研究。

图3B 显示，2001—2010 年衍生出大量方向相近而主题不同的研究热点，分子生物检测技术在PMI 推断研究中得到广泛应用。其中，2001—2004 年法医昆虫学研究最多，随着组织化学测定、图像分析等技术的应用，法医昆虫学研究日益精细，研究内容细分为幼虫、成虫形态、发育阶段、日龄推断等。2005—2010 年，诸如双向电泳技术、免疫印迹法、透射电镜等检测手段被引入PMI 推断研究领域，前沿热点集中于小分子标记物的时序变化，如通过mRNA、18S rRNA、mtDNA、甘油醛-3-磷酸脱氢酶（glyceralde⁃hyde-3-phosphate dehydrogenase，GAPDH）、肌动蛋白等物质代谢规律进行PMI 推断。

图3C 显示，2011—2012 年延续了2005—2010 年的发展趋势，研究热点颇多，但结合表1所示，随后PMI推断研究发文量减少，研究热点局限，其后如图3C出现如代谢组学、分子生物学、数据挖掘等新的主题词，表明2015 年后随着以上技术的引入并与各种检验手段融合，PMI 推断研究的方法和技术出现跨越式发展，衍生出主成分分析、支持向量机模型、傅里叶变换红外（Fourier transform infrared，FTIR）光谱仪结合数据挖掘等多种PMI 推断新方法，出现了针对LacZ基因及其降解产物β-D-半乳糖苷酶、多聚糖化合物、其他尸体降解产物随时间变化规律的新兴研究热点。

图3 PMI推断研究热点时区图Fig.3 Timezone of hot points of PMI estimation

2.2 科研机构分析

基于文献发表机构发文数量排序获得表2，从表中可以看到，法医学PMI 推断研究集中于科研院校的法医学部门，其中华中科技大学同济医学院、中山大学中山医学院和复旦大学上海医学院发文数量位居前三，一定程度上体现了这三家机构在法医学PMI 推断研究领域的实力。

表2 CNKI收录发表PMI推断文献数量排名前10的机构Tab.2 Top 10 institutions regarding the number of publications on PMI indexed by CNKI

机构合作网络图（附图1）显示，各科研院所合作网络多呈放射状，表明高校科研机构间联系紧密，存在不同程度的合作；少数为密闭多边形，表明其与外部机构合作较少。例如，华中科技大学同济医学院法医学系和中国政法大学证据科学教育部重点实验室、复旦大学法医学系和司法鉴定科学研究院合作密切；中山大学中山医院法医学系与所在广东地区的相关机构合作较多，而与其他主要科研院所如复旦大学上海医学院法医学系等联系较少，显示了研究的相对独立性。华中科技大学同济医学院法医学系、复旦大学上海医学院法医学系和中山大学中山医学院法医学系位居该图的原点区域，体现了这三家机构在PMI 推断研究领域的实力和影响力。

2.3 所有作者科研合作网络分析

发文量前10 的作者（表3）和作者合作网络图（附图2）显示，刘良文章发表数量最多，刘良、任亮、林乐泉等合作联系密切。

表3 CNKI收录PMI推断研究发表文章数量排名前10 的作者Tab.3 Top 10 authors regarding the number of publications on PMI estimation indexed by CNKI

作者突现图（附图3A）中，突现强度表示作者在限定的时间区间内发表文献数量的增长幅度，同时对突现作者进行分析，获得该作者研究方向可视化图谱（附图3B）。结合两图可以看到，陈玉川的突现强度为3.815 0，持续时间从1996—2009 年，是所有作者中突现强度时间最长的作者，表明1996—2009年是陈玉川的科研活跃期，且持续时间最长，2000—2002 年，研究方向聚焦于法医昆虫学，2002—2009 年则集中于DNA 含量变化规律与PMI 的关系，皆与该阶段研究热点相符，并带动了后续相关研究的兴起；刘良的突现强度为5.989 7，在所有作者中表现最强，他的持续年份为2000—2009 年，将磁共振波谱、FTIR 技术应用于DNA 等小分子物质变化的时序检测，使新兴分子检测技术在法医学领域得以推广，开创了PMI 推断方法新局面；闵建雄1999—2002 年的突现强度为3.880 6，与李俊涛的突现强度相当，表明二者在此期间科研活动强度相当，两位作者为合作关系，研究倾向于法医昆虫学领域，符合该时间段的前沿热点。

2.4 总结与展望

CiteSpace又名引文空间，是一款基于科学计量学、数据可视化的引文可视化分析软件。该软件生成的可视化图谱便利了研究人员对所关注领域科学知识结构、规律和关联关系的理解和探索[4]。本研究将CiteSpace运用于CNKI 收录的1990 年1 月—2020 年8 月PMI 推断研究文献的可视化分析，呈现了30 年来PMI推断研究的发展变迁，发掘了不同时期PMI 推断研究的前沿热点，展现了我国法医PMI推断研究的历史和现状。

30 年来我国的高等科研院校在PMI 推断研究领域发挥着主导作用，各院校、作者间建立的不同程度的合作关系，对于法医科研工作者扩展科研思路，推动法医PMI 推断的研究和转化至关重要[5]。

30 年来的法医PMI 推断研究，无不体现着科技进步对PMI 推断研究的推动作用。通过对前沿关键词的分析，可见1990—2000 年前沿研究主要局限于通过直肠温度变化和幼虫形态与时间的关系来推断PMI（图3A）；2001—2010 年多学科交叉发展，生物化学、分子生物学技术和方法综合运用于PMI 推断领域[6]，组织化学测定技术、图像分析技术[7]等检测手段逐渐兴起，推动了PMI 推断研究热点转移，带动了基于DNA、RNA、肌动蛋白等小分子物质变化规律的PMI 推断研究繁荣发展；同时，法医昆虫学研究昆虫种类持续扩增，研究内容不断扩展，由幼虫、成虫形态研究到通过昆虫体内组织化学成分的检测进行日龄、发育阶段的推断；如表1 和图3C 所示，2013—2014 年发文量减少，主题词节点稀疏，研究热点与图3B 基本相同，说明处于新旧方法转换阶段，依靠传统的技术、方法进行PMI 推断研究进入成熟期和瓶颈期；2015 年后出现如代谢组学、分子生物学、数据挖掘等新的主题词，说明2015 年以后，代谢组学、分子生物学技术发展以及大数据、人工智能等新兴技术的可持续性创新，前沿技术与各种检验手段相融合，进化出支持向量机模型[8]、FTIR 光谱结合数据挖掘[9]等PMI 推断新方法，这些基于新技术新方法的PMI 推断研究既能分析构建器官组织变化与PMI 的关系模型，对组织内传统研究对象DNA、RNA 等小分子物质进行多系统联合检测，使检测结果更加准确，也能探究如LacZ基因及其降解产物β-D-半乳糖苷酶、烷烃化合物等新兴标志物的时序变化规律，这给PMI 推断研究带来了新活力，为建立更智能、更精确的PMI 推断新方法带来了新希望，成为新的研究热点和前沿。