摘要
对Web of Science(WOS)数据库核心数据合集中医疗健康大数据领域相关文献进行了信息计量分析，结果显示在医疗健康大数据研究的机构分布方面，哈佛大学、加州大学洛杉矶分校和斯坦福大学占据前三甲；来自哈佛大学、加州大学洛杉矶分校、加州大学圣迭戈分校和加州大学旧金山分校等机构医疗健康大数据领域的论文总被引频次较高，反映了这些机构在医疗健康大数据研究领域国际影响力较强；流行病学、乳腺癌和肥胖症等慢性病成为医疗与健康大数据研究领域的实践应用热点；而数据挖掘和机器学习则是该领域的技术热点；数据驱动的精准医疗，个性化健康与智慧养老服务正在成为当前和未来一段时间学术界研究的重点方向。
一、引言
HIS、PACIS、LIS等各种医疗信息技术的应用与普及推动了医疗健康数据的极大增长，为医疗健康大数据的研究奠定了重要基础。世界各国对医疗健康大数据研究战略上的重视和资金上的投入，使得该领域的研究成果迅猛增长。医疗健康大数据研究的热点有哪些，未来的研究趋势又在哪里？2017年2月，我们发表在《国际医疗信息学》的一篇文章从信息计量学的视角对上述问题进行了研究和回答。
医疗健康大数据医疗研究（图片来自于网络）
二、医疗健康大数据文献信息的收集
根据布拉德福文献离散规律，大多数关键文献通常都会集中发表于核心期刊上。本文采用Web of Science(WOS)数据库的核心数据合集作为文献来源，并检索“大数据”与医疗健康与养老领域相关的各个关键词，共得到有关医疗健康大数据研究有关的期刊论文数量2398篇。
三、医疗健康大数据研究哪些国家和机构比较牛？
国家合作网络分析结果显示，医疗健康大数据研究国家间的合作甚多。美国以662篇数量居第一位，中国和英国位居第二和第三（分别为235篇和191篇）。在代表地位重要性的中心性方面，美国最高，为0.44；英国为0.24，德国为0.12。而来自中国的论文数量虽然不少，但中心性较低（0.03），低于美、英、德、荷、加、法等国（见图1）。从各个国家开始投入医疗健康大数据研究的研究时间看，中国也起步较早。
图1 医疗健康大数据研究的国家合作网络
空间分布图谱分析显示，在医疗健康大数据发文量方面，哈佛大学、加州大学洛杉矶分校和斯坦福大学占据前三甲。总被引频次反映了一个机构在国际上的影响力，来自哈佛大学、加州大学洛杉矶分校、加州大学圣迭戈分校和加州大学旧金山分校等机构医疗健康大数据领域的论文总被引频次较高，反映了这些机构在该领域国际影响力较大。从机构合作网络来看，医疗健康大数据研究领域的机构合作较少，研究团体也相对分散。
四、医疗健康大数据研究的创新路径
医疗健康大数据研究的发展主要分为三个阶段：疾病研究阶段，主要对癌症、肥胖病、高血压等进行研究；生命健康研究阶段，主要对食品、卫生、基因组等进行研究；智慧健康与养老研究阶段，主要侧重于个性化健康、精准医疗、精细老年照护等相关技术与方法的研究。在未来的该领域研究中，科研人员可以沿着这些知识基础路径进行创新路径的延伸。
五、医疗健康大数据研究的热点问题
研究热点是一定时期内学科研究的焦点和集约所在，表现为在一个学科问题上大量文献，学术思想的集中涌现和大量相关研究者群体的出现。关键词词频统计和关键词共词分析显示，流行病学、公共健康、肥胖病、乳腺癌、糖尿病等是当前国际医疗健康大数据研究的热点应用领域（见图2）。而从技术层面来看，数据挖掘和机器学习是支撑医疗健康大数据研究的最重要的两大技术基础。
图2 医疗健康大数据的研究热点
六、医疗健康大数据研究的未来
总的来说，精细化医疗、个性化健康服务与智慧养老正在成为当前和未来一段时间医疗健康大数据研究的重点方向。大数据驱动的老年健康评估、精细护理和健康干预（饮食、生活习惯等）正在吸引越来越多的研究者开展研究，其核心问题包括大规模复杂高维健康养老数据的深度聚合、动态集成、知识检索建模与学习、知识服务的动态机制等。此外，医疗健康大数据分析的解释技术也是一个新兴研究趋势，它对精准医疗尤其是高度复杂的非线性健康预测问题非常重要。
参考文献：
[1]Wang Y, Kung L A, Wang W Y C, et al. Integrated big data analytics-enabled transformation model: Application to health care. Information & Management, 2017.
[2] Groves P, Kayyali B, Knott D, et al. The big data revolution in healthcare. Accelerating value and innovation. Mckinsey & Company, 2013:4,13-16.
[3]Przulj N, Malod-Dognin N. Network analytics in the age of big data. Science, 2016, 353(6295): 123-124.
[4]Li GJ, Cheng XQ. Research status and scientific thinking of big data. Bulletin on the Chinese Academy of Sciences,2012,27(6):647－657.
[5]LynchJ,Smith GD.A life course approach to chronic disease epidemiology. Annu Rev Public Health, 2005,26: 1-35.
[6]Gu D, Li J, Li X, Liang C. Visualizing the knowledge structure and evolution of big data research in healthcare informatics[J]. International Journal of Medical Informatics, 2016.
作者简介：
顾东晓，男，汉族，博士、副教授。主要从事电子健康与智慧医疗、信息系统与管理等领域的教学和科研工作。先后主持国家自然科学基金项目1项和中国博士后科学基金项目2项，在Information&Managememt, IJPR,AIIM,KBS等国际期刊发表(含录用)SCI/SSCI论文15篇。曾获Emerald中国LIS研究高度赞扬奖，2016武汉电子商务国际会议最佳论文提名奖。先后担任第九届国际信息管理中国夏季研讨会（CSWIM2015）组织事务工作委员会共同主席(Local-Arrangements Co-chairs),第六届中德前沿科学探索圆桌会议（ERTC2016）青年科学家委员会委员，国际信息系统学会中国分会（CNAIS）2015年博士论文工作坊组织委员会委员，中国管理科学与工程学会大数据与商务分析研究会理事、CSWIM2017程序委员会委员等社会服务工作。
