基于CiteSpace可视化分析结构方程模型在我国医药领域的应用趋势

郑淼淼,洪望龙,朱文涛,马国强,沈爱宗,2

[1.安徽中医药大学药学院,合肥 230012;2.中国科学技术大学附属第一医院(安徽省立医院)药剂科,合肥 230001]

结构方程模型 (structural equation model,SEM)是一种处理复杂变量的统计学方法,是因子分析和路径分析的结合。SEM通过观测变量可测量无法直接观察的变量,即潜变量,解释观测变量与潜变量、潜变量与潜变量之间的关系及强度。与传统统计方法相比,SEM是验证一个或多个自变量与一个或多个因变量之间复杂关系的模型,SEM不局限于解释变量之间的单一关系,通过验证性分析,在测量过程中处理误差,提供了解释潜变量之间结构关系的可能[1-2],被称为第二代统计技术。20世纪70年代,JORESKOG综合因素分析、路径分析与回归分析逐渐形成了SEM,并开发了一个通用计算机程序,既LISREL,展示了如何将一般模型应用于无数重要的实质性模型[3],为SEM的发展做出了重要贡献。随着越来越多的学者对SEM进行相关研究,SEM理论日趋成熟,SEM软件也得到快速发展,这些软件包括Amos、LISREL、Mplus、EQS、CALIS、RAMONA、SEPATH、Mx等,也有学者使用计算机编程软件(如R语言)进行SEM分析[2,4]。SEM受到许多研究者的关注,被广泛应用于心理学、管理学、社会科学等学科。随着我国医药领域的发展,许多方面面临着机遇和挑战,医药研究领域面对的问题越来越复杂,因此SEM成为潜在的不可或缺的统计工具。

CiteSpace作为一款信息可视化应用程序,通过对某一学科或特定主题的知识领域文献进行计量、共现及聚类分析,对该研究领域的知识结构、应用规律和分布情况等内容进行可视化网络图谱呈现,可为研究者们理清该领域知识来源、重要转折点、研究热点方向及未来研究趋势[5-6]。为提高医药从业人员对SEM的认识与应用,解决越来越具体且复杂的问题,笔者尝试运用CiteSpace软件对SEM在我国医药领域的应用情况进行文献计量学分析,以期了解SEM在我国医药领域的应用现状、研究热点及趋势,现报道如下。

1 数据与方法

1.1数据来源与检索策略 通过采用(主题=结构方程模型)OR(主题=结构方程)OR(主题=潜变量)OR(主题=SEM)在中国知网、万方数据知识服务平台和维普网3个数据库进行医药卫生科技专题检索,限定检索时间为建库至 2022年9月,初步获文献8 872篇。由两名研究员阅读文献题名、摘要、关键词及全文后;排除与SEM无关、信息不全、会议论文、科技成果、新闻报道等文献;通过NoteExpress排除重复文献(重复时选择发表时间较早的那篇),最后得到文献2 486篇,文献以refworks格式导出。

1.2研究方法 将导出的文献以“download_x.txt”命名,将其导入CiteSpace 6.1.R2 进行格式转换与分析。分析时间段设置为1990年1月—2022年12月,时区分割(#year per slice)默认为1年。阈值设定可选择g-index、top N或top N%[5],在该篇文献中阈值参数设定g-index为25,其余参数设定均为默认值。“author”“institution”“keyword”为可选择分析的3种节点类型,节点类型分析包括作者合作网络分布、机构合作网络分布、关键词共现分析、关键词聚类分析、关键图突现分析等[6]。根据对不同节点类型的分析选择是否对网络进行裁剪,剪裁方法选择“pathfinder”,辅助剪裁方法选择“pruning slice networks”[5]。并采用ECXEL对文献总体趋势进行作图分析。

1.3图谱解读 网络图谱中每一个节点(node,N)代表一个分析对象,节点图形越大及节点字体越大皆表示分析对象出现的频次越高,节点的颜色由上至下代表了字段年份由近到远。节点间的线条(line,E)代表分析对象间存在协作,连线的颜色不同代表初次协作的年份不同,连线密度(density)代表协作密度[7-8]。中介中心性(centrality )可体现研究内容在该领域的重要性,centrality>0.1的节点在结构中起关键节点作用[6-9]。聚类图谱中,#代表聚类,其中若模块值(modularity Q,Q)>0.3、平均轮廓值(mean silhouette,S)>0.5,则说明得到的聚类模块显著且合理[6,10]。突现图谱中红色线条代表节点在该段年份研究热度高。

2 结果

2.1文献总体趋势 SEM在我国医药领域年度发文量和发展趋势见图1。1992年发表第一篇中文医药领域SEM文章;1992—2006年发文量较少,呈稳定增长状态;2007年至今,SEM在我国医药领域的应用为快速增长阶段,2021年度发文量约为2006年的27倍。2 486篇文献中,文献发表篇数前20的期刊见表1。由表1可知,SEM在我国医药领域的应用涵盖公共卫生、临床心理学、预防医学、行为医学、护理学、流行病学、卫生管理等多个学科的研究内容。

图1 SEM在我国医药领域各年度发文量趋势Fig.1 Trend of SEM’s annual publications in China pharmaceutical field

2.2作者合作分布图谱 研究SEM在我国医药领域的主要研究人员及合作情况,对作者进行发文量与合作网络分布研究,结果见图2和表2。从发文量表及作者合作网络图谱中可以看出,发文量≥7的作者有20位,N=765,E=1 210,density=0.004 1,作者合作较为分散,部分形成合作。

表2 SEM文献的作者、发文量、作者机构与研究内容Tab.2 Authors,number of publications,author institutions and research content in SEM literatures

图2 作者合作网络图谱Fig.2 Author collaboration network mapping

SEM在我国医药领域的主要研究团队与其研究内容包括:以张爱华团队、刘堃团队、刘巧兰团队、周郁秋团队、李娇团队、丁魁团队为代表主要使用SEM进行不同人群心理健康研究;以张岩波团队、刘艳团队为代表主要研究SEM的理论发展与应用情况;以陈启光为代表的团队主要探讨中医证候方向内容;以李涛为代表的团队主要进行不同因素下的双生子研究;以任书华为代表的团队主要进行行为医学研究;以孙涛为代表的团队主要使用SEM探讨护理领域问题。

2.3机构合作分布图谱 为研究SEM在我国医药领域主要核心研究机构及其合作情况,对机构进行合作网络分析,结果见图3。机构合作网络图谱仅呈现发文量≥8的机构名称,由图中可得,N=503,E=257,density=0.002,研究机构主要分布在各大院校,机构间合作较分散。

图3 机构合作网络图谱Fig.3 Mapping of institutional cooperation networks

表3仅列出发文量前10的研究机构,可更为直观地看出SEM在我国医药领域的主要研究机构。从表3可知,在该领域的的主要研究机构包括北京大学、东南大学公共卫生学院、山西医科大学、中国科学院心理研究所、南京中医药大学、哈尔滨医科大学等。

表3 SEM在医药领域的研究机构与频数Tab.3 SEM research institutions and frequency in the field of medicine

2.4关键词共现图谱 由于关键词共现分析网络过于密集,选择对网络进行裁剪。且不同作者对同一词语的表述不同,故将节点中同义词进行合并,得到关键词共现图谱(图4),关键词共现图谱仅显示频次前35的关键词。列出中介中心性前12的关键词,见表4。结合图4和表4可知,SEM结合了验证性因子分析与路径分析,“结构方程模型”“影响因素分析”出现的频次高且中心性高,是SEM在医药领域多学科应用的主要研究类型。“心理健康”“生活质量”“信效度”“应对方式”中心性均≥0.1,为多个学科研究均感兴趣的主题。SEM在我国医药领域应用较多的研究类型是影响因素分析、中介效应分析、验证性因子分析、路径分析;研究对象有护士、老年人、医疗机构、医生、青少年、学生等;研究方法有计划行为理论、调查问卷;研究主题包括社会支持、生活质量、应对方式、心理健康、信效度检验、心理弹性、中医证候等。

表4 中介中心性前12的关键词Tab.4 Top 12 keywords in centrality

图4 关键词共现图谱Fig.4 Keyword co-occurrence mapping

2.5关键词聚类图谱 基于关键词共现图谱,通过选择似然方程(log-likelihood equation,LLR)对关键词进行聚类,选择共聚最大的前11个聚类,得到关键词聚类图谱(图5),前6个聚类的主要关键词见表5。关键词聚类图谱中,Q=0.556 8,S=0.817 2,说明得到的聚类模块显著且具有高信度。图谱中颜色从上至下代表发表时间由远及近,其中#0护士该聚类颜色为红色,说明该聚类的内容为近期研究。对#0进行分析,S=0.895,表示该聚类具有同质性。#0涉及的对象有护士,涉及的研究主题包括心理资本、职业倦怠、工作满意度、工作投入等。

表5 关键词前6个聚类Tab.5 Top six keywords in cluster

图5 关键词聚类图谱Fig.5 Keyword clustering map

2.6关键词突现图谱 1992年起,SEM逐渐被应用于我国医药领域。对1992—2020年的关键词进行突发性检测,选择30个热点关键词(图6),其中近几年研究热点分别是护理、新型冠状病毒感染(Corona Virus Disease 2019,COVID-19)、护生、病耻感、使用意愿、肺癌等。

图6 关键词突现图谱Fig.6 Keywords burst map

3 讨论

3.1SEM在我国医药领域的发展趋势 1992年,张风雨等[11]发表我国第一篇中文医药领域SEM文章,引入SEM分析医学现场资料中存在潜变量结构的情况,较好地解决了线性回归分析和路径分析方法无法解决的问题,并指出了SEM在医学中的应用前景;2000—2006年SEM在我国医药领域的应用处于探索阶段,该阶段文献主要为综述,探讨了SEM在效度评价、流行病学、中医证候、心理学研究中的应用;2007年至今,SEM在我国医药领域的应用呈快速增长趋势,该阶段研究内容丰富,主要包括临床医学、流行病学、临床心理学、公共卫生、中医证候、护理学等,涉及中介分析、影响因素分析、因果分析、相关性分析等对研究内容进行探讨。SEM在医药领域的应用快速增长,原因可能在于SEM适用于分析潜变量、分析复杂结构关系的作用,随着SEM方法学的发展,出现许多基于SEM的新变式模型,在群体异质性和追踪研究方面发挥了重要作用[12],且SEM软件的发展增加了SEM可用性,故越来越多的研究者将SEM纳入临床研究的标准研究设计和数据分析策略。从文献发表期刊情况来看,验证了SEM在我国医药领域的应用涵盖多个学科,表明我国医药领域多学科正日益认识并使用SEM,专注于解决医药领域多学科中需要研究潜变量的难题。

3.2SEM在我国医药领域的应用现状 从作者合作和机构合作分布图谱可知,越来越多医药从业人员将SEM与研究内容结合起来,但研究者之间的合作较分散,主要研究机构分布于各大高校,作者合作与机构合作尚未形成集群。因此,相较于传统的统计学方法,医药从业人员对SEM的认识仍有待加强,SEM作为有效的统计方法,可为医药从业人员解决研究中遇到的问题。

关键词突现结果显示,1994—2006年,“验证性因子分析”“线性结构方程模型”“潜变量”是SEM研究的热点,期间研究者逐渐使用SEM分析“人格”“中医证候”“双生子研究”“信效度”,该段年份我国医药领域多学科对SEM表示出相似的兴趣。2007年至今,SEM被应用于多方面主题研究,结合关键词共现与聚类分析,可将在该阶段研究热点归纳为医务人员工作情况、心理健康、行为意愿、量表的信度与效度检验、中医证候、生活质量、护理、满意度调研等,应用研究类型主要为影响因素分析、中介效应分析。SEM之所以适用于以上研究热点,与研究内容逐渐涉及潜变量、复杂结构密切相关。

黄建等[13]构建民营医院患者体验、满意度与忠诚度模型,验证了3个维度之间的关系,从而在提高患者的生命质量等方面为院方提供依据;姜勤勤等[14]采用SEM研究有用性、患者态度对“互联网+护理服务”患者采纳意愿的影响,为推进“互联网+护理服务”可持续发展提供建议;任正等[15]为了解医务人员心理健康现状,探讨社会支持、职业倦怠、工作压力等影响因素对心理健康状况的作用路径,为增进医务人员心理健康水平提供参考策略;吾超等[16]采用SEM探讨传染科护士的应对方式在自我效能感与职业成功间的中介效应,得出有效促进护士职业成功的途径;柴可夫等[17]研究糖尿病早期微血管病变的证候-证素-症状关系。总之,在分析医务人员工作情况、心理健康、行为意愿、满意度、中医证候等主题时,常涉及探讨多潜变量之间的复杂关系与中介作用等问题,通过SEM将所有要素都考虑在内,得到的模型具备较好的参考价值。此外,量表作为多学科研究调查中获取信息的重要工具,为确认量表的真实性与可靠性,SEM也常被用来检验量表的结构效度。

3.3SEM在我国医药领域的研究趋势 对突现结果中近年来热点关键词的来源文献总结可知,SEM近些年来在护理领域应用较为广泛,研究对象包括护士、护生、患者、护工、患者家属等,研究主题有留职意向、专业适应性、职业认同、工作投入、护理人员心理健康、患者(肺癌患者等)临床护理、患者病耻感等。这与隋小帆等[18]的结论一致,后者对多个数据库中应用SEM进行护理研究的文献进行检索,发现其相关论文呈显著上升,SEM由最初的研究范围仅护理教育与管理,逐渐拓展至各专科临床护理研究,研究对象覆盖了护士、护生、服务对象、照顾者等,这与实际临床护理研究中会遇到许多不可测量指标有关。SEM在COVID-19疫情期间的相关研究也属于研究热点与前沿,由于COVID-19对人身体与心理的伤害,2020年起SEM逐渐被应用于分析COVID-19疫情期间居民接种意愿、隔离意愿、预防行为以及医务人员在新冠病毒期间工作、心理情况分析等主题,如许彬等[19]通过SEM分析公众对COVID-19疫情的常识性防疫能力、过度反应和预期之间的关系,为后COVID-19疫情时代公众健康素养教育提供依据等,SEM分析人们对COVID-19疫情的知晓以及心理状况等方面发挥着重要作用。同时,探讨用户对信息技术的使用意愿成为近年来SEM在我国医药领域的研究前沿方向,一方面因为随着医疗科技不断创新,线上医疗服务等信息技术的出现对医疗资源配置起着重要的作用[20],另一方面用户对信息技术的主观感受是影响用户使用该技术的重要原因,技术开发者越来越注重用户个人体验,因此有必要了解影响医疗信息平台用户接纳的因素,进而提出相应建议。对前沿热点的分析可发现,医药领域研究越来越关注个人的主观感受,这也是SEM在医药领域应用逐渐增多的原因。

总之,我国医药领域在主观感受方面的关注使SEM解决潜变量、复杂模型的能力逐渐受到医药人员的重视,SEM在我国医药领域的研究数量逐年上升,但对SEM的理解仍需加强。本研究检索我国多个权威中文数据库,利用 CiteSpace 分析并呈现SEM在我国医药领域的研究现状、热点及趋势,其结果具有参考价值。由于CiteSpace分析中文文献的局限性,主要以关键词作为分析,对内容的讨论也以关键词呈现,可能存在描述偏倚的情况,本文仅讨论SEM在我国医药领域的应用,未对国外的研究热点及趋势进行探讨和对比,未来可对此深入分析。