2010—2022年我国风险预测模型护理研究热点共词聚类分析

沈芒慧,韩梦月,余永琴,徐芳成琳,梅迎雪

1.宁夏医科大学,宁夏750004;2.宁夏回族自治区人民医院

风险预测模型(risk prediction models),即用数学公式来评估特定受试者当前患某种疾病或未来一段时间内发生某个临床结局的概率[1]。临床风险预测模型会选择影响结局变量的因素作为预测因子,根据数据类型对临床变量进行分析,从而形成风险预测模型用来预测临床相关的结果或事件[2]。目前,风险预测模型在我国护理研究中逐步得到了应用,发现风险预测模型可以有效识别发病的风险,进而采取相应的措施,减少不良结局发生的风险[3-4]。本研究通过共词聚类分析法,检索我国发表的风险预测模型护理相关的文献,探讨其研究热点及发展趋势,以促进该研究领域的发展。

1 资料与方法

1.1 数据来源

计算机检索中国知网、维普数据库、万方数据库收录的与风险预测模型相关的护理研究文献。检索时限为2010年1月1日—2022年12月31日。检索主题词为“风险预测模型”“临床预测模型”和“护理”。文献的纳入标准为国内公开发表的期刊论文、综述等。排除标准为硕士论文、博士论文、会议论文和重复发表的论文。剔除与“风险预测模型”“护理”主题不符的文献。

1.2 文献共词分析方法

本研究采用共词聚类分析方法。首先,将纳入的513篇文献导入Bicomb 2.0[5]软件中,在关键字段中选择关键词作为提取内容。其次,对数据进行清洗,合并含义相同但表达有差异的词。如将重症监护病房、重症监护室合并改写为ICU,化学药物治疗统一为化疗,静脉血栓形成、下肢深静脉血栓合并为静脉血栓栓塞症等。最后,对清洗后的关键词数据进行统计分析。根据Donohue分界公式,进行高频关键词截取[6]。T为高低频关键词的分界词,I1频次为1的关键词数量,最后根据公式计算T=21.5,即出现频次大于21的关键词为高频关键词,获得关键词15个,但考虑到聚类的操作性[7],选取频次>10的关键词,共计25个高频关键词生成共现矩阵。

1.3 文献聚类方法

传统的聚类方法多使用的是单向聚类,只能对行或列即单个对象或单一属性进行聚类,不适用于群组界限相互渗透的数据分析[8]。而双聚类方法则可以将行与列的值看作是一个完整的矩阵,然后根据矩阵的特性分别从行(对象)和列(属性)2个维度同时聚类,可以帮助抓取数据中隐藏的信息[8]。因此,本研究应用双聚类方法对风险预测模型在我国护理领域的研究热点进行聚类分析。gCLUTO软件是由明尼苏达大学的Rasmussen和Karypis开发的图形集群工具包,可以对形成的共现矩阵进行双聚类分析[9]。目前,该工具已广泛用于计量与聚类分析中[10-12]。因此,本研究将从Bicomb 2.0软件中导出的文献共现矩阵导入gCLUTO软件中,进行聚类分析。选择重复二分法、余弦相似函数、I2聚类标准函数进行聚类分析,根据类内(ISim)、类间(ESim)相似度调整聚类群数,生成可视化聚类树状图和山丘图[6]。

2 结果

2.1 发文量

本研究经过去重、剔除无关文献后共得到513篇文献。2010—2022年我国风险预测模型护理研究文献发文量见图1。

图1 2010—2022年我国风险预测模型护理研究文献发文量

2.2 发表文献的期刊

研究显示,风险预测模型的护理研究文献发表于131种期刊中,其中17种期刊的发文量≥5篇。见表1。

表1 我国风险预测模型护理研究文献发文量≥5篇的期刊(n=513)

2.3 高频关键词

将我国风险预测模型护理研究文献中出现频次≥10次的关键词列为高频关键词。见表2。

表2 我国风险预测模型护理研究文献出现的高频关键词(≥10次)

2.4 高频关键词聚类

高频关键词的聚类树状图(见图2)和可视化山丘图(见图3)结果显示,我国风险预测模型护理研究分为3大类主题,分别是风险预测模型在长期慢性疾病中的风险评估(聚类0)、在高危人群中的风险识别(聚类1)、在重大疾病并发症中的应用(聚类2)。所列3类研究热点中,3个山丘基本独立,表明聚类效果较好。其中聚类2类内部离散度低,主题一致程度高,而聚类0类、聚类1类文献数量多[11]。

图2 我国风险预测模型与护理相关研究热点分布聚类树状图

3 讨论

3.1 文献发表现状

本研究显示,在护理领域,我国风险预测模型研究总体来说发表文献量不多,且起步较晚,2016年之前我国护理界对于风险预测模型的研究成果较为零散,处于起步萌芽阶段。2016年之后才逐渐增加对该领域的研究。目前,对于风险预测的研究总体呈上升发展趋势。本研究显示,发表相关研究的期刊以核心期刊为主,发文质量相对较高。其中国内发表风险预测模型护理文献最多的期刊为《中华护理杂志》,占12.67%。其次为《护理研究》与《护理学杂志》,分别占11.70%、6.82%。说明护理界对于风险预测模型的研究处于接受度、重视度较高的发展阶段,提示未来护理学者可以把研究目光聚焦该领域,以促进护理学科的发展。

3.2 研究热点

3.2.1 风险预测模型在重大疾病并发症中的应用

共词聚类分析显示,聚类2生成的山峰,峰顶为红色,表明该聚类中的文献研究一致程度较高[13]。该聚类主要涉及的关键词为“肿瘤、癌症”“手术”“化疗”“静脉血栓栓塞症”“感染”等,主要研究风险预测模型在重大疾病并发症中的应用。如陈丽等[14]通过分析老年肺癌化疗病人发生骨髓抑制的危险因素,从而构建老年肺癌化疗病人发生骨髓抑制风险的预测模型;许娟等[15]通过分析肝胰胆管癌、胃肠道癌术后病人手术部位感染发生的危险因素,构建风险预测模型并进行验证;周纪云等[16]通过分析血液系统恶性肿瘤病人血栓形成的危险因素,构建风险预测模型。以上研究显示,风险预测模型作为重大疾病并发症发生的评估和筛查工具,可早期识别并发症的危险因素并进行针对性干预,从而预防并发症的发生。

3.2.2 风险预测模型在长期慢性疾病中的风险评估

聚类0生成的山峰体积较大,峰顶为绿色,表明该类别中的文献研究一致程度一般[11]。该聚类涉及的关键词主要包括“慢性疾病”“脑卒中”“ICU”“血液透析”“衰弱”“压力性损伤”“非计划性再入院”“风险评估”,主要研究风险预测模型在长期慢性疾病中的应用。如俞晓慧等[17]通过系统评价评估可能出现的危险因素,构建糖尿病病人低血糖风险预测模型;尹青[18]为手术室病人在手术中出现压力性损伤的风险构建并验证预测模型;贾方容等[19]对慢性阻塞性肺疾病加重期病人30 d内非计划再入院风险预测模型进行研究,证实风险预测模型的构建可以促进临床的进步。以上研究表明,风险预测模型可用于对长期慢性疾病可能发生的风险进行评估,为早期干预提供依据,同时为临床医护人员选择或开发适合的风险评估工具提供参考依据。

3.2.3 风险预测模型在高危人群中的风险识别

聚类1生成的山峰体积较大,峰顶也为绿色,表明该类别中的文献研究一致程度一般[11]。在聚类中主要提及的关键词为“重症患者”“老年人”“抑郁”“跌倒”“谵妄”等,研究主题可概括为风险预测模型在高危人群中的风险识别。如陈颖勇等[20]应用机器学习算法构建社区老年人认知衰弱风险预测模型,可直观、方便地甄别社区认知衰弱高风险老年人,为早期筛查与干预提供依据;吉云兰等[21]探讨了严重创伤病人发生谵妄的危险因素,利用列线图模型,预测重症病人谵妄的发生。应用风险预测模型可以有效识别高危人群,帮助医护人员针对高危人群采取干预措施,从而预防不良结局的发生。

4 小结

我国对于风险预测模型的护理研究呈上升趋势,研究热点主要集中在风险预测模型在重大疾病并发症中的应用、长期慢性疾病中的风险评估和高危人群中的风险识别。本研究的局限性在于仅检索分析了国内数据库的相关文献。未来可以检索国外的数据库,以全面分析风险预测模型在护理领域中的应用现状及发展趋势。