热点关注
2000—2020年中国多重耐药菌研究热点的可视化分析
中国全科医学, 2022,25(24) : 2960-2964. DOI: 10.12114/j.issn.1007-9572.2021.02.081
摘要
背景

多重耐药菌可导致医院感染风险增加,给患者家庭及社会带来巨大经济负担,分析多重耐药菌研究现状及热点对今后深入开展细菌耐药性研究具有重要意义。

目的

分析2000—2020年中国多重耐药菌研究热点。

方法

通过CiteSpace软件、文献计量学方法对近20年来在中国知网上发布的与多重耐药菌相关的文献进行可视化分析,包括相关文献增长规律、高频关键词、研究热点的演变等。

结果

根据所获得的3 808篇有效文献,2000—2020年我国多重耐药菌相关研究总体呈现上升趋势,其中2000—2004年为低产出期,2005—2009年为缓慢增长期,2010—2015年为快速增长期,2016—2018年为相对平稳期,2019—2020年为后续发展期。关键词共现关系网络共识别出221个节点、302条连线,除多重耐药菌、多重耐药外,出现频次排在前20位的关键词中医院感染、多重耐药菌感染、铜绿假单胞菌、ICU、大肠杆菌、抗药性、抗生素、肺炎克雷伯菌、药敏试验、重症监护室的中心性均≥0.10。通过关键词聚类分析将关键词共现关系网络聚类为15个"簇",主要围绕以下4个主题展开:多重耐药菌种、多重耐药菌感染及预后、引发多重耐药菌感染疾病、多重耐药菌产生机制及防控。2000—2013年高被引突现词主要集中在耐药菌株、耐药性、抗生素、整合子等,2013年之后没有出现突现词。

结论

我国2000—2020年多重耐药菌相关研究总体呈现上升趋势,医院感染、抗生素、重点耐药菌株、整合子等是研究热点,但耐药性监测方面的研究较少。

引用本文: 章琦, 李宝珍, 郑雪梅, 等.  2000—2020年中国多重耐药菌研究热点的可视化分析 [J] . 中国全科医学, 2022, 25(24) : 2960-2964. DOI: 10.12114/j.issn.1007-9572.2021.02.081.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

本刊2022年版权归中国全科医学杂志社所有

未经编辑部许可,不得任意转载和摘编

本刊所发表作品仅为作者观点,并不代表编委会和编辑部意见

如有印装质量问题请向本刊发行部调换

近一个世纪以来,抗菌药物的应用极大地降低了多种感染性疾病的发生率和致死率,开启了抗菌治疗的"黄金时代",但进入21世纪以来,细菌耐药问题凸显,并逐渐成为全球性重大公共卫生难题之一。多重耐药菌(multidrug resistance bacteriaorganism,MDRO)指对通常敏感的常用的3类或3类以上抗菌药物同时不敏感的细菌,是现阶段我国医院感染防控面临的主要问题之一[1]。研究表明,多重耐药菌可增加多种感染发生风险、患者痛苦及死亡率,延长患者住院时间,给患者及其家属造成巨大经济负担,极大地消耗医疗和社会资源[2]。因此,分析我国多重耐药菌研究热点对于深入开展细菌耐药性研究具有十分重要的意义。

文献计量学的研究对象是文献系统和文献计量学特征,主要通过运用数理统计方法对文献信息的分布结构、数量关系和变化规律进行科学分析[3]。本研究以近20年来在中国知网上发布的与多重耐药菌相关的文献为研究对象,通过CiteSpace软件、文献计量学方法从变化趋势、关键词共现、聚类等维度进行可视化分析,以了解我国多重耐药菌研究热点等。

1 资料与方法
1.1 数据来源

以中国知网为数据源,采用高级检索方式,以"主题"为检索项、"多重耐药菌"为检索词进行检索,发表时间限定为2000-01-01至2020-11-17,共检索出5 414篇文献,剔除重复文献、会议论文、摘要汇编、培训通知、新闻报道等后共获得有效文献3 808篇。

1.2 方法

CiteSpace软件是基于共引理论和寻径算法、采用Java语言开发的用于计量特定研究领域文献的可视化软件,在寻找某一研究领域的研究进展、研究前沿及与其相对应的基础知识等方面具有较高的应用价值[45]。共词分析法是一种文献计量学方法,可通过对某研究领域关键词在文献中出现的总频次进行统计和分析而对该领域的研究热点和今后的发展态势进行展示[6]。本研究采用CiteSpace V5.7.R1软件完成对所获得文献高频关键词的提取,并进行共现及聚类分析,具体步骤如下:(1)采用Excel软件导出所获得的有效文献的基本信息,包括文题、作者、来源期刊、出版年、期等,以分析文献增长规律和来源。(2)将所获得有效文献的基本信息以Refworks格式导出,采用CiteSpace软件进行数据转换,分析时间跨度设置为2000—2020年,时间区分设置为1年,节点类型中选择"Keyword"进行关键词共现分析,节点阈值选择Top 50 per slice。(3)关键词共现分析对象为所获得有效文献的关键词,得出的共现关系网络能反映关键词出现频率及当前研究热点,其中高频关键词指出现频次较高的关键词;关键词中心性可反映测量节点在网络中的重要性,通过该指标可发现并衡量关键词的重要性,关键词中心性不低于0.1的节点被称为关键节点[7]。(4)设置"Burstness"(突发性节点)以展现研究热点的变化特征,并采用中心度测量方法,从标题、摘要、检索词和文献记录标识符中提取突现词以梳理出关键节点相关文献的演进,进而反映研究热点随时间变化趋势。

本研究价值:

目前,我国尚无针对多重耐药菌研究热点的可视化研究。本研究在文献计量学的基础上融入大数据理念,借助通过CiteSpace软件、文献计量学方法对多重耐药菌相关文献进行可视化分析,利于相关领域研究者了解多重耐药菌领域研究热点、前沿进展等。

2 结果
2.1 多重耐药菌相关文献增长规律

根据所获得的3 808篇有效文献,2000—2020年我国多重耐药菌相关研究总体呈现上升趋势,其中2000—2004年为低产出期,2005—2009年为缓慢增长期,2010—2015年为快速增长期,2016—2018年为相对平稳期(增长相对平稳),2019年发文量与2018年相比明显增加,2020-01-01至2020-11-17发文量与2019年相比有所降低,为后续发展期。见图1

点击查看大图
图1
2000—2020年中国多重耐药菌相关文献年度刊载量
Figure 1
Annual publication volume of studies about multidrug-resistant organisms in China from 2000 to 2020
点击查看大图
图1
2000—2020年中国多重耐药菌相关文献年度刊载量
Figure 1
Annual publication volume of studies about multidrug-resistant organisms in China from 2000 to 2020
2.2 多重耐药菌相关文献来源期刊

所获得的3 808篇有效文献中1 791篇(占47.03%)发表在核心期刊(入编《中文核心期刊要目总览》的期刊);发文量排在前10位的来源期刊共刊载相关文献708篇(占18.59%),其中437篇(占61.72%)发表在核心期刊。详见表1

点击查看表格
表1

2000—2020年中国多重耐药菌相关文献发文量排在前10位的来源期刊

Table 1

Top 10 journals ranked by the number of studies about multidrug-resistant organisms published in China from 2000 to 2020

表1

2000—2020年中国多重耐药菌相关文献发文量排在前10位的来源期刊

Table 1

Top 10 journals ranked by the number of studies about multidrug-resistant organisms published in China from 2000 to 2020

排序来源期刊发文量(篇)占比(%)核心期刊
1中国消毒学杂志13819.49
2中国感染控制杂志11015.54
3世界最新医学信息文摘8111.44
4中国感染与化疗杂志7210.17
5国际检验医学杂志7110.03
6中国医药指南537.49
7中国卫生检验杂志476.64
8中国抗生素杂志466.50
9临床合理用药杂志456.35
10中国实用医药456.35

注:核心期刊指入编《中文核心期刊要目总览》的期刊

2.3 多重耐药菌相关文献高频关键词分析
2.3.1 关键词共现关系

通过CiteSpace软件统计高频关键词并绘制关键词共现关系网络,共识别出221个节点、302条连线,除多重耐药菌、多重耐药外,出现频次排在前20位的关键词中医院感染、多重耐药菌感染、铜绿假单胞菌、ICU、大肠杆菌、抗药性、抗生素、肺炎克雷伯菌、药敏试验、重症监护室的中心性均≥0.10(图2表2)。

点击查看大图
图2
2000—2020年中国多重耐药菌相关文献关键词共现关系网络
Figure 2
Keywords co-occurrence network in studies related to multidrug-resistant organisms published in China from 2000 to 2020
点击查看大图

注:关键词出现频次用圆形节点表示,圆形越大表示出现频率越高;圆形节点间的连线表示两个关键词在文献中共现,连线的粗细反映共现次数多少

图2
2000—2020年中国多重耐药菌相关文献关键词共现关系网络
Figure 2
Keywords co-occurrence network in studies related to multidrug-resistant organisms published in China from 2000 to 2020
点击查看表格
表2

2000—2020年中国多重耐药菌相关文献中排在前20位的高频关键词

Table 2

Top 20 ranked high-frequency keywords in studies related to multidrug-resistant organisms published in China from 2000 to 2020

表2

2000—2020年中国多重耐药菌相关文献中排在前20位的高频关键词

Table 2

Top 20 ranked high-frequency keywords in studies related to multidrug-resistant organisms published in China from 2000 to 2020

排序关键词出现频次(次)中心性
1多重耐药菌1 7110.14
2多重耐药6680.23
3医院感染5500.12
4耐药性4300.02
5多重耐药菌感染3900.34
6铜绿假单胞菌3500.17
7感染2250.07
8危险因素1940.00
9抗菌药物1820.02
10病原菌1810.07
11重症监护病房1790.00
12护理1500.04
13ICU1460.10
14大肠杆菌1290.21
15抗药性1060.35
16抗生素930.10
17鲍曼不动杆菌830.02
18肺炎克雷伯菌820.28
19药敏试验760.26
20监测750.06
21院内感染740.09
22重症监护室730.37
2.3.2 关键词共现聚类

通过关键词聚类分析将关键词共现关系网络聚类为15个"簇"(图3),其中模块值为0.800 5,平均轮廓值为0.668 8;进一步对15个"簇"进行划分发现,多重耐药菌研究主要围绕以下4个主题展开:多重耐药菌种(聚类#0、#1、#2、#12)、多重耐药菌感染及预后(聚类#3、#6、#10、#11)、引发多重耐药菌感染疾病(聚类#8、#9、#14)、多重耐药菌产生机制及防控(聚类#4、#5、#7、#13)。

点击查看大图
图3
2000—2020年中国多重耐药菌相关文献关键词共现聚类分析
Figure 3
Cluster analysis of keywords co-occurrence in studies related to multidrug-resistant organisms published in China from 2000 to 2020
点击查看大图

注:modularity Q表示聚类模块值,>0.3表示聚类结构显著;Mean Silhouette表示平均轮廓值,>0.5表示聚类合理,>0.7表示聚类令人信服

图3
2000—2020年中国多重耐药菌相关文献关键词共现聚类分析
Figure 3
Cluster analysis of keywords co-occurrence in studies related to multidrug-resistant organisms published in China from 2000 to 2020
2.4 多重耐药菌研究热点的演变

2000—2013年高被引突现词主要集中在耐药菌株、耐药性、抗生素、整合子等,2013年之后没有出现突现词(表3)。

点击查看表格
表3

2000—2020年中国多重耐药菌相关文献中排在前10位的突现词

Table 3

Top 10 burst-related words in studies related to multidrug-resistant organisms published in China from 2000 to 2020

表3

2000—2020年中国多重耐药菌相关文献中排在前10位的突现词

Table 3

Top 10 burst-related words in studies related to multidrug-resistant organisms published in China from 2000 to 2020

突现词起始年份终止年份爆发强度
大肠杆菌2001201112.671 2
多重耐药2001201037.120 1
耐药基因200120117.814 3
耐药性200120086.795 9
微生物200120073.848 5
抗生素2001201016.369 8
整合子2002201315.239 0
多重耐药菌株200320066.360 5
大肠埃希氏菌200320095.928 4
铜绿假单胞菌2003201053.510 9

注:爆发强度主要反映某个关键词出现频次在短期内变化程度,数值越大表示该关键词在短期内被学者关注越多、相关研究增加量越大

3 讨论

2011年世界卫生日的主题为"控制细菌耐药:今天不采取行动,明天将无药可用",同年卫生部办公厅印发《多重耐药菌医院感染预防与控制技术指南(试行)》[8]以降低多重耐药菌医院感染发生风险;2016年,国家卫生计生委、国家发展改革委、教育部等14个部门联合制定了"遏制细菌耐药国家行动计划(2016—2020年)"[9]。上述文件的颁布表明细菌耐药问题已引起我国高度重视,因而分析我国多重耐药菌研究热点对于深入开展细菌耐药性研究具有重要意义。本研究根据所获得的有效文献分析我国多重耐药菌相关文献增长规律发现,2000—2020年我国多重耐药菌相关研究总体呈现上升趋势,大体分为5个阶段:低产出期(2000—2004年)、缓慢增长期(2005—2009年)、快速增长期(2010—2015年)、相对平稳期(2016—2018年)、后续发展期(2019—2020年)。

本研究结果显示,所获得的3 808篇有效文献中发表在核心期刊者仅占47.03%,而发文量排在前10位的来源期刊所刊载的相关文献仅占18.59%,提示2000—2020年刊载我国多重耐药菌相关研究的期刊分布比较分散,且核心期刊刊载量有限。因此,今后还应继续开展多重耐药菌高水平研究,以科学、有效地延缓细菌耐药的发生和发展。

CiteSpace软件是一款基于Java语言环境的可视化知识图谱分析软件,可通过对某一领域相关文献进行共现和共被引分析而呈现该领域研究现状并对其发展趋势进行预测[10]。随着信息技术的发展和大数据时代的到来,CiteSpace软件已成为科学研究的必备利器,已被国内外学者应用于多个研究领域[111213]。本研究通过CiteSpace软件统计高频关键词并绘制关键词共现关系网络,结果发现,除多重耐药菌、多重耐药外,出现频次位于前20位的关键词中医院感染、多重耐药菌感染、铜绿假单胞菌、ICU、大肠杆菌、抗药性、抗生素、肺炎克雷伯菌、药敏试验、重症监护室的中心性均≥0.10;通过关键词聚类分析将关键词共现关系网络聚类为15个"簇"并进一步划分为多重耐药菌种、多重耐药菌感染及预后、引发多重耐药菌感染疾病、多重耐药菌产生机制及防控共4个主题,且聚类结构显著、聚类合理,结果可信。鉴于高频关键词可能是某领域研究热点或研究重点[14],通过共现分析得到的高频关键词可以揭示某一领域主题结构和热点问题,更利于对某一领域研究热点进行综合分析[1516]。因此,上述研究结果也为我国今后的多重耐药菌研究提供了一定方向和思路。

需要指出的是,由于医院是发生多重耐药菌感染的主要场所,因此医院感染自然成为我国多重耐药菌领域研究热点之一,相关研究内容主要包括重点耐药菌株、常见医院感染类型、防控措施3个方面:(1)重点耐药菌株以包括铜绿假单胞菌、鲍曼不动杆菌、肺炎克雷伯菌及大肠杆菌等在内的革兰阴性菌为主,且相关研究主要集中在ICU医院感染患者病原菌的分布和变化上;(2)常见医院感染类型包括手术部位感染、呼吸机相关性肺炎及中心性导管相关性血流感染,且研究倾向于通过流行病学调查的方法来描述和分析感染现状;(3)防控措施相关研究集中于手卫生、接触隔离、环境清洁消毒、抗生素合理应用与管理等的执行效果,积极探索多学科合作的新管理模式以减少医院感染的发生、杜绝医院感染的暴发等。

此外,对抗菌药物的研究也是我国多重耐药菌领域研究热点之一,主要涉及耐药性、耐药基因及药敏试验等方面。根据研究对象,抗菌药物研究可以分为两个大类:一是以动物为研究对象,通过药敏试验结果分析常见病原菌耐药性和耐药机制,进而指导兽用抗菌药物的合理使用,帮助农、林、牧、渔业制定科学、合理的抗菌药物应用与管理策略;二是以人为研究对象,通过分析多重耐药菌的分布及其耐药性而掌握感染相关因素,规范抗菌药物在临床诊疗当中的应用。

本研究局限性:本研究以中国知网为数据来源,未纳入其他中文数据库及外文数据库相关文献,文献覆盖不全面,存在漏检相关文献的可能性。

综上所述,本研究在文献计量学基础上融入大数据理念,通过CiteSpace软件对我国2000—2020年多重耐药菌相关研究进行可视化分析,结果发现相关研究总体呈现上升趋势,医院感染、抗生素、重点耐药菌株、整合子等是研究热点,但耐药性监测方面的研究较少,建议今后在分子生物学、生物信息学及微生物检验学等多学科交叉领域对多重耐药菌进行深入研究。

利益冲突
利益冲突

本文无利益冲突。

参考文献
[1]
黄勋邓子德倪语星. 多重耐药菌医院感染预防与控制中国专家共识[J]. 中国感染控制杂志2015141):1-9. DOI:10.3969/j.issn.1671-9638.2015.01.001.
HUANGXDENGZ DNIY Xet al. Chinese experts' consensus on prevention and control of multidrug resistance organism healthcare-associated infection[J]. Chinese Journal of Infection Control2015141):1-9. DOI:10.3969/j.issn.1671-9638.2015.01.001.
[2]
乔甫黄文治宗志勇. 多重耐药菌感染防控的意义与发展趋势[J]. 中国护理管理2019198):1129-1134. DOI:10.3969/j.issn.1672-1756.2019.08.003.
[3]
赵蓉英许丽敏. 文献计量学发展演进与研究前沿的知识图谱探析[J]. 中国图书馆学报2010365):60-68. DOI:10.13530/j.cnki.jlis.2010.05.006.
ZHAOR YXUL M. The knowledge map of the evolution and research frontiers of the bibliometrics[J]. Journal of Library Science in China2010365):60-68. DOI:10.13530/j.cnki.jlis.2010.05.006.
[4]
CHENCSONGM. Visualizing a field of research:a methodology of systematic scientometric reviews[J]. PLoS One20191410):e0223994.
[5]
令娟樊玉清胡兰文. 基于CiteSpace及VOSviewer的2019新型冠状病毒研究热点的可视化分析[J]. 中华医院感染学杂志20203010):1468-1474. DOI:10.11816/cn.ni.2020-206052.
LINGJFANY QHUL Wet al. Visualization analysis of hotspots of research on SARS-CoV-2 based on CiteSpace and VOSviewer[J]. Chinese Journal of Nosocomiology20203010):1468-1474. DOI:10.11816/cn.ni.2020-206052.
[6]
毛强刘兴荣任欢欢. 基于共词分析及可视化网络图的医务人员手卫生研究热点及变化趋势[J]. 中华医院感染学杂志20172713):3102-3105. DOI:10.11816/cn.ni.2017-163689.
MAOQLIUX RRENH Het al. A study on hotpots and trends of hand hygiene among health care workers based on co-word analysis and visualized network diagram[J]. Chinese Journal of Nosocomiology20172713):3102-3105. DOI:10.11816/cn.ni.2017-163689.
[7]
韩颖赖晓全熊薇. 基于Citespace软件的医院感染文献可视化分析[J]. 中华医院感染学杂志20192920):3154-3158. DOI:10.11816/cn.ni.2019-191882.
HANYLAIX QXIONGWet al. Visualization analysis of Citespace-based software on literatures of nosocomial infection[J]. Chinese Journal of Nosocomiology20192920):3154-3158. DOI:10.11816/cn.ni.2019-191882.
[8]
卫生部办公厅关于印发《多重耐药菌医院感染预防与控制技术指南(试行)》的通知[J]. 中华人民共和国卫生部公报20112):59-61.
[9]
国家卫生计生委国家发展改革委教育部. 关于印发遏制细菌耐药国家行动计划(2016—2020年)的通知(国卫医发〔2016〕43号)[EB/OL]. (2016-08-25)[2021-07-10]. http://www.nhc.gov.cn/yzygj/s3593/201608/f1ed26a0c8774e1c8fc89dd481ec84d7.shtml.
[10]
曹煜隆武迎宏. 应用CiteSpace对《中华医院感染学杂志》近3年发表文献的计量学及可视化分析[J]. 中华医院感染学杂志20172718):4317-4320. DOI:10.11816/cn.ni.2017-172475.
[11]
YONOFFR EOCHOAG VCARDENAS-ESCORCIAYet al. Research trends in proton exchange membrane fuel cells during 2008—2018:a bibliometric analysis[J]. Heliyon201955):e01724.
[12]
PEIWPENGRGUYet al. Research trends of acupuncture therapy on insomnia in two decades(from 1999 to 2018):a bibliometric analysis[J]. BMC Complement Altern Med2019191):225. DOI:10.1186/s12906-019-2606-5.
[13]
ZOUYLUOYZHANGJet al. Bibliometric analysis of oncolytic virus research,2000 to 2018[J]. Medicine(Baltimore)20199835):e16817. DOI:10.1097/MD.0000000000016817.
[14]
许卓文. 医学论文中的关键词和主题词[J]. 临床荟萃20122720):1748,1784.
[15]
安源张玲. 文献计量学在我国图书情报领域的应用研究进展综述[J]. 图书馆20145):63-68.
[16]
章小童. 基于社会网络分析法的全民阅读研究热点探析[J]. 农业图书情报学刊2016286):80-84. DOI:10.13998/j.cnki.issn1002-1248.2016.06.017.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词