Page 122 - 《中国药房》2024年4期
P. 122
家/地区合作网络（限于篇幅，本文图略），其中一个国家/
地区在该领域的重要性由其中心度（即中介中心性）来
表示。
本研究纳入的英文文献来自全球 87 个国家/地区。
不同的国家/地区在研究实力上存在差异（表2）。从表2
可以看出，美国在这个领域的文献产量明显高于其他国
家/地区，英国、德国等欧洲国家在这个领域的文献产量
也较高。同时，这些国家较高的中心度进一步反映了其
在该领域研究网络中的核心位置和广泛的合作关系。
本研究纳入的中文文献则来自全国27个省（自治区、直
辖市）。从表2可以看出，北京的发文量最高（28篇），上
海（16 篇）紧随其后。这一领域的研究主要集中在我国
东部地区，其中北京、上海、广东、江苏、浙江5个省份的
A.英文文献
发文量占纳入中文文献数的 50% 左右。这可能是因为
大数据和AI技术在我国东部沿海地区的研究起步更早、
应用更为广泛，同时，资金和人才在这些地区的聚集也
使得这些地区在医院药学服务的应用研究上更为
活跃。
表2 AI 应用于医院药学服务领域相关文献发文量排
前5位的国家/地区
英文文献 中文文献
排序
作者所在国家 发文量/篇 中心度 占比/% 作者所在省份 发文量/篇 中心度 占比/%
1 美国 559 0.22 46.97 北京 28 0.67 17.72
2 英国 152 0.15 12.77 上海 16 0.64 10.13
3 德国 111 0.10 9.33 广东 15 0.70 9.49
4 印度 80 0.13 6.72 江苏 15 0.62 9.49
B.中文文献
5 意大利 76 0.15 6.39 浙江 14 0.64 8.86
图2 AI 应用于医院药学服务领域相关文献的作者合
英文文献中各研究机构之间的合作关系也非常紧
作网络
密。由图 3A 可见，国外从事这个领域研究的机构主要
篇），其次为 Pasipanodya（13 篇）。由图 2A 可见，发文较 为欧美地区的高校和研究机构。其中，美国的哈佛大学
多的作者之间具有一定的合作关系，形成了一定数量的 （Harvard University，中心度 0.16），以 58 篇的发文量位
合作团队，其中 Gumbo 和 Pasipanodya 团队的研究主要 列第一，且该校合作关系众多，影响力最大；法国研究型
集中在药动学、药效学、抗菌药物敏感性测试以及使用 大学联盟（UDICE-French Research Universities，中心度
机器学习预测患者病情进展和治疗效果等方面 [7―8] 。 0.12，发文量44篇）和英国伦敦大学（University of London，
本研究纳入的中文文献中，共包含作者617位，其中 中心度0.09，发文量37篇）的学术贡献也较为显著，且合
发表论文 2 篇以上的作者有 12 位。发表论文数量最多 作关系广泛。而从图 3B 可见，我国在该领域的研究机
构数量较少，机构间的合作关系主要存在于一些国内科
的作者为谢雁鸣（3 篇），其研究主要集中在利用大数据
研水平较高的医学院校和医疗机构之间，但合作关系较
和AI技术评价中药的安全性以及精准定位中医药辨证
为薄弱。这可能是因为各个机构之间的合作还处于起
[9]
论治的疗效机制等方面 。由图2B可见，孙茜茜等学者
步阶段，还没有形成稳定的合作关系。这与前文中我国
形成的合作网络作者人数较多，但也仅为一次性合作。
研究者之间合作较少、尚未形成具有规模的合作团队结
可见，国内研究者的集中度较低，研究人数较少且相对
论一致。
独立，尚未形成具有规模的合作团队。
2.5 关键词分析
2.4 国家及机构合作关系分析 2.5.1 共现性
使用 Python 3.11 软件，根据国家、机构名称等提取 本研究纳入的英文文献中排前 10 位的高频关键词
出国内外文献中的地区信息，可以得到该领域研究的国 包括 machine learning（机器学习）、prediction（预测）、
· 496 · China Pharmacy 2024 Vol. 35 No. 4 中国药房 2024年第35卷第4期
