基于共词分析的医学伦理学领域主题热点及演进态势

，

共词分析法作为内容分析的重要方法之一，由Callon等首次提出[1]。共词分析经过近40年的发展，已经被广泛应用到许多领域[2-6]。研究者利用共词方法基本原理，概述研究领域的主题热点，横向和纵向分析领域学科的发展过程、特点以及领域或学科之间的关系，反映某个专业的科学研究水平及其发展历史的动态和静态结构等[7]。

医学伦理学是运用一般伦理学的观点、原则、理论和方法解决医疗卫生实践和医学发展过程中人与人、人与社会、人与自然关系的医学道德问题和医学道德现象的科学，它既是伦理学的一个分支，又与医学科学和医学实践密切相连，是伦理学与医学相互交叉渗透而形成的一门边缘学科[8-9]。

目前，对于医学伦理学领域热点及演进趋势的研究主要采用调研、归纳、访谈以及文献词频统计等方法。

时统君[10]审视和梳理医学伦理学研究中的热点问题(脑死亡、安乐死、克隆人、器官移植、基因治疗等)，对我国医学伦理学的深入研究具有一定指导意义。

杨放等[11]采用文献检索的方法，对2006-2010年医学伦理学界的学术发展成果和动态进行检索与整理，回顾和总结“十一五”以来医学伦理学所取得的新进展、新成就，分析“十二五”医学伦理学发展的环境及前景，拟定发展设想。

Jiang LH等[12]借鉴循证医学系统研究和文献分析方法，定量与定性分析系统检出的“医学伦理学”中外文献，以剖析其学科发展规律及趋势，为相关决策和后续研究提供基线数据和决策参考。将共词分析法与医学伦理学领域知识相结合，可以实现对医学伦理学领域发展的全方位探析与透视。

本文利用共词分析方法，对医学伦理学领域关键词共现关系进行挖掘，以判断学科领域中主题间的联系，进而展现该学科的知识结构、发现研究热点、探索演进趋势，为医学伦理学的建设与发展提供可资借鉴的参考。

1 研究方法

在调研分析的基础上，本文提出一种主题知识关联指标测度与主题知识网络图谱相结合的领域主题关联特征挖掘方法，并与其它技术(聚类分析、多维尺度分析和战略坐标分析)一起形成基于共词分析的分阶段、多层面领域主题热点及演进态势研究方法体系(图1)。

图1 基于共词分析的领域主题热点及演进态势研究路线

该过程纵向划分为主题热点识别、主题关联特征挖掘以及主题发展态势探测3个阶段。首先，选定某学科领域，收集文献数据信息，经数据清洗(剔除泛义词、合并同义词等)，形成共词矩阵并规范化。然后，利用聚类分析和多维尺度分析方法对矩阵进行处理，结合知识语义及专家意见，识别发现领域主题热点。

选取并测度主题总知识量、主题总连接数、主题平均知识连接数等9项指标参数，绘制主题知识网络可视化图谱，对主题关联情况进行多维度特征解析，考察各子主题内部以及主题之间的知识连接特性。采用战略坐标分析法，探测各主题热点的演进态势。最后，我们以医学伦理学领域为例，进行实证研究。

2 研究对象的选择与数据获取

选取美国科学情报研究所(Institute for Scientific Information，ISI)出版的国际权威引文数据库Web of Science[13]中的SCI-Expanded，SSCI，CPCI-S网络数据库，利用其自带的学科分类(检索式为：WC=Medical Ethic)进行检索，得到2005-2014年医学伦理学主题中类型为“Article和Proceedings Paper”的文献共6 918篇。使用Thomson Data Analyzer(TDA)对文献信息进行文本处理，经过数据清洗等步骤后，提取关键词7 214个。

按照关键词词频由高到低进行排序，选取出现30次以上、累积频次比例达47.65%的46个高频关键词(表1)作为研究样本。在一篇文献中，关键词往往是著者对其研究内容的最准确且最精炼的概括与表达。由于这些关键词是医学伦理学文献中出现频次较高的词，因此它们很大程度上可以体现该领域的研究主题和方向。

由于ethics、research、qualitative research和medical ethics这4个关键词对于医学伦理学主题领域来说含义过于宽泛，在研究热点发现与趋势描述时没有太大的意义，因此将它们从样本中剔除。最终，利用TDA生成该领域42个高频关键词的共现矩阵，即本文待分析的共词矩阵。

考虑到网络数据库的数据更新情况，为了保持数据的一致性，笔者在2015年4月23日集中采集了数据。

表1 高频关键词信息

3 数据处理与结果分析

3.1 数据预处理

共词矩阵是对称矩阵，其中第x行、第y列的数据代表关键词x和y的共现频次。由于本文只考察不同关键词(知识点)之间的共现情况，因此将对角线上的值视为缺失。由于原始共词频次是绝对值，存在一定的量纲差异，并不能准确地反映两个知识点之间的实际关联强度，因此本文先利用SPSS将共词矩阵转换为Pearson相关矩阵。

3.2 主题热点识别

将相关矩阵分别输入到聚类分析(系统聚类分析，采用“组间联接”聚类法，区间度量标准设为“平方Euclidean距离”)和多维尺度分析(PROXSCAL，模型近似值参数设为“相似性”)程序中进行处理，并绘制聚类龙骨图和多维尺度图(见图2、图3)。

根据关键词或主题类团在多维尺度图中的位置和距离，可以初步直观地判断不同知识点或研究主题在医学伦理学领域的地位及相互关联关系。

图2 42个医学伦理学高频关键词的聚类龙骨图

图3 医学伦理学主题热点的多维尺度图

由图2可知，42个医学伦理学高频关键词可划分为9个主题类团。结合领域高频关键词列表、聚类结果、多维尺度分布、各关键词之间的实际语义关系以及专家意见，笔者对部分关键词的类团归属进行了调整(将类4中的“law”划归类9)，并在图3中用虚线和数字加以标识。这些主题类团在一定程度上展现了医学伦理学领域的主要研究问题及研究热点。在此基础上，结合相关文献的具体内容，对医学伦理学领域的9个主题热点进行深入分析。

3.2.1 生育控制与人类胚胎干细胞研究

包括stem cells、embryo、abortion和prenatal diagnosis。该类团涵盖两个子主题：一个是分布于第一象限的“生育控制”，另一个是位于三、四象限临界处的“人类胚胎干细胞研究”。二者虽然同属一类，但在多维尺度图中距离却较远。究其原因在于二者都与人类的妊娠生殖活动有关，但“生育控制”侧重于生育活动本身，而“人类胚胎干细胞研究”则聚焦于生育中间产物——胚胎干细胞。生育控制所涉及的主要伦理争论在于流产本身以及通过产前诊断对胎儿的先天性缺陷和遗传性疾病进行识别和判断，从而引起的以优生学为目的的人工流产的道德性与合法性。人类胚胎干细胞研究所引发的伦理争议主要集中在3个方面：一是胚胎的道德地位问题，二是人类胚胎的来源是否符合伦理和法律，三是人类胚胎干细胞研究是否会导致生殖性克隆的问题[14]。

3.2.2 种族划分与健康

包括immigrants、health、human rights、ethnicity、adolescents、culture和gender。该主题分布于第一、二象限，处于图的最上侧，包含移民的人权、健康与社会保障，种族、青少年等特定群体的人类学与社会学伦理，文化差异与性别歧视等子主题。

3.2.3 神经伦理学与自主

包括neuroethics、enhancement、autonomy和responsibility。该主题位于第一、四象限，主要涉及药物神经增强等人类行为控制伦理、患者的自主性与自主权以及医务人员的责任等问题。

3.2.4 儿童与遗传

包括children和genetics。该类团位于第一象限，涵盖两方面的内容：一是对儿童这一特殊群体的保护，二是基因组学、克隆技术以及遗传病的检测、诊断、治疗等遗传学研究中的伦理问题。值得注意的是，“儿童”与“青少年”的多维尺度坐标较为接近，说明在某些研究中，学者们经常将二者视为同一类群体进行伦理学讨论。

3.2.5 公共卫生、国际性研究中的伦理与政策问题

包括justice、public health、HIV/AIDS、Africa、community-based participatory research、developing world、clinical trials和bioethics。该主题全部集中在第二象限，包含三个子主题：一是公共卫生资源公平配置的伦理学研究，二是非洲地区艾滋病的发现和防治的伦理与政策(其中，社区参与研究是实现艾滋病防治的重要手段之一)，三是在发展中国家进行(药物等)临床试验的伦理道德问题。

3.2.6 科研伦理

包括Institutional Review Boards、human subjects、research ethics和ethics committees。该主题位于第三象限，处于图的左侧，主要涉及医学科研工作中的伦理道德，如伦理委员会对以人体为受试对象的生物医学研究的伦理审查等。

3.2.7 教育

包括education和clinical ethics。该主题跨越了第三、第四象限。教育是医学伦理学研究必不可少的重要组成部分，从“教育”与其他知识点的多维尺度距离来看，除了临床伦理学外，科研伦理学、生物伦理学等领域的道德规范教育问题也都是当前的研究热点。

3.2.8 知情同意与决策

包括informed consent、confidentiality、risk、decision making和conflict of interest。该主题分布于第三、四象限，包含医学伦理学知情同意与保密性原则、医疗风险与临床决策以及利益冲突伦理等内容。

3.2.9 临终关怀与安乐死

包括end of life、advance directives、euthanasia、palliative care、death和law。该类团全部集中在第四象限，涵盖了3个子主题：一是对生命即将走向尽头的晚期患者的临终关怀及预先指示制度，二是为减轻重病患者痛苦而采取的姑息疗法、安乐死等措施，及其所涉及的法学、医学、伦理、道德等领域的相关问题，三是死亡伦理(死亡的含义、标准、态度、权力的伦理学分析等)。该主题与类团1关注的都是生与死的问题，属于生命伦理学的范畴。

需要注意的是，以上主题热点并不是完全独立的，各群落的知识点之间存在着一定的关联关系，从而构成了医学伦理学领域主体学科知识体系。另外，共词分析的实质是利用共现词对的频次揭示隐含于词汇之间的语义，聚类只是一种统计手段，人为地将被聚类的词汇划分成团，用以代表学科研究点[15]。往往处于同一类团的词之间仅在数值比例上存在一定的相似性，而在语义上并无密切的联系，这种类别刚性归属会造成理论研究结果的偏差。因此，在对共词矩阵进行分析的时候，将原始相似度、聚类分析、多维尺度分析以及知识点的词义、所处语境结合起来，能达到更好的分析效果。

3.3 主题关联特征分析

为进一步全面准确地考察各子主题内部以及主题之间的知识连接特性，明晰其在整个学科领域知识网络中的地位与发展态势，本文选取以下9项指标参数对主题关联情况进行多维度特征解析[6]。

主题总知识量，即主题规模，指在一个学科领域内，某主题类团中知识点的总量。知识点的数量越多，表示主题群落的规模越大，反之亦然。一般子群规模越大，主题中知识点的关联关系可能越复杂。

主题内部连接数，指在一个学科领域内，某主题类团内部各知识点之间连接关系的数量，反映了该主题内部知识连接的总体水平。该值越大，说明主题内部知识关联的能力越强，主题整体内部凝聚性越高，反之亦然。该特征指标受主题规模的影响较大，是一个绝对量。

主题外部连接数，指在一个学科领域内，某主题类团与其他主题类团间的知识连接数量，反映该主题与其他主题进行知识交叉融合、渗透创新的总体水平。该值越大，说明主题整体与外部关联越密切，知识延展性越高，反之亦然。该特征指标亦受主题规模的较大影响，是一个绝对量。

主题总连接数，指在一个学科领域内，某主题类团内部、外部连接数的总和。该值越大，说明主题在学科领域中的绝对影响力越大，所处地位越核心，反之亦然。

主题内部连接百分比，指在一个学科领域内，某主题内部连接数占其总连接数的百分比。该值越大，说明主题自身在学科领域中的内聚性越高，而外延性越低，反之亦然。

主题外部连接百分比，指在一个学科领域内，某主题外部连接数占其总连接数的百分比。该值越大，说明主题自身在学科领域中的外延性越高，而内聚性越低，反之亦然。

主题内部平均知识连接数，是指在一个学科领域内，某主题内部连接数与其所含总知识量的比值，描述了主题内部知识之间相互联系的平均水平，反映了主题知识元素的内部平均影响力大小。该特征指标修正了主题规模不同所产生的偏差，是一个相对量。主题外部平均知识连接数，指在一个学科领域内，某主题外部连接数与其所含总知识量的比值，描述了该主题与其他主题知识之间关联关系的平均水平，反映了主题知识元素的外部平均影响力大小，是一个相对量。

主题平均知识连接数，指在一个学科领域内，某主题总连接数与其总知识量的比值。反映了该主题中的知识元素在学科领域中的相对平均影响力和重要程度高低。

将关键词代指知识，关键词的数量即为知识点的数量，关键词之间的连接数即为知识点间的连接数；根据前述主题划分结果及9项主题关联指标计算方法，测得医学伦理学领域主题类团各项参数(表2)，并利用可视化工具NetDraw绘制主题知识网络图谱(图4)。

图中节点为关键词知识点，节点大小表示该知识点点度中心性的高低(节点越大，说明其在整个知识网络中越重要)，节点间的路径代表了知识间的共词强度(连线越粗，表示知识间的关联性越大)。

表2 主题类团关联特征参数

图4 医学伦理学主题知识网络图谱

节点标签中的数字为其所属主题的类别(颜色深浅度相同的节点构成同一主题知识群落)。该图谱实现了知识以及主题知识群的聚合与分解，形象化地展示了二者的内外多重联系，为挖掘领域主题知识关联特征提供了支撑与参考。

从表2和图4可知，“生育控制与人类胚胎干细胞研究”的主题外部连接数和外部平均知识连接数最少，说明不管从宏观主题知识群还是从微观知识元素的层次来看，其与领域其他主题的知识关联十分稀疏(尤其与“教育”主题无直接联系)，形成了本领域中相对独立封闭的研究域。

“种族划分与健康”的主题平均知识连接数最低，说明该主题中的知识点在医学伦理学领域中的平均影响力最弱。“儿童与遗传”是领域中规模最小的主题热点之一，其主题内部连接数、内部连接百分比和内部平均知识连接数皆处末位，说明其在医学伦理学领域中属于典型的外延型主题，内聚性较差，尚未形成独立的研究体系，需与其他主题(如科研伦理、公共卫生、国际性研究中的伦理与政策问题以及知情同意与决策等)知识交叉共存，协同演进。

“公共卫生、国际性研究中的伦理与政策问题”所蕴含的知识量最多，主题规模最大，主题内部连接数、外部连接数以及总连接数都居于首位，说明该主题不仅具有高度的内部知识凝聚性，而且与外部主题(如科研伦理、知情同意与决策以及种族划分与健康等)关联密切，知识延展性最佳，与其他主题进行知识交叉融合、协同创新的能力最强，在医学伦理学领域中的绝对影响力最大，处于核心地位。

“科研伦理”同时拥有最高的主题内部平均知识连接数、外部平均知识连接数以及平均知识连接数，说明其知识元素的内部连接、与其他主题知识之间的外部关联平均水平都非常高，主题知识元素的内部、外部平均影响力都最大，是医学伦理学领域中最重要的研究主题之一，且该主题中的“科研伦理学”知识点与知情同意与决策主题中的“知情同意”知识点以及公共卫生、国际性研究中的伦理与政策问题主题中的“生物伦理学”知识点形成了一个较显著的强关联三角区域，说明生物医学科研伦理中受试者的知情同意问题是当前医学伦理学领域的重要跨主题知识群之一。

“教育”主题知识量最少，总连接数也最低，说明其在医学伦理学领域中处于边缘位置；“临终关怀与安乐死”拥有最高的主题内部连接百分比以及最低的外部连接百分比，说明其内部知识体系较为系统完善，在医学伦理学领域中自成一派，属于典型的内聚型主题。

另外，“神经伦理学与自主”和“知情同意与决策”这两个子主题在任何一项参数上都未呈现出极值特性，处于“中间”状态，二者都属于知识外延型主题(与其他各主题之间均存在一定的知识连接关系)，且后者比前者在本领域中的重要程度更高、影响力更大。

3.4 战略坐标分析

战略坐标是Law J等人于1988年提出的[16]，用来描述某一研究领域主题类团(研究热点)内部联系情况以及类团间相互影响情况。战略坐标为一个二维坐标，横轴表示向心度，纵轴表示密度，原点为二者的均值。其中，向心度用来衡量各个主题类团与其他类团相互影响的程度，向心度越大，说明该主题在某研究领域中占据越核心的位置；密度用来衡量各个类团内部联系的紧密程度，它表示该主题维持自己和发展自己的能力[17]。

战略坐标可以概括地表现一个领域及其子领域的结构，它把每一个主题热点映射到坐标的4个象限中，从而描述各主题的研究发展状况[18]。

第一象限中的主题拥有高密度和高向心度，说明其发展成熟且为领域核心；第二象限中的主题拥有高密度和低向心度，说明其发展成熟但并非领域核心；第三象限中的主题密度和向心度都较低，说明其发展不成熟且处于领域边缘；第四象限中的主题拥有低密度和高向心度，说明虽其发展不成熟但却为领域核心。

利用社会网络分析软件Ucinet分别计算医学伦理学主题类团1-9的向心度(平均点度中心度)与密度(表3)，并绘制战略坐标图(图5)。

表3 主题类团的向心度及密度

图5 医学伦理学主题类团的战略坐标图

其中，该图的原点坐标为(57.53, 4.98)，即各类团向心度与密度的平均值。

由表3及图5可知，从整体上看，医学伦理学的大部分主题类团所处的位置偏下(即密度偏小)，说明该领域的各知识点之间的联系较为松散，研究尚不成熟。

位于第一象限的主题类团为“公共卫生、国际性研究中的伦理与政策问题”和“科研伦理”，二者同时拥有较高的密度以及向心度。其中，密度高说明其研究主题内部联系紧密，研究趋于成熟；向心度高说明这两个研究热点又与其他各热点具有广泛的联系，即与其余主题研究密切相关[7]，是医学伦理学领域的核心。

值得注意的是，“科研伦理”类团的密度和向心度都明显高于“公共卫生、国际性研究中的伦理与政策问题”类团，说明“科研伦理”在医学伦理学研究中处于“核心中的核心”地位。

位于第二象限的主题类团为“生育控制与人类胚胎干细胞研究”和“临终关怀与安乐死”，二者的密度较高，但向心度却偏低，表明其主题内部关联紧密，已经具备了一定的研究规模，形成了相对独立的研究领域，发展日趋成熟。但这些研究主题与其他研究主题之间关联并不密切，在整个医学伦理学研究网络中处于边缘位置。因此在主题演进后期，可能会由于没有有效的提升动力而慢慢消失[19]。

位于第三象限的主题类团为“种族划分与健康”、“神经伦理学与自主”、“儿童与遗传”和“教育”，其密度和向心度都较低，说明其内部结构松散，研究尚不成熟，且与其他主题热点的联系较为稀疏，属于医学伦理学领域的边缘研究主题。

位于第四象限的主题类团只有“知情同意与决策”主题热点密度较低，说明其内部知识结构松散，研究尚不成熟。但它拥有较高的向心度，说明该主题类团与其他主题类团的联系紧密，是医学伦理学的核心子领域，具有潜在的发展趋势。

总体上来说，在医学伦理学未来的演化进程中，该研究主题自身凝聚力不足、结构不稳定、易发生知识分裂，同时裂化的知识又将倾向于与其他主题相结合，从而产生新的主题领域，完成知识的升华与创新。

4 结论

本文以医学伦理学领域为研究对象，将共词分析法与学科领域知识相结合，对其主题结构、研究热点、知识关联特性与演进态势进行了全面系统的分析与讨论。

学科领域知识点可聚合为不同的主题群落，各子主题内部以及主题之间存在一定的知识关联特性。主题知识关联指标测度与主题知识网络图谱相结合的领域主题关联特征挖掘是一种有效的主题知识连接特性解析方法，可以与聚类分析、多维尺度分析及战略坐标分析等相互补充，形成基于共词分析的分阶段、多层面领域主题热点及演进态势研究方法体系，具备一定的科学性和可行性。

在进行领域热点识别时，将共词矩阵、聚类分析、多维尺度分析以及知识点的词义、所处语境结合起来，能达到更好的分析效果。

医学伦理学主要涵盖9个研究热点。从整体上看，该领域的各知识点之间的联系较为松散，研究尚不成熟，具有较大的发展空间。

“公共卫生、国际性研究中的伦理与政策问题”和“科研伦理”是医学伦理学研究的核心内容，且发展趋于成熟。

“知情同意与决策”具有潜在的发展趋势，易于衍生新的研究主题，实现知识的升华与创新。

为促进医学伦理学的发展，要加强整个学科网络中各个知识点(或知识群)之间的联系，提升学科自身的内聚力与稳定性，并注意与其他学科主题相结合，拓宽研究思路、富化研究方法、促进知识的流动与创新，推动其向更深、更广的方向演进。