Нажмите "Enter", чтобы перейти к контенту

Сопоставление структуры знаний исследований по приверженности пациента: анализ знаний на основе знаний в области знаний и анализ социальных сетей

Mapping the Knowledge Structure of Research on Patient Adherence: Knowledge Domain Visualization Based Co-Word Analysis and Social Network Analysis
Источник: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3320627/

Задуманные и разработанные эксперименты: JZ ZXL. Выполнял эксперименты: JZ J. Xie XCT. Проанализированы данные: JZ. Написал статью: JZ ZXL WLH FJS ZHW J. Xu. Внесен в редакцию рукописи: JZ J. Xie ZHW J. Xu ZXL FJS.

Приверженность пациента является важной проблемой для поставщиков медицинских услуг и исследователей здравоохранения. Однако структура знаний различных исследований по приверженности лечению неясна. В этом исследовании использовались методы совместного анализа и анализа социальных сетей для анализа исследовательской литературы о приверженности, а также с целью показать структуру и эволюцию их знаний с течением времени.

Опубликованные научные статьи о приверженности лечению были получены из Web of Science (с 2000 по май 2011 г.). Было включено в общей сложности 2308 соответствующих статей: 788 статей, опубликованных в 2000-2005 годах, и 1520 статей, опубликованных в 2006-2011 годах. Ключевые слова каждой статьи были извлечены с помощью программного обеспечения Biblexcel, а синоним и изогенные слова были объединены вручную. Рассчитывалась частота ключевых слов и частота их совместного возникновения. Высокочастотные ключевые слова были выбраны, чтобы получить матрицу сослов. Наконец, карты разложения были использованы для расчёта сложных структур знаний.

Темы исследований были более общими в первом периоде (2000-2005 гг.) И более обширными, причем во втором периоде (с 2006 по 2011 гг.) Появилось много новых терминов. Исследования по приверженности покрывали все больше болезней, популяций и методов, но другие заболевания / состояния не так горячие, как ВИЧ / СПИД, и не стали специальными темами / под-направлениями. Большинство исследований исходило из Соединенных Штатов.

Динамика этого поля в основном расходится с увеличением числа новых подходов к исследованию. Будущие исследования необходимы для исследования конкретных направлений и сближения, а также для построения общей парадигмы в этой области.

Приверженность пациента к лечению имеет решающее значение для достижения ожидаемых результатов лечения, поскольку «препараты не работают у пациентов, которые их не принимают» [1]. Неадекватная приверженность увеличивает риск отказа от лечения и рецидивов и отходов медицинских ресурсов [2] — [4]. Неприемлемость пациента к назначенным схемам является обычным явлением. Только 50% пациентов, страдающих хроническими заболеваниями, придерживаются предписанного лечения [4]. В развивающихся странах доля приверженности лечению еще ниже [4].

Проблема несоблюдения пациентом широко признана поставщиками медицинских услуг и исследователями здравоохранения. Однако систематическое и всестороннее понимание этой области требуется по нескольким актуальным вопросам. Какие исследования по соблюдению были проведены? Каковы основные темы существующих исследований в этой области? И какие дальнейшие исследования необходимы? Все эти вопросы необходимы для того, чтобы мы разработали эффективные меры по борьбе с неадекватным соблюдением исследований и практики. Обзор литературы и визуализация области знаний (KDViz) [5], [6] — это два информационных метода для ответа на вышеуказанные вопросы, используя исчерпывающую картину поля.

KDViz — это технология обработки информации, поддерживающая компьютер, которая может выявить визуальные проявления объектов данных научной литературы (таких как авторы, ключевые слова) и их взаимоотношения. Соотношения между объектами выражаются в двумерном или трехмерном пространстве знаний, чтобы реализовать визуализацию по интеллектуальной структуре области знаний [5], [6]. Он может эффективно усилить человеческое познание, чтобы понять большие объемы данных и наметить структуру и эволюцию научной области.

Чтобы визуализировать структуру научных полей, можно использовать два вида видных библиометрических методов, включая анализ ко-цитирования и анализ ко-слова [7] — [10]. Хотя анализ ко-слова имеет относительно короткую историю [11], [12], он дает интуитивную картину фактического содержания опубликованных работ.

Анализ ко-слова использовался в некоторых теоретических и эмпирических исследованиях технологического предвидения [8], подкисления окружающей среды [9], [13], Scientometrics [14], поиска информации [15], биологической безопасности [16], аутизма [17 ], поле стволовых клеток [18], современная техника [19], химическая инженерия [7], искусство и экономика [10], для изучения тем исследований и их взаимоотношений и изменений в отдельных научных областях. Эти исследования показывают его практическую ценность и преимущества по сравнению с обзором литературы, но редко используются в медицинских исследованиях.

В этой статье мы используем KDViz на основе анализа ко-слова, чтобы выявить основные темы исследований по приверженности лечению, исследовать особенности внутренней структуры исследования и дать обзор развития в области приверженности лечению в течение 2000- 2011.

Анализ коловного слова основан на предположении, что научное поле может абстрагировать набор сигнальных слов для обозначения литературы и отражать ее основное содержание. Частота появления слов во всем теле выбранного поля может отражать важные темы, а совпадение нескольких терминов в одной и той же литературе отражает актуальность тем, на которые они ссылаются. Чем чаще встречаются пары слов в литературе, тем более сходны те темы, которые они указывают [5], [10], [15], [20], [21]. Ключевые слова научных публикаций можно трактовать как сигнальные слова.

Анализ социальной сети (SNA) — это отображение и измерение отношений между компонентами в системе [22]. Сеть в SNA состоит из набора узлов и ссылок. Узлы представляют компоненты, а ссылки обозначают отношения между узлами. В этой статье мы структурируем ключевые слова сети исследований по приверженности лечению, в которых узлы являются ключевыми словами, в то время как ссылки представляют собой совпадение этих ключевых слов.

Чтобы понять структуру сети ключевых слов в литературе по приверженности лечению, мы оцениваем местоположение ключевых слов в сети, измеряя центральную роль каждого узла и централизацию сети [22]. Связь между двумя узлами в сети может быть облегчена, заблокирована, искажена или фальсифицирована узлом, находящимся между ними, и, следовательно, узел между двумя другими узлами может контролировать их связь. Когда определенный узел в группе стратегически расположен на кратчайшем пути связи, соединяющем пары других, этот узел находится в центральном положении. Центральность определяется в терминах степени, в которой узел попадает на кратчайший путь между другими, и называется центральной центрированностью [23].

Меры централизации сети основаны на доминировании одного узла. Сеть является центральной для одного узла, который контролирует его связь. Централизация сети определяется как среднее различие между относительной центральностью центрального узла и узла других узлов. Его значение колеблется от 0 до 1. Оно равно 0 для сетей, где центральные узлы всех узлов равны, а 1 — только для колесной или звездной сети [23].

Мы искали Web of Science для исследований с датами включения в период с января 2000 года по май 2011 года. Основной поиск основывался на комбинациях пациентов и терминах, связанных с соблюдением (например, соблюдение, соблюдение, несоблюдение, постоянство) и ограничивался статьями. Были включены исследования, посвященные приверженности пациентов медицинским схемам. Исследование было исключено, если (1) статья была опубликована до 2000 года; (2) у него не было ключевых слов; и (3) сообщалось о соблюдении работниками здравоохранения руководящих принципов / критериев или оценке стойкости конкретных веществ и явлений (например, модифицированных Т-клеток, бактерий, терапевтического эффекта). Два исследователя независимо проверили эти исследования на основе названий, рефератов и, в некоторых случаях, полного текста, как описано на рисунке 1.

Экстракция и анализ ключевых слов проводились отдельно в течение двух периодов времени, 2000-2005 и 2006-2011 гг. Несколько слов с тем же значением были объединены в одно релевантное слово. Например, «соблюдение», «несоблюдение», «соблюдение» и «несоблюдение» были объединены в «приверженность». Рассчитывалась частота ключевых слов и частота их совместного возникновения. Частота ключевого слова — это количество появления ключевого слова во всех включенных в него статьях, а частота совпадения — частота пары ключевых слов, возникающих одновременно. Наконец, ключевые слова, встречающиеся больше или равные 20 раз, которые были названы высокочастотными словами [24] в этой статье, были выбраны так, чтобы сформировать матрицу совпадения ключевых слов (матрица сословных слов). Все вышеизложенные этапы, за исключением словесной стандартизации, были выполнены Biblexcel (разработан Олле Перссон, Инкорск, Умео унив, Швеция, http://www8.umu.se/inforsk/Bibexcel/).

Существует два типа ключевых слов, предоставленных оригинальными авторами или ISI (ключевое слово plus, помеченное ISI). Из-за того, что во многих статьях нет рекомендуемых автором ключевых слов, в этом исследовании использовалось ключевое слово plus.

Матрицы со-слов были введены в программное обеспечение Ucinet6.212 для анализа социальной сети, а сети ключевых слов были отображены в двухмерных картах программным обеспечением NetDraw2.084 для сетевой визуализации. Для упрощения структуры сети набор карт декомпозиции строится по другому инклюзивному критерию частоты совпадения.

Из 3034 работ, полученных в результате первоначального поиска, 2308 статей были взяты для дальнейшего анализа. Сводка основных статистических данных двух сетей приведена в таблице 1. Количество итоговых документов, общее количество ключевых слов и ключевых слов с высокой частотой в более позднем периоде все значительно больше, чем в предыдущий период.

Рисунок 2 — это сеть ключевых слов, показывающая структуру знаний о приверженности пациента исследованиям, опубликованным в период с 2000 по 2005 год. Хотя доминирующее слово на карте всегда «привержено», другие слова, связанные с «приверженностью», все чаще добавляются в ряд подсетей ( Фиг.3а-с).

Размер узлов указывает центральную часть ключевых слов, а толщина линий указывает частоту совпадений пар слов.

Размер узлов указывает центральную часть ключевых слов, а толщина линий указывает частоту совпадений пар слов. Пороги частоты совпадения на картах a, b и c составляют ≥15, ≥10 и ≥5 соответственно.

Рисунок 3a — это сеть, включающая пары ключевых слов, которые происходили в 15 раз и более. Эта карта описывает основную структуру знаний литературы о приверженности в течение 2000-2005 годов, которая охватывает риск, предиктор, вмешательство и управление приверженностью и предполагает режим, наркотики, болезни и население. Более того, суб-сеть, состоящая из «приверженности», «терапии» и «ВИЧ», указывает на то, что приверженность к лечению больных СПИДом является основной темой в этот период. Когда пороговое значение уменьшается до ≥10 раз, соответствующие ключевые слова включаются в ntework, например. «Депрессия», «шизофрения», «ребенок», «американец» и «выживание», при этом были установлены более тесные связи между оригинальными словами, такими как «приверженность к наркотикам» и «вмешательство», «уход» и «болезнь» (рисунок 3b) , Когда порог понижен до ≥5 раз, связи между существующими ключевыми словами становятся более плотными, а большинство новых слов связаны с двумя старыми, такими как «профилактические» ссылки на «приверженность» и «ВИЧ» (рисунок 3c).

Есть 95 высокочастотных ключевых слов, извлеченных из литературы в течение 2006-2011 гг., А их общая частота совместного возникновения до 6060 раз. Сеть ключевых слов, представленная картами декомпозиции, намного сложнее, хотя в целом она аналогична сети первого периода (рисунок 4). Ключевое слово «приверженность» связывает сеть, а количество слов и связей постепенно увеличивается вместе с пониженным порогом включения. Основная структура состоит из двух частей. Одна из них — это подгруппа, образованная «приверженностью», «приверженностью наркотикам», «лекарством» и «заботой», которая предполагает, что исследовательские фокусы этого периода охватывают прогнозирование, вмешательство, управление и влияние приверженности. Другая часть показывает, что «приверженность» связана независимо от «распространенности», «фактора риска», «риска», что указывает на то, что распространенность и фактор риска также являются горячими темами (рисунок 4а). Когда порог ≥10 раз, суб-сеть показывает, что приверженность к лекарствам для ВИЧ является важной темой (рисунок 4c).

Размер узлов указывает центральность ключевых слов между ключевыми словами, а толщина строк указывает частоту совпадения пар слов. Пороги частоты совпадения на картах a, b и c составляют ≥20, ≥15 и ≥10 соответственно.

Сравнивая списки ключевых слов и карты, мы обнаруживаем, что все слова, кроме «клинических испытаний» в первом периоде, все еще видны во втором периоде, но частота и отношения изменились. Кроме того, ключевые слова в первом периоде, как правило, являлись общими словами, а во втором периоде появились более конкретные слова. Эти новые слова можно разделить на 6 групп (табл. 2).

Для анализа структуры сети применяется централизация ключевых слов и централизация сети. В сети первого периода среднее значение интервала между ключевыми словами составляет 1.499 ± 3.403, а максимальное значение — 22.598. Во втором периоде среднее значение ключевого слова составляет 0.739 ± 1.793, а максимальное значение — 16.257.

Как видно из рисунка 3, «приверженность» и «ВИЧ» имеют наибольшую центральность между центрами и играют роль «хаба» в сети. Без них структура сети сильно изменилась. Например, если «ВИЧ» удаляется, «инфекция» и «пациент с ВИЧ» будут отключены от сети. В новых сетях появляются новые слова и ссылки с более низкой частотой совместного возникновения, центральная роль «ВИЧ» снижается относительно и что центральное значение «приверженности лекарственным средствам» и «лекарственным средствам» увеличивается. В сети ключевых слов 2006-2011 гг. «Приверженность» по-прежнему имеет наибольшую центральность, но меньше, чем в первом периоде, а количество ключевых слов с большей централизованностью изменилось с одного («приверженность лекарств») до четырех («приверженность к наркотикам» «Уход», «наркотик» и «ВИЧ»). Разница в индивидуальной центральности в первом периоде больше, чем во втором периоде. Аналогичным образом, централизация сети снижается с 21,58% в 2000-2005 годах до 15,68% в 2006-2011 годах. Они предполагают, что сеть второго периода менее централизована (рис. 4).

Число исследований по приверженности лечению резко увеличилось из-за повышения осведомленности о его важности в практике здравоохранения. Приверженность лечению стала новой исследовательской областью, которая требует систематического анализа ее структуры знаний. Это исследование объединяет анализ ко-слов и SNA для исследования структуры знаний, созданной журнальными статьями приверженности, для систематического изучения фундаментальной структуры знаний и ее эволюции в XXI веке.

Ниже приведены три основных вывода этого исследования:

Число исследований по приверженности возрастает. Статьи, опубликованные за последний период, почти в два раза превышают первый период.

Объекты исследований становятся более обширными и интенсивными. Темы исследований более общие в первом периоде. Более конкретные темы появились во втором периоде, включая факторы риска, влияние и измерение несоблюдения пациентом. Раньше было неправильное представление о том, что приверженность была проблемой, вызванной пациентами, которые должны нести ответственность за их лечение. Фактически на приверженность влияют также социальные и экономические факторы, группа / система здравоохранения, характеристики заболевания и виды лечения [4]. Как показано в этом документе, эти факторы в последнее время были подчеркнуты в исследованиях.

Существующие исследования приверженности охватывали более широкий спектр заболеваний, особенно хронические заболевания. Но исследования по приверженности пациентов с другими заболеваниями не так горячи, как ВИЧ, и не стали специальными темами / поднаправленными направлениями. Эпидемиологический переход от острых к хроническим заболеваниям привел к тому, что система здравоохранения должна развиваться для решения новых задач. Исследования и практика в этой области также должны быть направлены на профилактику и лечение хронических заболеваний.

Многие исследования направлены на соблюдение режима лечения пациентов с конкретными популяциями, таких как женщины [25] и подростки [26] — [28]. Приверженность — сложное явление, на которое влияет взаимодействие многих факторов. Трудно найти универсально применимые вмешательства для улучшения приверженности пациентов. Чтобы улучшить приверженность пациентам, «лучшая» стратегия вмешательства часто может быть ориентирована на пациента. Понимая, что характер пациентов и факторов, влияющих на приверженность пациентам, важен для эффективных вмешательств по приверженности.

Были некоторые достижения в методологических аспектах не только путем применения обычных методов исследования, но и путем разработки тематических методов исследования. Точная оценка поведения приверженности необходима для оценки вмешательств, направленных на улучшение приверженности пациентов лечению. Тем не менее, нет «золотого стандарта» для измерения поведения прилипания [4], и маловероятно, что мы могли бы иметь метод для точной оценки приверженности при любых обстоятельствах. Дальнейшие исследования необходимы для исследования достоверных и надежных измерений приверженности.

Сеть более позднего периода менее централизована, чем первая, потому что введены новые ключевые слова и многочисленные ссылки на ключевые слова, созданные с течением времени. Эти новые слова и отношения в определенной степени указывают на появление новых тем / под-направлений в исследованиях приверженности. Исследования этой области редко имеют единую модель и имеют большие различия в теориях, гипотезах, экспериментальных методах и условиях [2], [29] — [33]. Динамику научных исследований можно разделить на две модели: сходящиеся и расходящиеся [34]. Мы могли бы заключить, что исследования приверженности были в основном расходящимися.

Слово «США» является единственным топонимом, встречающимся в списках высокочастотных ключевых слов двух периодов. Возможно, это связано с охватом баз данных, которые мы использовали, потому что не все статьи в этой области включены в Web of Science [7]. Однако в развитых странах было проведено больше исследований по лечению ВИЧ / СПИДа, чем в развивающихся странах [32]. Систематический обзор вмешательств при приеме на лечение фосфатным связыванием у пациентов с терминальной стадией почечной недостаточности показал, что 79% исходных литератур поступали из США [35]. Это говорит о том, что большинство статей взято из США, а также в большинстве других исследовательских областей [36] — [38].

В этом документе мы использовали анализ ко-слова, чтобы дать обзор структур знаний исследований о приверженности в течение 2000-2005 и 2006-2011 годов. Напротив, систематические обзоры в основном сосредоточены на предоставлении объединенных оценок для ответа на конкретные исследовательские вопросы на основе строгих научных доказательств [39] — [41]. В случае отсутствия методологически строгих исследований и / или существует большая гетерогенность и разнообразие во всех исследованиях, систематический обзор может быть заменен описательным обзором [40]. В качестве альтернативы, анализ ко-слова может более четко определить выбранную область, сосредоточив внимание на содержании литературы, а не на результатах. Кроме того, этот метод может уменьшить зависимость от субъективного суждения [7], [9].

Сложные структуры знаний могут быть упрощены с помощью карт разложения, которые согласуются с процессом понимания человеком от грубого до тонкого и преодолевают недостатки одного порога. Низкий порог может создать длинный список слов и карту, слишком сложную для интерпретации и визуализации, в то время как более высокий порог дает более широкий обзор изучаемого поля [7].

Как отмечалось в других исследованиях, в базовых данных, используемых в этой статье, существуют ограничения, такие как объем базы данных и «эффект индексатора» [7]. Научная сеть не имеет полного охвата научных исследований в приверженности, но она хорошо воспринята научным сообществом, и ее компьютерная технология индексирования значительно снижает «эффект индексатора» [42]. Он удовлетворяет цели этого исследования, чтобы определить общую структуру исследований и эволюцию исследований приверженности.

Таким образом, исследования приверженности все еще находятся на ранних экспериментальных этапах и имеют большой потенциал для дальнейшего развития. Будущие исследования необходимы для исследования конкретных направлений и сближения, а также для построения общей парадигмы в этой области.

Техника KDViz для медицинских исследований может стать ценным дополнением к систематическому обзору литературы и иметь уникальные преимущества, особенно на ранних этапах развития научных тем. Использование метода KDViz для анализа литературы может предоставить богатую справочную информацию для исследователей и лиц, принимающих решения.

Конкурирующие интересы: авторы заявили, что конкурирующих интересов не существует.

Финансирование: Это исследование спонсировалось Национальным научным финансированием Китая (№ 70973041). Фундер не играл никакой роли в дизайне исследования, сборе и анализе данных, решении опубликовать или подготовить рукопись.

Комментариев нет.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *