宫雪，杨颖，于晓松

    全科医学是一门面向社区与家庭，整合临床医学、预防医学、康复医学以及人文社会科学等于一体的综合学科，是为居民提供基本医疗保健服务，以解决社区常见健康问题为目的的基层医疗[1]。国外的全科医学开展较早，学科发展和队伍建设已相对成熟；但我国的全科医学起步较晚，全科医学的学科定位尚不十分明确，关于全科医学的系统性研究也相对较少[2]。因此，对于我国全科医师以及相关领域研究者和决策者而言，了解当前国际全科医学的研究热点和发展前沿，具有十分重要的意义。文献计量学研究是采用定量化方法对文献特征进行分析和处理，可以在一定程度上反映出当前学科的研究现状和前沿。本文采用情报学领域中的知识图谱可视化和共词分析方法对PubMed数据库中收录的全科医学领域的文献进行分析，以了解国外全科医学的研究热点和发展前沿，从而为今后我国全科医学的发展提供参考。

    1 资料与方法

    1.1 文献检索 于2017-06-19，采用计算机检索PubMed数据库中与全科医学相关的文献。检索策略为：“general practitioners”〔MeSH Term〕OR“general practice”〔MesH Term〕OR“physician，family”〔MesH Term〕OR“family practice”〔MeSH Term〕。检索时间限定为2016—2017年，语种限定为英文，文献类型限定为Journal Article和Review。

    1.2 文献筛选 由2名研究员同时独立进行文献检索和筛选，阅读获得文献的题目与摘要，排除明显不符合标准的文献，重复发表文献仅保留1篇。对2名研究员的筛选结果进行交叉核对，如有分歧通过讨论或由第3方决定达成一致。

    1.3 资料整理和分析 记录纳入文献的发表期刊及其综合影响因子；根据美国国立医学图书馆创建和维护的《医学主题词表》，在合格文献中，选取能表达文章核心的主题词(主要主题词)。(1)采用书目信息共现挖掘系统(BICOMB)[3]对纳入文献的来源期刊、主要主题词进行频次统计。根据信息科学中的h指数原理，选取高频(本文为频次≥20次)主要主题词进行共现分析，采用Ucinet 6.199软件中的 NetDraw 2.081绘制高频主要主题词共现网络分析图。(2)采用gCLUTO 1.0软件对高频主要主题词进行聚类分析。聚类算法是把数据分成有意义或有用的组(类别)，从而达到组内相似性最大、组间差异性最大。双聚类指实现行与列的同时聚类，对稀疏矩阵尤其有效，也可实现利用类内描述度高的文献来标注聚类 ......