近一個世紀以來，抗菌藥物的應用極大地降低瞭多種感染性疾病的發生率和致死率，開啟瞭抗菌治療的"黃金時代"，但進入21世紀以來，細菌耐藥問題凸顯，並逐漸成為全球性重大公共衛生難題之一。多重耐藥菌（multidrug resistance bacteriaorganism，MDRO）指對通常敏感的常用的3類或3類以上抗菌藥物同時不敏感的細菌，是現階段我國醫院感染防控面臨的主要問題之一[1]。研究表明，多重耐藥菌可增加多種感染發生風險、患者痛苦及死亡率，延長患者住院時間，給患者及其傢屬造成巨大經濟負擔，極大地消耗醫療和社會資源[2]。因此，分析我國多重耐藥菌研究熱點對於深入開展細菌耐藥性研究具有十分重要的意義。
文獻計量學的研究對象是文獻系統和文獻計量學特征，主要通過運用數理統計方法對文獻信息的分佈結構、數量關系和變化規律進行科學分析[3]。本研究以近20年來在中國知網上發佈的與多重耐藥菌相關的文獻為研究對象，通過CiteSpace軟件、文獻計量學方法從變化趨勢、關鍵詞共現、聚類等維度進行可視化分析，以瞭解我國多重耐藥菌研究熱點等。
1 資料與方法
1.1 數據來源
以中國知網為數據源，采用高級檢索方式，以"主題"為檢索項、"多重耐藥菌"為檢索詞進行檢索，發表時間限定為2000-01-01至2020-11-17，共檢索出5 414篇文獻，剔除重復文獻、會議論文、摘要匯編、培訓通知、新聞報道等後共獲得有效文獻3 808篇。
1.2 方法
CiteSpace軟件是基於共引理論和尋徑算法、采用Java語言開發的用於計量特定研究領域文獻的可視化軟件，在尋找某一研究領域的研究進展、研究前沿及與其相對應的基礎知識等方面具有較高的應用價值[4，5]。共詞分析法是一種文獻計量學方法，可通過對某研究領域關鍵詞在文獻中出現的總頻次進行統計和分析而對該領域的研究熱點和今後的發展態勢進行展示[6]。本研究采用CiteSpace V5.7.R1軟件完成對所獲得文獻高頻關鍵詞的提取，並進行共現及聚類分析，具體步驟如下：（1）采用Excel軟件導出所獲得的有效文獻的基本信息，包括文題、作者、來源期刊、出版年、期等，以分析文獻增長規律和來源。（2）將所獲得有效文獻的基本信息以Refworks格式導出，采用CiteSpace軟件進行數據轉換，分析時間跨度設置為2000—2020年，時間區分設置為1年，節點類型中選擇"Keyword"進行關鍵詞共現分析，節點閾值選擇Top 50 per slice。（3）關鍵詞共現分析對象為所獲得有效文獻的關鍵詞，得出的共現關系網絡能反映關鍵詞出現頻率及當前研究熱點，其中高頻關鍵詞指出現頻次較高的關鍵詞；關鍵詞中心性可反映測量節點在網絡中的重要性，通過該指標可發現並衡量關鍵詞的重要性，關鍵詞中心性不低於0.1的節點被稱為關鍵節點[7]。（4）設置"Burstness"（突發性節點）以展現研究熱點的變化特征，並采用中心度測量方法，從標題、摘要、檢索詞和文獻記錄標識符中提取突現詞以梳理出關鍵節點相關文獻的演進，進而反映研究熱點隨時間變化趨勢。
目前，我國尚無針對多重耐藥菌研究熱點的可視化研究。本研究在文獻計量學的基礎上融入大數據理念，借助通過CiteSpace軟件、文獻計量學方法對多重耐藥菌相關文獻進行可視化分析，利於相關領域研究者瞭解多重耐藥菌領域研究熱點、前沿進展等。
2 結果
2.1 多重耐藥菌相關文獻增長規律
根據所獲得的3 808篇有效文獻，2000—2020年我國多重耐藥菌相關研究總體呈現上升趨勢，其中2000—2004年為低產出期，2005—2009年為緩慢增長期，2010—2015年為快速增長期，2016—2018年為相對平穩期（增長相對平穩），2019年發文量與2018年相比明顯增加，2020-01-01至2020-11-17發文量與2019年相比有所降低，為後續發展期。見圖1。
2.2 多重耐藥菌相關文獻來源期刊
所獲得的3 808篇有效文獻中1 791篇（占47.03%）發表在核心期刊（入編《中文核心期刊要目總覽》的期刊）；發文量排在前10位的來源期刊共刊載相關文獻708篇（占18.59%），其中437篇（占61.72%）發表在核心期刊。詳見表1。
2.3 多重耐藥菌相關文獻高頻關鍵詞分析
2.3.1 關鍵詞共現關系
通過CiteSpace軟件統計高頻關鍵詞並繪制關鍵詞共現關系網絡，共識別出221個節點、302條連線，除多重耐藥菌、多重耐藥外，出現頻次排在前20位的關鍵詞中醫院感染、多重耐藥菌感染、銅綠假單胞菌、ICU、大腸桿菌、抗藥性、抗生素、肺炎克雷伯菌、藥敏試驗、重癥監護室的中心性均≥0.10（圖2、表2）。
2.3.2 關鍵詞共現聚類
通過關鍵詞聚類分析將關鍵詞共現關系網絡聚類為15個"簇"（圖3），其中模塊值為0.800 5，平均輪廓值為0.668 8；進一步對15個"簇"進行劃分發現，多重耐藥菌研究主要圍繞以下4個主題展開：多重耐藥菌種（聚類#0、#1、#2、#12）、多重耐藥菌感染及預後（聚類#3、#6、#10、#11）、引發多重耐藥菌感染疾病（聚類#8、#9、#14）、多重耐藥菌產生機制及防控（聚類#4、#5、#7、#13）。
2.4 多重耐藥菌研究熱點的演變
2000—2013年高被引突現詞主要集中在耐藥菌株、耐藥性、抗生素、整合子等，2013年之後沒有出現突現詞（表3）。
3 討論
2011年世界衛生日的主題為"控制細菌耐藥：今天不采取行動，明天將無藥可用"，同年衛生部辦公廳印發《多重耐藥菌醫院感染預防與控制技術指南（試行）》[8]以降低多重耐藥菌醫院感染發生風險；2016年，國傢衛生計生委、國傢發展改革委、教育部等14個部門聯合制定瞭"遏制細菌耐藥國傢行動計劃（2016—2020年）"[9]。上述文件的頒佈表明細菌耐藥問題已引起我國高度重視，因而分析我國多重耐藥菌研究熱點對於深入開展細菌耐藥性研究具有重要意義。本研究根據所獲得的有效文獻分析我國多重耐藥菌相關文獻增長規律發現，2000—2020年我國多重耐藥菌相關研究總體呈現上升趨勢，大體分為5個階段：低產出期（2000—2004年）、緩慢增長期（2005—2009年）、快速增長期（2010—2015年）、相對平穩期（2016—2018年）、後續發展期（2019—2020年）。
本研究結果顯示，所獲得的3 808篇有效文獻中發表在核心期刊者僅占47.03%，而發文量排在前10位的來源期刊所刊載的相關文獻僅占18.59%，提示2000—2020年刊載我國多重耐藥菌相關研究的期刊分佈比較分散，且核心期刊刊載量有限。因此，今後還應繼續開展多重耐藥菌高水平研究，以科學、有效地延緩細菌耐藥的發生和發展。
CiteSpace軟件是一款基於Java語言環境的可視化知識圖譜分析軟件，可通過對某一領域相關文獻進行共現和共被引分析而呈現該領域研究現狀並對其發展趨勢進行預測[10]。隨著信息技術的發展和大數據時代的到來，CiteSpace軟件已成為科學研究的必備利器，已被國內外學者應用於多個研究領域[11，12，13]。本研究通過CiteSpace軟件統計高頻關鍵詞並繪制關鍵詞共現關系網絡，結果發現，除多重耐藥菌、多重耐藥外，出現頻次位於前20位的關鍵詞中醫院感染、多重耐藥菌感染、銅綠假單胞菌、ICU、大腸桿菌、抗藥性、抗生素、肺炎克雷伯菌、藥敏試驗、重癥監護室的中心性均≥0.10；通過關鍵詞聚類分析將關鍵詞共現關系網絡聚類為15個"簇"並進一步劃分為多重耐藥菌種、多重耐藥菌感染及預後、引發多重耐藥菌感染疾病、多重耐藥菌產生機制及防控共4個主題，且聚類結構顯著、聚類合理，結果可信。鑒於高頻關鍵詞可能是某領域研究熱點或研究重點[14]，通過共現分析得到的高頻關鍵詞可以揭示某一領域主題結構和熱點問題，更利於對某一領域研究熱點進行綜合分析[15，16]。因此，上述研究結果也為我國今後的多重耐藥菌研究提供瞭一定方向和思路。
需要指出的是，由於醫院是發生多重耐藥菌感染的主要場所，因此醫院感染自然成為我國多重耐藥菌領域研究熱點之一，相關研究內容主要包括重點耐藥菌株、常見醫院感染類型、防控措施3個方面：（1）重點耐藥菌株以包括銅綠假單胞菌、鮑曼不動桿菌、肺炎克雷伯菌及大腸桿菌等在內的革蘭陰性菌為主，且相關研究主要集中在ICU醫院感染患者病原菌的分佈和變化上；（2）常見醫院感染類型包括手術部位感染、呼吸機相關性肺炎及中心性導管相關性血流感染，且研究傾向於通過流行病學調查的方法來描述和分析感染現狀；（3）防控措施相關研究集中於手衛生、接觸隔離、環境清潔消毒、抗生素合理應用與管理等的執行效果，積極探索多學科合作的新管理模式以減少醫院感染的發生、杜絕醫院感染的暴發等。
此外，對抗菌藥物的研究也是我國多重耐藥菌領域研究熱點之一，主要涉及耐藥性、耐藥基因及藥敏試驗等方面。根據研究對象，抗菌藥物研究可以分為兩個大類：一是以動物為研究對象，通過藥敏試驗結果分析常見病原菌耐藥性和耐藥機制，進而指導獸用抗菌藥物的合理使用，幫助農、林、牧、漁業制定科學、合理的抗菌藥物應用與管理策略；二是以人為研究對象，通過分析多重耐藥菌的分佈及其耐藥性而掌握感染相關因素，規范抗菌藥物在臨床診療當中的應用。
本研究局限性：本研究以中國知網為數據來源，未納入其他中文數據庫及外文數據庫相關文獻，文獻覆蓋不全面，存在漏檢相關文獻的可能性。
綜上所述，本研究在文獻計量學基礎上融入大數據理念，通過CiteSpace軟件對我國2000—2020年多重耐藥菌相關研究進行可視化分析，結果發現相關研究總體呈現上升趨勢，醫院感染、抗生素、重點耐藥菌株、整合子等是研究熱點，但耐藥性監測方面的研究較少，建議今後在分子生物學、生物信息學及微生物檢驗學等多學科交叉領域對多重耐藥菌進行深入研究。
本文無利益沖突。
參考文獻 略
