论文已发表
提 交 论 文
注册即可获取Ebpay生命的最新动态
注 册
IF 收录期刊
临床医学中因果推断研究进展:基于Citespace 的文献计量学分析
Authors Qin G, Wei J , Sun Y, Du W
Received 10 January 2025
Accepted for publication 25 April 2025
Published 10 May 2025 Volume 2025:18 Pages 2603—2627
DOI http://doi.org/10.2147/JMDH.S516826
Checked for plagiarism Yes
Review by Single anonymous peer review
Peer reviewer comments 2
Editor who approved publication: Dr Pavani Rangachari
摘要
目的:因果推断在临床医学中顺利获得揭示干预措施与治疗结果之间的真实关联,为精准医疗和个性化治疗给予了重要的科学支持。本研究旨在顺利获得全面的文献计量分析,确定因果推断在临床医学中的当前研究趋势、关键主题以及未来开展方向。
方法:本研究以因果推断和医学术语作为主题关键词,在Web of Science数据库中进行文献检索,时间范围为1986年1月至2024年12月。经过筛选,取得4,316篇文献用于文献计量分析。利用CiteSpace生成网络图,分析与文献发表数量、引文数量、合作关系、关键词共现以及关键词突现的数据,以阐释该领域的知识图谱和合作网络。
结果:因果推断在临床医学领域的出版物数量随着时间的推移呈现出波动增长的趋势。其中,美国是该领域的主要贡献国家,哈佛大学是领先的研究组织;George David Smith 是产出最多的作者;而 Robbins JM 则是被引用次数最多的学者。主要的研究热点集中在流行病学、冠心病和健康等。此外,边际结构模型、反事实预测和孟德尔随机化不断是研究中的关键方法。关键词突现表明,大数据、DNA甲基化和稳健估计是新兴的研究方向。
结论:在临床研究中,反事实预测为优化临床策略给予前瞻性指导,孟德尔随机化则有助于发现潜在的治疗靶点,边际结构模型提高因果效应估计的准确性。未来,将顺利获得整合各种数据来源以改进因果推断方法,提高试验的敏感性和特异性,从而进一步阐明疾病和药物作用的复杂机制。同时,文献检索策略和所采用工具的指标可能对本研究的结果产生一定影响。
关键字:因果推断;反事实预测;边际结构模型;孟德尔随机化;文献计量学