目的基于知识可视化分析探讨2010~2020年机器学习在重症医学领域的应用情况。方法收集2010~2020年中国知网、万方数据和Web of Science(WOS)收录的机器学习方法在重症医学领域应用的相关文献。采用Cite Space软件对作者、国家、研究机...目的基于知识可视化分析探讨2010~2020年机器学习在重症医学领域的应用情况。方法收集2010~2020年中国知网、万方数据和Web of Science(WOS)收录的机器学习方法在重症医学领域应用的相关文献。采用Cite Space软件对作者、国家、研究机构、共被引文献和关键词进行提取,并对该领域的合作关系以及热点、前沿话题进行探讨。结果2010~2020年期间共检索出4889篇中文文献和8036篇英文文献,发文量呈逐年上升趋势。在英文文献的作者、国家和机构研究主体分析中,发文量前十的机构及发文量最大、H指数最高的作者均来自美国,而中国在此领域尚有明显差距。"危险因素(risk factor)"和"病死率(mortality)"分别是中英文文献中频次最高的关键词。同时"危重症(critical illness)"在WOS中的突增年份从2018年开始一直持续至今,并且该关键词在中文文献中突增年份持续最长,表明机器学习应用已成为当前重症医学界持续关注的研究热点。在对WOS核心数据库的共被引共现网络聚类中,"脓毒症"和"机器学习"是最活跃的两个聚类。被引次数最高的2篇文献来自于"脓毒症"聚类,均与脓毒症的定义有关。在"机器学习"的聚类中,高被引文献集中在公开重症监护数据库-Ⅲ(medical information mark for intensive care-Ⅲ,MIMIC-Ⅲ)的分析,可见数据对机器学习应用于重症医学的重要性。结论机器学习是重症医学领域当前的研究热点之一,重点关键词为危重病病死率、危险因素和结局判断,脓毒症、谵妄、急性肾损伤和COVID-19等是最受关注的危重疾病。未来应对这些热点问题进行深入研究,增加国内外学者的合作与交流。展开更多
文摘目的基于知识可视化分析探讨2010~2020年机器学习在重症医学领域的应用情况。方法收集2010~2020年中国知网、万方数据和Web of Science(WOS)收录的机器学习方法在重症医学领域应用的相关文献。采用Cite Space软件对作者、国家、研究机构、共被引文献和关键词进行提取,并对该领域的合作关系以及热点、前沿话题进行探讨。结果2010~2020年期间共检索出4889篇中文文献和8036篇英文文献,发文量呈逐年上升趋势。在英文文献的作者、国家和机构研究主体分析中,发文量前十的机构及发文量最大、H指数最高的作者均来自美国,而中国在此领域尚有明显差距。"危险因素(risk factor)"和"病死率(mortality)"分别是中英文文献中频次最高的关键词。同时"危重症(critical illness)"在WOS中的突增年份从2018年开始一直持续至今,并且该关键词在中文文献中突增年份持续最长,表明机器学习应用已成为当前重症医学界持续关注的研究热点。在对WOS核心数据库的共被引共现网络聚类中,"脓毒症"和"机器学习"是最活跃的两个聚类。被引次数最高的2篇文献来自于"脓毒症"聚类,均与脓毒症的定义有关。在"机器学习"的聚类中,高被引文献集中在公开重症监护数据库-Ⅲ(medical information mark for intensive care-Ⅲ,MIMIC-Ⅲ)的分析,可见数据对机器学习应用于重症医学的重要性。结论机器学习是重症医学领域当前的研究热点之一,重点关键词为危重病病死率、危险因素和结局判断,脓毒症、谵妄、急性肾损伤和COVID-19等是最受关注的危重疾病。未来应对这些热点问题进行深入研究,增加国内外学者的合作与交流。