基于Gephi和CiteSpace对国内外早期预警评分系统研究的可视化分析

黄子旋 冷虹瑶 沈巧 柯淞淋 易敏 郑显兰

危重患者早期识别不及时将延误最佳救治的时机，将被动抢救转化为院内主动监测，提前预防是各个临床单元的重要任务。据报道，急诊患者病情恶化识别不及时延迟转入ICU救治的发生率达59.4%[1],人均救治费用增加了99 773美元[2]。20世纪末欧美国家最早提出早期预警评分系统（EWS）[3],通过对脉搏、呼吸、血压、体温、意识状态等重要生理指标评分，早期识别潜在危重患者并辅助指导相应干预措施，改善患者临床结局,降低院内不良事件,促进医疗安全。国外重症监护指南推荐应用早期预警评分系统对急危重症患者进行病情风险分级[4]。目前欧美国家早期预警评分系统应用广泛、较为成熟，而我国早期预警评分系统研究仍处于探索期[5-6]。有学者从不同视角对国内外EWS研究现状进行总结，但都建立在对文献的定性梳理基础上，对EWS研究文献进行定量分析鲜有报道[7-9]。文献计量可视化分析通过计算机软件把文献信息转换为知识图谱，具有直观形象、清晰展现研究领域发展趋势的优点[10]。因此，本研究借助可视化软件Gephi及CiteSpace梳理EWS研究现状，比较中外早期预警评分系统研究热点及前沿，探讨我国在该领域研究的优势和劣势，为我国学者对早期预警评分系统的进一步研究与应用提供参考。

1 资料与方法

1.1 数据来源及检索策略

本研究以中国知网CNKI以及Web of Science（WOS）核心合集数据库为检索源。CNKI检索式为：SU%=国家早期预警评分+改良早期预警评分+校正改良早期预警评分+重要性早期预警评分+新生儿早期预警评分+儿童早期预警评分+早期预警评分；WOS检索式为：TS＝（“National Early warning score” OR “Modified Early Warning Score”OR “Vital Early Warning Score”OR “Standardized Early Warning Score OR “Neonatal Early warning score”OR“Early warning score”OR “Pediatric Early Warning Score”OR “Track and Trigger System”。检索时间为2010年1月—2021年1月，检索类型限制为“期刊”/“Article”，语言限定为中文/英语。

1.2 文献纳入与排除标准

纳入标准：与早期预警评分系统研究相关的文献。排除标准：重复发表的文献；会议论文、经验交流、经验荟萃、研究咨询、新闻报道；研究内容缺失；文献数据无法提取整合分析。

1.3 数据格式转化

检索下载CNKI中文文献题录以“Refworks”格式及自定义文本格式导出，WOS英文文献题录以“全记录与引用的参考文献”纯文本格式导出，每条记录包括时间、作者、关键词、共被引文等信息，提取文本格式的信息转化为Gephi.0.9.2软件的矩阵数据格式[11]，对中文数据Refworks格式转化为CiteSpace5.5.R2软件可直接绘图的Converted数据格式。

1.4 数据分析方法

应用可视化软件Gephi0.9.2中Force Atlas布局算法以及圆形轮廓Fruchterman Reingold弹簧模型绘制图谱[12],展现国家或区域、研究作者合作关系网络。图谱中节点大小与发文量成正比，连线数量随着合作联系越紧密越多，连线也越粗[13]。采用CiteSpace5.5.R2软件对关键词进行共现和突现分析，①设置时间区间参数为“2010—2021年”，时间跨度为1，提取对象设置为“Top 20”。②设置节点处理参数为Keyword、Reference。③选择修图参数Pruning为Pathfinder，绘制共现和突现图谱探讨早期预警评分系统研究热点和前沿。为进一步反映中英文文献高频关键词的关联程度及核心地位，使用SPSS 20.0统计软件Euclidean度量距离模型，对中英文文献高频关键词进行多维尺度分析[14]。同时，通过CiteSpace软件对WOS数据库共被引文献聚类分析后绘制“时线图”展示该研究领域知识结构及其演化过程[15]，可视化实现过程如图1所示。

图1 早期预警评分系统研究可视化分析流程图

2 结果

共检索早期预警评分系统研究中英文文献2213篇，剔除重复发表论文（英文15篇，中文20篇）、会议论文（英文8篇，中文12篇）、经验交流等与主题无关论文（英文22、中文2篇），最后纳入文献2134篇。

2.1 一般情况分析

2.1.1 年发文量变化趋势 国内外年发文量在2010—2015年处于缓慢上升期，此后年发文量均在100篇以上。随后，国外年发文量在2017年前处于平稳上升期，2018—2020年呈现快速增长趋势，由2019年的195篇迅速增加到2020年的316篇。总体而言，国内外年发文量呈现持续上升趋势，具体信息见图2。

图2 近十年早期预警评分系统研究发文量统计

2.1.2 发表期刊分布 近十年早期预警评分系统相关研究英文文献主要发表于494本期刊，中文文献发表于244本期刊。国内外发表数量最多的期刊是RESUSCITATION（80篇）；对WOS数据库收录5篇及以上的期刊进行统计，34.3%英文文献影响因子集中在2～3分，21.3%英文文献影响因子在4分及以上。

2.2 早期预警评分系统研究领域科研力量分布

2.2.1 国家或地区贡献 2010—2020年共有107个国家或地区在Web of Science上发表了早期预警评分相关文章，其中发文超过20篇的国家或地区有19个，合作国家或地区关系网络的平均聚类系数为0.851，具有较高准确度和清晰度[13]。中心度反映网络中节点的关键性，数值越高说明该节点越核心[11]；中心度排名前3位国家是英国、加拿大和美国，连线数值分别为342、274和246，具体信息见图3。

图3 早期预警评分系统研究国家或地区合作网络

2.2.2 作者贡献 图4左显示国内作者合作关系网络。统计分析显示，5名及以上作者合作的研究团队有3个，中心度排名前3位的作者分别是新疆维吾尔自治区人民医院李萍（16篇）、广西医科大学第四附属医院阮海林（10篇）、中南大学湘雅医院彭伶丽（6篇）；图4右显示国外作者合作关系 网络，5名及以上作者合著的研究团队有7个，合作联系最多的是英国伯恩茅斯大学Smith.Gary B与朴次茅斯市公立医院Schmidt.Paul研究团队，中心度排名前3位的作者分别是伯恩茅斯大学Smith（28篇）、加拿大桑德贝区健康中心Kellett（23篇）、朴次茅斯市公立医院Meredith.Paul（19篇）。对比分析国内外作者合作网络，国外跨机构、跨地区作者合作强度较高，国内不同机构作者团体间合作较少、连线较稀疏、不紧密。

图4 CNKI（左）和Web of Science(右）早期预警评分系统研究作者合作网络

2.3 研究热点及前沿探测

2.3.1 关键词可视化共现分析 运用CiteSpace 5.5.R2软件分别生成中文（图5左）和英文关键词共现图谱（图5右）。中文图谱形成55个节点和66条连线，节点密度为0.044。英文图谱形成4个节点和72条连线，节点密度为0.050。中心度前5位中文关键词为改良早期预警评分、急诊、早期预警评分、病情评估、临床预后；前5位英文关键词为hospital mortality（死亡率）、Rapid Response System（快速反应系统）、validation（验证）、risk factors（风险因素）、Early warning Score（早期预警评分）。

图5 2010—2020年早期预警评分系统研究关键词共现图谱

2.3.2 关键词突现分析 通过CiteSpace 5.5.R2软件Burst指数及其持续时间分析突现关键词区域时间内爆发强度[16]，反映该领域研究前沿。2010—2015年国际对Medical Emergency Team（医疗急救小组）、Quality of care（护理质量）、Outcome（临床结局）、Trigger System（预检分诊系统）等较为关注，见表1。同期，国内学者较为关注院前急救、比较EWS与快速急诊内科评分等研究领域，见表2。2017—2021年EWS研究突现关键词中文有新生儿、儿童、不良事件、并发症以及SBAR沟通模式，英文有Management（管理）、Information technology（信息技术）以及National early warning score（英国国家早期预警评分）。

表1 早期预警评分系统研究突现关键词信息（英文）

2.3.3 关键词多维尺度分析 通过关键词多维尺度分析可进一步揭示高频关键词的核心地位、关联程度及相似性[14]。中英文多维尺度图4个象限均形成聚集关键词群，主要集中以下2个方面：①急诊学科领域，以关键词Emergency Department（急诊）、Septic Shock（感染性休克）、Risk Assessment（风险评估）、院前急救、多发伤等形成聚群；②危重症学科领域，以关键词Intensive Care Unit（重症监护室）、Clinical deterioration（病情恶化）、临床预后、死亡率、预测效能等形成聚群。此外英文多维尺度分析还探测出信息技术Electronic health record（电子病历系统）、Machine learning（机器学习）等新的关键词。其中改良早期预警评分接近多维尺度图核心位置，反映中文文献研究重点在改良早期预警评分。研究的热点和关键词共现分析基本一致，见图6。

图6 CNKI（左）和WOS（右）早期预警评分系统关键词多维尺度分析

2.4 演变趋势及发展方向

2.4.1 共被引文献聚类分析 通过聚类分析Web of Science数据库早期预警评分研究共被引文献绘制成时线图（见图7），反映该领域研究演变趋势。共被引文献聚类网络模块值Q为0.78，前7位聚类轮廓值Silhouette值均＞0.7，表明聚类同质性及合理性较好[17]。高中心性节点主要集中在聚类0和5，说明这些聚类影响力及受关注度高，突增强度高的节点主要集中在聚类3急诊医疗服务和5深度学习主题，说明这些聚类发展趋势逐渐增强。

2.4.2 高被引文献分析 分析图7各聚类高被引文献。聚类0、3、5各有2篇高被引文献，被引频次最高的文献是2013年Smith GB基于实时临床数据库对35583名患者比较34个版本早期预警评分工具的前瞻性准确性的队列研究[18]。突增强度最高的文献是2017年英国伦敦皇家医学院发布指南关于国家早期预警评分第二版的更新[19]，被引频次突增速度快，属于聚类3急诊医疗服务。见表3。

图7 早期预警评分系统研究领域共被引文献网络前7位聚类时线图

表3 近十年早期预警评分系统研究前8位高被引文献信息

3 讨论

3.1 早期预警评分研究现状分析

近十年国内外早期预警评分系统研究不断发展，2020年EWS研究的发文量将近2010年发文量的10倍，共发表相关中英文文献2134篇，总体发文量呈上升趋势，说明该领域研究日益受到国内外学者的关注。国际上Morgan等[3]于1997年首先提出早期预警评分,随后其他学者均在此基础上进行改良。国内周巍等[20]于2009年在《中华急诊医学杂志》上发表题名为“改良的早期预警评分在急性胰腺炎中的应用”是首篇有关早期预警评分的核心学术文献，为国内相关研究奠定了基础。自此，国内EWS相关论文产量处于持续上升趋势，且在未来仍有可能保持较高热度。

综合分析国家和作者发文量及中心度，EWS研究主要集中在英国、美国、爱尔兰等国家，其中以英国伯恩茅斯大学Smith作者、英国朴次茅斯市公立医院Schmidt.Paul作者发文量及合作连线最多；上述国家及作者在论文产量、跨区域合作强度及学术影响力较为突出。这可能与国内外对早期预警评分系统研究关注程度不同有关。英国、爱尔兰医疗服务系统相继出台政策，把“早期预警评分系统”规定为各医疗机构病情评估方法，定期开展危重症患者病情早期预警培训项目[21-22]。而我国仅有部分医院建立EWS病情早期预警工作流程，仍处于实践研究阶段[23]。因此，建议我国卫生部门推出相关支持项目，发挥导向作用，促进早期预警评分系统研究的深度和广度，不断提高研究质量并推动研究成果的普及。

3.2 EWS研究热点分析

关键词高度概括文献核心内容，通过关键词共现及多维尺度分析梳理该研究领域的研究热点主要集中在以下方面。

3.2.1 基于EWS病情预警管理模式 关键词共现分析显示，中心度排前两名的英文高频关键词是快速反应系统（RRS）及医疗急救小组（MET），说明该领域受国际研究学者较多关注，是该领域研究热点。快速反应系统是指医护人员通过早期预警评分系统监测患者相关生理指标，早期识别病情恶化，并启动快速反应小组或急救医疗小组及时干预的预警管理模式[8]。目前基于EWS病情预警管理模式在欧美发达国家较完善成熟，该系统明确了EWS应答流程，为患者病情恶化前早期、迅速、合理地给予医疗护理干预提供了规律有序的工作模式[24-25]。但国内基于EWS病情预警管理模式的实践仍处于探索期，基于EWS的护理应答程序尚未达成共识[26]，余金秀等[27]对儿科普通住院患者采用的护理应答程序是：EWS为0～1分时按护理级别进行巡视；2分时报告通知医生并启动至少1次生命体征监测；当EWS为3分时，立即通知医生进行初步医疗处理，每30 min巡视1次；≥4分时或单项评分为3分时，通知医生15 min内到达患儿床旁干预。刘海燕等[28]对急诊呼吸系统疾病患者的护理工作流程是：当EWS≤4分时，通知急诊专科护士，每1～2 h巡视1次；5～8分时通知医生及护理组长进行初步救治处理，每30 min巡视1次。耿壮丽[29]对急性心肌梗死患者的护理应答程序为：当EWS为0～3分时，在患者身份识别卡贴蓝色标识，每4 h复评；当EWS为4～7分时，贴黄色标识，每1 h复评；当EWS≥8分时，贴红色标识并立即通知医生及护理组长干预，每30 min复评。虽然这些护理措施取得了较好的临床效果，但是对于重复评估的时间、动态评估的间隔时间以及基于 EWS分值不同分级护理的方案尚无标准，影响了EWS在临床推广应用。

3.2.2 早期预警评分预测危重患者的价值 关键词共现分析显示，国内外中心度前五名共同高频关键词临床预后、预测效能，Validation（验证），Hospital Mortality（住院死亡率）受到研究学者较多关注，是该领域研究热点。早期预警评分工具的敏感性低容易导致漏诊、延误病情、降低预测价值，而特异性低则会浪费有限的医疗资源，最佳截断点（即最大约登指数）是权衡早期预警评分工具的灵敏度及特异度，优化早期预警评分系统的重要分界值[30-31]。应用EWS进行病情转归预测验证时，常用的结局指标包括①以患者住院死亡率为结局指标，高被引文献[32]显示国家早期预警评分NEWS≥6分为最佳截断点，AUC（ROC曲线下面积）为0.822（95%CI0.690～0.953）,预测效力高；②以患者心搏骤停为结局指标，不同研究显示[33-34]NEWS≥5分或者7分为最佳截断点，AUC均在0.8以上，假阳性率均较低；③以患者转入ICU为结局指标，NEWS≥4分为最佳截断点[35]，AUC为0.87（95%CI, 0.79～0.95），提示需要每小时复评。此外还有少数研究对患者ICU住院天数、住院率等结局指标进行EWS预测效能的验证[36]。由于这些最佳截断点的单中心病例回顾研究较多、证据等级较低[30]，关于不同断截点划分的标准尚未达成共识，仍需通过更多的同质化随机对照试验为EWS截断值划分的分类提供依据。

3.3 EWS研究前沿分析

通过突现关键词及共被引文献网络准确把握研究前沿[10,15]，突现关键词信息技术Information technology自2017年频次突增，同时，还探测出相关英文聚集关键词群包括电子病历记录（electronic health record）、机器学习（machine learning）等，说明EWS信息化系统的研发与应用是该研究领域前沿。追踪聚类5的施引文献，Badriyah等[37]开发了基于决策树分析算法的早期预警评分系统软件（DTEWS），通过临床数据库将198，775例急诊患者住院期间生命体征参数导入软件得出预警评分，预测患者转入ICU和住院死亡率的AUC分别为0.862和0.899，准确性较高，为后续相关研究奠定了基础。相继追踪聚类5高被引文献，Skyttberg等[38]研究将早期预警评分纳入电子病历系统，通过护士输入EWS所需的指标参数时，电子病历系统能够自动归入相应的色彩区块或计算数值，减少人为计算的错误。相较国外研究，我国关于早期预警评分信息化系统、EWS触发软件以及电子病历系统研究较少、预警信息化程度较低[39-40]。国内学者冯小芳等[41]于2021年建立了新生儿早期预警评分信息化系统，自动标识患儿预警等级，提送至护理界面实现预警，但目前该系统需要手动录入生命体征等数据后，才能评分提醒患者病情分级，尚未实现智能收集生理参数功能。传统的评分系统具有单一时点评估特点，信息收集不完整，对病情变化预测评估不连续[39-40]，EWS信息化系统具有动态监测、连续评估潜在危重患者病情进展、保障患者安全的特点，或将成为EWS研究的必然发展趋势。

3.4 护理启示与研究局限

本文利用CiteSpace和Gephi软件对国内外早期预警评分系统研究主题进行文献计量分析，梳理了EWS研究现状，对中外研究热点、前沿进行了对比和总结，这也给国内研究学者以及临床护理人员提供了启发：①EWS研究受到中外学者较多关注，尤其是英国、美国、加拿大等国家在该领域学术影响力突出，国内后续护理研究可借鉴国际EWS研究经验加强不同机构护理团队间的合作联系、促进EWS研究成果产出。②我国基于EWS病情预警管理模式仍处于探索阶段，临床上EWS分级护理的方案、截断值划分尚未达成共识，今后仍需充分分析循证证据及临床数据，不断优化病情风险评分分类，探索护理预测预控最佳时机。 ③EWS信息化系统是目前该领域研究前沿，国内自动化预警系统软件研究报道较少，可作为未来护理信息化研究的重要方向。本研究局限在于仅纳入CNKI和Web of Science数据库早期预警评分系统相关研究，未对其他数据库收录的文献进行分析，建议今后研究可扩大数据采集范围进行更为全面分析，并与其他病情恶化早期初筛工具对比研究，论证危重症评分工具专科病种临床应用范围、边界条件以及使用时机的差异。