健康素养概念结构和主题趋势的多视角分析

健康素养概念结构和主题趋势的多视角分析

利用多视角分析方法揭示健康素养的概念结构和主题趋势。方法基于WoS的作者共被引、关键词共现和PubMed的作者合作，利用CiteSpace软件，从被引文献和引证文献2个角度分别对共被引聚类进行标识，确定健康素养领域研究的概念结构和主题趋势（1995-2010）。结果精神健康素养和功能性健康素养是健康素养的2个独立的研究领域。同时发现公共卫生视角的健康素养和健康素养测量工具研究是近年来2个最活跃的研究领域。结论应用不同来源的信息，对共引聚类分析后可能会得到不同的结论。

美国医学研究所（IOM）和健康国民2010对健康素养（health literacy）的定义为“个人获得，处理和理解基本的健康信息和服务，并做出合理的健康决策的能力”[1，2]。1974年，Simonds在《健康教育与社会政策》一文中首次提出“健康素养”一词[3]。此后，大量研究显示，健康素养不足的患者往往对他们所患疾病和治疗知识了解甚少，同时缺少与卫生保健系统协调的能力[4~8]。因此，健康素养引起了各国政府，卫生专业人员和研究人员的重视。为了揭示过去36年（1974-2010年）健康素养研究与实践的概念结构和主题趋势，现使用陈超美教授最近提出的多视角共被引分析方法[9]对文献共被引（DCA）进行重点分析。多视角一词是指在结构、时间和语义模式分析时从被引文献和引证文献2个角度来解释共被引聚类的本质。希望该方法能够对未来健康素养的研究与实践有所裨益。

1材料与方法

1.1数据收集选取Web of Science下SCI-E和SSCI为数据源，检索策略为Topic= (‘health literacy’OR ‘healthcare literacy’) AND Document Type= (Article)，检索时间为2010-08-22，共检索到968条记录。最早出现的是1995年的4条记录。同时，在PubMed数据库中，以“‘health literacy’[Title/Abstract] OR ‘Health Literacy’[Mesh]”为检索策略进行主题词检索。1985 -2010年，2个数据库检索所得文献数量的增长趋势基本一致（图1）。

1.2多视角共被引分析共被引分析是科学计量学中最为常用的方法之一，主要包括作者共被引分析（Author Co-citation Analysis,ACA）和文献共被引分析（Document Co-citation Analysis,DCA）2种。共被引关系为共被引研究提供了一个基本的聚类机制。研究者一般利用此方法来辨识共被引聚类中每个类的研究领域和热点主题。传统的共被引分析通常关注的是聚类的被引文献，并将其作为标识聚类术语的来源和依据。2010年，陈超美创新性的提出了多视角共被引分析方法，同时考虑被引文献和引证文献。实际上，关注引证文献能够更好的理解研究前沿。现将借助CiteSpace[10]软件，来比较基于被引文献和引证文献的聚类标识。

1.3战略坐标1988年Law等提出了用“战略坐标”（Strategic Diagram）来描述某一研究领域内部联系情况和领域间相互影响情况[11]。目前，战略坐标多用于共词分析，通过计算各个类别的密度（Density）和向心度（Centralty），概括地表现一个领域或亚领域的结构，它把每1个研究热点放置到坐标的4个象限，从而描述各主题研究发展状况。借用该原理，根据共被引聚类分析结果，创新性地绘制引文战略坐标。根据各篇论文的发表时间，计算每一类别的平均发表时间，以此反映该类别研究主题的平均年龄，称为新颖度。根据各篇论文在本数据集中的被引次数，计算各个类别的平均被引用次数，以此反映该类的受关注程度，称为关注度。以全部待分析论文的平均发表时间和平均被引次数为原点，以各个类别的新颖度和关注度为横轴和纵轴，绘制战略坐标图。

2结果与分析

2.1基于被引文献的聚类标识选取被引频次大于等于43次的30篇高被引文献，绘制文献共引网络图谱。30篇高被引文献的累计被引频次约占所有文献总被引频次的10％左右。这意味着，利用被引次数前1/10的文献绘制了文献共被引网络。利用SPSS 11.5软件绘制层次

聚类图（图2）。30篇高被引文献被分成了7类，通过人工阅读分析的方法，识别和分析每聚类6是“健康素养测量工具”，关注度最高，但是新颖度较低。为什么研究人员仍然在热衷于此领域的研究？预测健康素养的测量工具研究将成为未来一个持续的热点主题。事实上，一些最近发表的相关研究为此提供了足够的证据。例如，Jordan JE等人指出，健康素养的概念与其测量工具之间存在着差距。当前评估方法主要是针对个人素养（阅读理解）和算术能力的测试。但是这些方法已经不能完全反映出不断丰富的健康素养的内涵，即个人获取、理解和利用健康信息的能力[12]。健康素养领域未来的研究方向是如何制定出满足需要、内涵更广泛的测量体系和工具[13]。

聚类3 “健康素养：一个公共卫生的视角”的新颖度最高，但是关注度相对较低。因此，它是近来最活跃的研究领域之一。将在下一部分进一步验证此结论。

聚类7“患者的阅读能力和材料的可读性”的新颖性和关注程度均最低，实际上是最初的和最传统的健康素养的理解。

2.2基于引证文献的聚类标识应用CiteSpace，绘制出1995-2010年每年被引频次前100的文献共被引网络图谱。然后，将这些网络合并成一个拥有850个节点的文献共被引网络。并从引证文献中抽取主题词来标识文献共被引聚类。CiteSpace共提供了9种标识词排序方法。标识词的来源有3种，分别是引文的标题（Title）、摘要（Abstract）、描述词（Descriptors），然后每一种来源又可以对应3种算法，分别是词频-逆文档频率（tf*idf），对数似然比(Log Likelyhood Ratio)、交互信息（mutual Information）。所以共计3*3=9种标识词排序算法。排名第一的标识词成为聚类标识。陈超美的一些实证研究已经证明，通过对数似然算法选择的标识词能够比词频-逆文档频率选择的标识词更加细致的描述聚类的本质，更好的区分聚类[14]。在9种算法中，标题词与LLR组合是最好的选择[9]。所以，选择标题词与LLR来标识每个聚类。利用标题词与LLR组合的方法选取的候选标识词（表1）。

采用排名第1术语作为候选聚类标签。有4大类别，即健康素养、精神健康素养、高可读性和健康不公平。最后两个聚类只有2个成员，因此本文不予以分析。

S值（Silhouette metric）能够有效的评价一个聚类的效果，取值范围是-1到1，表示聚类词的确定性程度[15]。值1表示与其他类别的差距最大。在这项研究中，在最大的4个聚类中，“健康素养”的S值为0.545，表明该聚类相对不太稳定。因此，根据第2和第3候选聚类标签，即“健康相关知识”和“公众”，可以人工将这个聚类标记为“功能性健康素养”。“精神健康素养”，“可读性高水平”和“阅读能力和材料的可读性”3个聚类被分别从被引文献和引证文献两个角度都得以标识，并且具有较好的一致性。此外，引证文献中标识的“健康不公平”与被引文献标识的“健康素养：一个公共卫生的角度”相对应，但前者标识比后者的概念更具体和细化。

同时，聚类5“高可读性”和“抗凝血剂患者的信息材料”是影响病人阅读能力的原因之一，然而“病人阅读能力”在前文已被标识为一个聚类。因此，从引证文献选择的聚类标识词比研究者从被引文献中人工选择的词更加具体和细化。

从表1的平均年龄（mean）来看，“高可读性”时间“最老”（1993年），“健康不公平”时间“最新”（2005年），“精神健康素养”居中。这与引文战略坐标的结果一致。这些结果表明，多视角共被引分析提供了一种新的视角作为现有分析方法的补充，为标识某一研究领域的本质提供了一个互补的方法。

2.3健康素养概念结构研究由前面的分析知，精神健康素养与其他领域没有直接、紧密的联系。但这仅仅是从文献共被引的角度得到的结论。为了进一步验证此结论，分别绘制了基于WoS和PubMed的高被引作者共现网络图谱。基于PubMed 前16位高产作者合作（a）和基于WoS 前30位高被引作者（b）共被引的网络图谱（图4）。

此外，利用CiteSpace软件绘制了高频关键词共现网络（图5）。在关键词层面，健康素养研