基于Citespace探讨痰瘀互结证高血压的 研究趋势和研究热点

【摘要】目的：探讨高血压痰瘀互结证的研究趋势与研究热点。方法：检索中国知网、万方、维普从2003年1月1日至2013年12月31日收录的高血压痰瘀互结证的文献为研究对象，利用Citespace软件对纳入的有效文献的发文量、作者、机构和关键词进行可视化分析。结果：共纳入355篇有效文献，发文量整体呈上升趋势；研究者以韩学杰为代表，研究机构以中国中医科学院中医临床基础医学研究所为代表，但大部分作者及机构彼此间联系较少，合作分散；研究热点主要包括痰瘀同治、血脂异常、中医治疗、一氧化氮炎症指标为主。结论：我国学者在高血压痰瘀互结证领域进行了积极的探索和研究，整体发展态势良好，研究的广度和深度在不断扩展。但大部分以基础理论研究、临床研究为主，建议可以进一步深入研究相关的分子水平及细胞，并促进多机构合作交流。

【关键词】高血压；痰瘀互结证；CiteSpace；可视化分析

原发性高血压是一种病因尚未明确，且以血压升高为主要表现的疾病,在未使用任何降压药物并排除继发性高血压的患者，收缩压≥140 mmHg(1 mmHg=0.133 kPa)和(或)舒张压≥90 mmHg[1]。根据《中国心血管健康与疾病报告2020概要》，中国目前有2.45亿成年人患有高血压，患病率整体显示出增长的趋势[2]。CiteSpace是由陈超美教授研发的一款和Java相关的可视化文献分析软件，CiteSpace可以显示一个学科或知识域在一定时期发展的趋势与动向[4]，形成若干研究前沿领域的演进历程[5, 6]。

因此，本文借助CiteSpace软件绘制可视化知识图谱，对近20年来学者围绕痰瘀互结型高血压的研究热点与发展现状进行分析，从研究作者、研究机构以及文献关键词等方面多角度进行探讨，旨在客观、真实地展示痰瘀互结型高血压的可视化分析，以剖析此领域近期的研究热点以及未来的发展趋势，为日后的研究提供进一步参考。

1 资料与方法

1.1数据收集

从中国知网、万方、维普三个数据库检索文献，检索式：（主题=高血压 or 原发性高血压 or 眩晕）and （主题=痰瘀 or 痰淤），检索时间为2003年1月1日至2023年12月31日，共检索到3914条结果，经过人工筛选排除会议论文、报纸、成果及明显不相关、不符合研究要求的文献。将文献导入NoteExpress去重后，最终纳入355篇文献进行分析。将上述符合研究要求的355篇文献以Refworks 样式导出并进行保存，内容包括文献作者、题目、摘要、关键词、期刊、发表年份等信息，将文件以download_**.txt进行命名。

1.2分析方法

使用CiteSpace 6.2.R7版本的可视化软件。所选三个数据库的文献均以“Refworks”格式导出，导出内容包括文献标题、摘要、作者、发文机构、关键词等。利用CiteSpace软件Data Processing Utilities的CNKI Format Conversion 功能将文献进行格式转换，转换记录数为355条，最后分别绘制作者合作可视化图谱、机构合作可视化图谱、关键词聚类图谱、关键词共现图谱等。

2 结果

2.1文献发文量分析

分析文献的发文量及趋势，可了解某时间段该领域的发展水平。图1显示了近20年的年发文情况，中医药治疗痰瘀互结型高血压研究的累计发文量呈波动上升趋势，说明了该领域的研究热度不减。

图1  高血压痰瘀互结证相关文献发文量趋势

2.2作者分析

图2  高血压痰瘀互结证相关文献作者合作图谱

采用 CiteSpace6.2.R7软件绘制作者合作网络知识图谱（见图2），设置阈值（Threshold）为2，共得到402个节点、453条连线，网络密度为0.0056。说明共纳入作者402位，出现453条合作连线。根据普赖斯定律[7]，可以计算出超过3即可确定为此领域的核心作者，在所有作者中有35人发文量≥3篇，发文总量为148篇，占总文献的41.69%（148/355），未达到总文献的50%，说明该领域还未形成显著的核心作者群。其中，韩学杰发文量最高，有15篇。如图2所示。

2.3发文机构分析

CiteSpace所生成的研究机构关键词网络图谱中共有286个节点，109条连接线。如图3所示，图谱显示网络互通性进一步分散，密度为仅0.0027。

图3  高血压痰瘀互结证相关文献研究机构图谱

2.4关键词分析

2.4.1关键词共现分析

图4  高血压痰瘀互结证相关文献关键词共现图谱

关键词是文献内容的高度浓缩，如果同一篇文献中同时出现了两个或更多关键词，表明着这些关键词之间存在共现关系[9]。共现分析可对其进行定量研究[10]。中心性能够反映关键词在共现网络中的影响力大小。中心性越高，说明该关键词在网络中的影响力更显著[11]。关键词共现图谱由292个节点，628条连线组成，网络密度为0.0148。

2.4.2关键词聚类分析

通过关键词共现分析，可以进行关键词聚类，识别相关性强的关键词群体，并从中选取最具代表性的关键词作为标签。这种方法称为关键词聚类，能够反映出研究领域热点的延伸[13]。对关键词进行聚类分析后，生成14个较为明显的聚类标签。本研究的关键词聚类分析图谱包括292个节点、628条连线，网络密度为 0.0148。

图5  高血压痰瘀互结证相关文献关键词聚类图谱

2.4.3关键词时间图谱分析

图6  高血压痰瘀互结证相关文献关键词时间线图谱

关键词时间线图谱可反应此研究领域随时间变化的研究内容，使用CiteSpace根据指定时间顺序用Timeline生成关键词时间线图谱。X 轴是论文发表年份，Y 轴是聚类号，以此绘制关键线时间图谱，其能清晰地反应出不同时间段的热点话题。关键词时间线图展示了每个关键词在纳入时间段内首次出现的时间，同时描绘了随着时间推移研究热点的变化和发展[16]。根据图6可知，关键词聚类#1高血压病、#2中医、#3血脂、#5一氧化氮的研究早在2003年左右就已兴起。

3 讨论

本研究通过 Citespace 软件对高血压痰瘀互结证进行图谱可视化分析，从作者、机构、关键词等方面进行多角度的分析，以展示本领域近年来的研究热点与发展趋势，目前关于高血压痰瘀互结证领域可得出以下几大结论：①由关键词频次分析可知，临床中对于“高血压痰瘀互结证”的研究热点以痰瘀同治、血脂异常以及中医药治疗为主。原发性高血压在中医学中属于“眩晕”“头痛”范畴。现代人因体质因素(随着年龄增长，身体各种机能逐渐衰退，导致气虚无法运行血液，同时生痰和生湿的倾向增加)、生活失调(嗜食肥甘厚味、饮食不节/洁导致体内湿气增多并形成痰，以及过劳而气虚无法运行血液，进而形成痰和湿气)、情志因素(内伤七情影响气机的正常升降出入和血液运行)等均可致痰浊内蕴，血脉痹阻，痰瘀互结壅滞脉道。痰为津之变，瘀为血之病。痰浊、血瘀搏结，血行不畅，脉道不利，管腔变窄，易生头晕、头痛等高血压症状。研究表明，临床上高血压患者中医证候中痰瘀互结证占50%[18]。诸多研究者认为“久病多瘀，亦多痰”,痰、瘀既是病理产物，又是致病因素，二者同源、同病、共生、互化。痰浊、瘀血贯穿高血压的全程，故治以祛痰化瘀、活血通络为主[19, 20]。②血脂异常在中医学中并无此病名，但与其相似的概念有“膏”“脂”“油”“膏脂”“油脂”及“油膏”等，而中医学中的津液、精、血和膏脂的作用相似，对于机体正常生理具有一定作用，但是膏脂生成、输布发生异常时则会产生疾病，引发“眩晕”“痰浊”“血瘀”等一系列病症[21]。

综上，本研究仅对中文数据库的文献进行提取分析，未纳入英文文献及其他数据库文献，可能存在数据来源不够全面的情况，建议可以进一步深入研究其相关的分子水平及细胞，并促进多机构合作交流。

参考文献

 [1] 修订委员会中国高血压防治指南. 中国高血压防治指南(2018年修订版). 中国心血管杂志, 2019, 24(01): 24-56

 [2] 中国心血管健康与疾病报告编写组. 中国心血管健康与疾病报告2020概要. 中国循环杂志, 2021, 36(6): 521-545

 [3] 贾晓雅, 劳闻文, 石立鹏, 等. 从痰瘀互结证论治原发性高血压病经验总结. 实用中医药杂志, 2020, 36(02): 259-260

 [4] 陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能. 科学学研究, 2015, 33(2): 242-253

 [5] CHEN Chao-mei.CiteSpace Ⅱ: detecting and visualizing emerging trends and transient patterns in scientific literature [J]. J Am Soc Inf Sci Tec, 2006, 57: 359.

 [6] Chen Chao-mei,Song Min.Visualizing a field of research : A methodology of systematic scientometric reviews. PLoS One. 2019 Oct 31;14(10) :e0223994.

 [7] D. N赖斯, 赵红州, 蒋国华. 《小科学,大科学》的由来与发展. 科学学与科学技术管理, 1984, (09): 15-16

 [8] Boerner K, Maru J T, Goldstone R L. The simultaneous evolution of author and paper networks. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(Suppl.1): 5266-5273

 [9] 袁润, 李莹, 王琦, 等. 用R语言分析关键词集共现网络研究. 现代情报, 2018, 38(7): 88-94

[10] 任艳莉. 我国机构知识库研究文献可视化分析研究. 图书馆工作与研究, 2020, (S1): 16-22

[11] 施佺, 钱源. 大数据背景下教育领域热点问题研究——基于关键词共现分析. 中国教育技术装备, 2016, (18): 69-71

[12] 高血压中医诊疗专家共识. 中国实验方剂学杂志, 2019, 25(15): 217-221