AI + 老年护理，与文献计量的火花；以论著形式发在7+SCI期刊

关键词：文献计量分析；解读

（点击👆，文献计量分析7月份培训）

各位朋友们大家好！

本期与大家分享一篇精彩的文献计量分析论文，题为“Application of Artificial Intelligence in Geriatric Care: Bibliometric Analysis”【1】；这篇文章由国内的护理人员完成，发表于J Med Internet Res，IF 7.077。

主要选题方向是：AI + Geriatric Care（老年护理）+ bibliometric

看文献计量（bibliometric）文章的流程：

•     速读题目+摘要：快速锁定该文章的选题方向。

•     快速浏览Figure：判断图片是否有创新点

•     仔细阅读method：锁定数据库、检索策略、分析软件
  

•     详细阅读result：为解读图片打好基础（但是文献的解读不一定正确，要理性看待）
  

1，首先我们看标题和摘要

题目：

为表示对作者的尊重，因此截图中带有作者信息，本文仅限于学习和学术交流！

绿色标记：original paper

【文献计量类文章要努力发表成original article!】

红色标记：Artificial Intelligence in Geriatric Care

【选题方向：AI与老年护理】

蓝色标记：Bibliometric Analysis

【SCI论文的副标题，用于补充该文章采用的研究方法，结构化形式=高度凝练的文章信息+：+研究方法】

摘要：

典型的结构化摘要，摘要分为两种。

一种是结构化摘要，另一种是非结构化摘要。

两者区别仅在于结构化摘要有加粗的Background、Objective.., 在逻辑上是没有区别的。

大家在投稿之前一定要阅读Guide for author（如下图）

我们来仔细解读该文章。

中文翻译：

人工智能（AI）可以改善老年人的健康和福祉，并有潜力协助和改善护理护理。近年来，该领域的研究逐渐增加。因此，有必要通过文献计量分析了解AI在老年护理中的应用的发展现状和主要研究热点，并确定主要贡献者及其关系。

摘要部分的背景部分，主要有两个目的：本研究的方向对某领域很重要；因此，我们用了什么方法对这个方向做了什么研究。

中文翻译：

目的：本研究旨在通过文献计量分析，考察过去23年来人工智能在老年护理中的应用的当前研究热点和合作网络。

方法：使用Web of Science核心合集数据库作为数据来源。下载了从创刊至2022年8月的所有出版物。通过HistCite和Web of Science对出版物的外部特征进行总结。使用VOSviewers和Citespace分析关键词和合作网络。

目的和方法学部分，需要注意：一定要简明扼要！！在图片中，我高亮的部分都是大家在书写文献计量文章时，可以借鉴的套话（借鉴不是抄袭哦！）

中文翻译：

结果：我们获取了共计230篇出版物。这些作品来自39个国家的499个机构，在124个期刊上发表，并由1216名作者撰写。从2014年到2022年，出版物数量急剧增加，占所有出版物的90.87%（209/230）。美国和《国际社会机器人学杂志》在这一主题上的出版物数量最多。这1216名作者被分为5个主要群集。在230篇出版物中，建立了4个群集模型，包括阿尔茨海默病、老年护理、接受度以及疾病监测和治疗。机器学习、深度学习和康复也成为近期的研究热点。

摘要部分的结果：一定要简明扼要！篇幅不能过长，重点书写出在正文中得到的一些重要的结果即可！

中文翻译：

结论：人工智能在老年护理中的应用研究发展迅速。各国家/地区和机构之间的研究和合作发展受到限制。未来，加强不同国家/地区和机构之间的合作与交流可能进一步推动该领域的发展。本研究为研究人员提供了了解该领域当前状态、合作网络和主要研究热点所需的信息。此外，我们的结果也提出了一系列未来研究的建议。

摘要部分的结论：体现该研究的价值！潜在的意义！

引言：

Introduction部分的是有结构的，大家可以参考吴志根博士的《国际高水平SCI论文写作和发表指南》。

我们看一下本文的引言结构。

前两段，作者就说了两点（大家猜一猜是哪两点，一定是题目中提到的"Artificial Intelligence in Geriatric Care"，因为本文的主要研究对象是老年护理，所以作者在第一段一定会提到老年人的人数，现有护理的问题，进一步引出AI，所以第二段开始说AI的一些内容。

中文翻译：

然而，该领域的研究主题和趋势尚不清楚。目前，尚无研究以文献计量学的形式分析人工智能在老年护理中的应用现状、研究热点和现状。

第三段，起到承上启下的作用。前两段主要是给读者说一下自己的研究方向，接下来一定是要引出他的研究方法：文献计量分析。但是直接说文献计量分析的一些内容是非常突兀的，而且引言里面有个最重要的部分是，突出现有研究的不足和gap，以此来说明自己的研究重要性。

我在图片中高亮的部分是最重要的。大家可以去看一下基础基础医学或临床医学类文章，几乎所有的文章在引言部分都有这样一句话，.... are not yet clear./ .... is unclear. 

作者说，虽然AI+老年护理中有广泛应用，但是呢，研究主题和趋势还不清楚，由此引出下一段对文献计量分析的介绍。

中文翻译：

文献计量学是指使用数学和统计方法对出版物进行定量综合。该方法根据出版物的外部特征，如出版物数量、作者和期刊数量，分析了特定领域内的发展趋势、分布结构和关系。本研究采用文献计量学方法对人工智能在老年护理中的应用相关研究进行了全面分析，以总结该领域的研究现状。本研究还分析了研究热点和发展趋势，为今后的研究方向和研究者提供参考。

    这段话的精髓在于，文献计量有多么好，夸一夸...hh

方法学：

好了接下来我们看Method部分

    首先是数据来源和检索策略

这部分我就不翻译了，我们看这部分的时候，主要从内容中挖出来以下几点

• 数据库来源
  

• 检索时间
  

• 检索词选择与来源

• 纳入和排除标准

• 保证纳排的方法

  
  

其实这部分的书写目的是什么呢？

主要是审稿人在审查你文章的时候，能够检索出与你数量上一致或相近的数据，他才有可能相信你研究的真实性；其次就是读者，尤其是对于初学者，他们往往经验不丰富，看到你的描述，想复现一下你的数据和图表，如果复现出类似结果，或许你的文章有一定外部推广性。以上两点，一定要切记！否则，pubpeer见...hhhh

这部分我也不翻译了，大家看我的高亮部分就能知道是什么意思。主要是对本文的研究工具进行了一个介绍，因为审稿人不一定是这方面的专家，所以你要告诉审稿人和读者你的研究方法是什么，这部分在书写的时候一定要注意，不要直接照搬别人的文章内容，虽然你的研究工具和他一致....

数据分析部分，作者写得较为粗略。主要是说外部特征来自于wos，数据从wos导出的，关键词中有同义词进行了合并，内部特征用软件分析了。这部分因人而异，看自己所投杂志要求。

我们通常建议加上统计方法部分，尤其是想发表original article的时候，培训中会有重点讲述。

伦理审查，这些套话大家可以借鉴。因为纯文献计量分析不涉及人体试验或者其他，因此不需要伦理。

2，主要结果

终于来到正文了....

这篇文章的流程图做得中规中矩，但是很简洁和大方。

主要是文献计量分析的几个流程：检索、筛选、文献计量分析、讨论及分析结果。如果有人说，我不会做啊！其实PPT就可以做，不过布局，你需要大量阅读文献，然后形成自己的审美！

我们在阅读结果部分的时候，建议大家先阅读结果的小标题，这样可以知道整篇文章的框架和思路呈现。

Analysis of Publication Outputs and the Total Local Citation Score

Analysis of Countries/Regions and Institutions 

Analysis of Journals and Citations

Analysis of Publications and Citations

Analysis of Authors and Coauthorship Networks

Co-occurrence of Keywords and Burst Keyword Detection

中文翻译：

出版产出和本地引用总分的分析

国家/地区和机构的分析

期刊和引文的分析

出版物和引文的分析

作者和合著网络的分析

关键词的共现和关键词突发检测的分析

其实对于文献计量高手，阅读完这些标题之后，脑海中就有一张张图表了..

结果1：出版产出和本地引用总分的分析

涉及到两个部分：出版产出与本地引用总分

我盲猜啊，这两个数据来源于Hiscite pro...(具体软件操作，欢迎报我们的第二期文献计量分析课程哦）

有了数据，你就不愁锤子了，这张图就是简单的excel绘制，那么多绘图软件，选个高大上的，好看的也行...

如何解读呢？

我直接放上去中文翻译好了，大家看文献文字部分的高阶水平，是看了个性化的文献，能总结出通用的套话，也可以说是自己的审美..

中文翻译：

从Web of Science核心合集中共搜索到4641篇论文，在数据清理后，有230篇（4.96%）论文被纳入分析。

【介绍数据量】图1展示了文献筛选过程和研究框架【图1是什么】，图2显示了每年的出版物数量。【图2是什么】在人工智能在老年护理中的应用研究中，出版物数量稳步增加，从2000年的第一篇论文到2022年的32篇论文。从2014年到2022年，出版物数量急剧增加，占所有出版物的90.87%（209/230）【图2具体趋势解释】。然而，在该领域内的总局部引用评分（TLCS）变化并不平滑。相反，论文发表时间越晚，被引次数越低。TLCS越高，说明该出版物在该领域中的重要性越大。我们的研究结果支持TLCS峰值与开创性文献的出版之间的相关性【TLCS的含义及本研究发现】。我们发现Tamura等人[21]于2004年对13名严重阿尔茨海默病患者进行了研究，以探讨娱乐机器人在职业治疗中的有效性。结果显示，在职业治疗期间，娱乐机器人有效地增加了阿尔茨海默病患者的社交活动。娱乐机器人是治疗严重痴呆患者的有效康复工具。此外，该研究[21]还提出，娱乐机器人可以代替关键护理单位中的治疗动物。机器人比动物更安全，但价格是另一个问题。对于是否使用机器人存在不同意见。我们还发现Moyle等人[22]在2013年进行了一项初步的随机对照试验，探讨陪伴机器人对住宅护理环境中中度至重度痴呆老年人情感表达的影响。结果显示，陪伴机器人对患者的生活质量有中度至非常积极的影响，改善了言语功能和情感表达，并减少了孤独感[22]。2015年，Sung等人[23]进行了一项前后对照的单组实验研究，评估机器人辅助疗法对多个长期护理设施中的老年人的影响。参与者在接受4周机器人辅助疗法后，其沟通、互动技巧和活动水平显著提高[23]。机器人辅助疗法可以成为日常活动，并有潜力改善住宅护理设施中老年人的社交健康。2017年，Hebesberger等人[24]使用混合方法研究评估了长期自主机器人使用对护理设施工作人员和老年人的社会接受度和体验。这是第一项关注长期机器人暴露对用户体验和接受度影响的研究，结果显示老年人和工作人员对机器人持有矛盾的态度。一方面，他们对机器人感到好奇并参与其中；他们喜欢机器人的存在。另一方面，老年人表达了恐惧，并拒绝使用机器人，而工作人员也不愿与机器共事。

【对TLCS背后转折点或拐点对应的高被引文章进行简要说明吧，不能说是分析，因为说明内容你可以只看高被引文章的标题得到他们的研究方法与摘要部分的结论进行一个总结，所以只是说明，不是分析】

结果2：国家/地区和机构的分析

这部分有三个图表构成，很简单，数据嘛还是来自Hiscitepro，最后一个和弦图来自于一个bibliometric开放平台，主要目的是说合作关系。我放上来中文翻译，主要就包括亮点：多少国家或地区参与了我纳入的这些文章的发表。排名前几的国家或地区有哪些，谁发的数量最多，得到结论：啊，国家/地区间发展不均衡（这一定啊..经济都不一样...）；接下来就是机构，还是那几个结果，谁最多，其次是谁；最后一句，作者用了一个人的观点说，我们不光要说谁发表的多，还要看谁合作密切，所以放了张和弦图...

中文翻译：

共有39个国家/地区和499个机构参与了这230篇论文的发表。表1显示了出版物数量排名前10位的国家/地区。在研究期间，美国是发表数量最多的国家（n=63，占27.39%），其次是中国（n=41，占17.83%）和日本（n=28，占12.17%）。就论文发表数量而言，排名前10位的国家/地区占所有论文的90.00%以上，说明该领域的研究在不同国家/地区之间发展不均衡。

    表2显示了在该领域发表文章数量排名前10位的机构。在研究期间，格里菲斯大学和奥克兰大学的发表数量最多（n=10，占4.35%），其次是多伦多大学（n=6，占2.61%）、邦德大学（n=5，占2.17%）和宾夕法尼亚大学（n=5，占2.17%）。

Wuchty等人的研究表明，团队通常会发表比个体更具影响力的研究，分析不同国家/地区、机构和作者之间的合作关系也可以反映该领域的学术交流。图3显示了各国/地区之间的合作关系。国家之间的连线反映了它们之间的合作情况，大部分是相互合作的。值得注意的是，国家之间的交流越频繁，产出也就越多，美国就是一个例子。图中显示，与美国交叉的连线众多且粗，表明美国在该领域合作发展中起着重要作用。因此，美国也是产出最多并与中国、加拿大、德国、法国和日本密切合作的国家。

结果3、4和结果5的前一部分，我们就一块分析吧，因为就三个图表还是来自于HiscitePro

 这三张表啊，就是说那篇文章，或者哪个期刊、作者的TLCS、TGCS、H指数最高，对前某个的做了个汇总。

我直接放上来中文翻译：

期刊分析可以帮助找到该领域的核心期刊[26,27]。人工智能已广泛应用于各种领域，包括游戏、自动化、医学和过程控制[28]。越来越多的研究人员和科学家开始从事这个主题的研究。分析结果显示，在我们的研究期间，共有124个期刊涉及人工智能在老年护理中的应用研究。表3显示了发表数量排名前10位的期刊及其相应的局部引用评分（TLCS）。《International Journal of Social Robotics》在此主题上发表的文章数量最多（n=22，占9.57%）。该期刊的影响因子为3.802。紧随其后的是《Journal of the American Medical Directors Association》（n=11，占4.78%）、《Assistive Technology》（n=6，占2.61%）和《Journal of Medical Internet Research》（n=6，占2.61%）。

具有最高TLCS的期刊是《International Journal of Social Robotics》（TLCS=27）和《Journal of the American Medical Directors Association》（TLCS=32），这表明这两本期刊很可能是人工智能在老年护理中的权威出版物。

在某种程度上，一篇论文的引文排名也可以解释[29]这个学术领域的研究热点。一篇论文的标题说明了该论文的主题。根据TLCS，表4列出了最常被引用的前10个出版物。在前10篇论文中，有7篇（70%）关注了机器人技术对阿尔茨海默病患者的影响，这表明人工智能在痴呆症患者中的应用是主要的研究问题。

高引用次数（h指数）是由美国加利福尼亚大学圣迭戈分校的Jorge E Hirsch于2005年提出的。它是一种混合定量度量，用于评估研究人员的学术成就。h指数越高，学术影响力越大。h指数表示一个人在给定时期内至少被引用了“h”次的“h”篇论文[37]。过去共有977位作者参与了相关研究。表5列出了发表文章数量排名前10位的作者。前3位（30%）分别是Wendy Moyle（澳大利亚）、Cindy Jones（澳大利亚）和Elizabeth Broadbent（新西兰）。Moyle拥有最多的发表文章，而Ngaire具有最高的h指数（h指数=46），这意味着他们在该领域具有极大的影响力。

我对一些套话进行了标红加粗，其实总结之后，就两点。

对采用指标进行意义描述（带帽）+本次用这个指标得到的结果（具体）

结果5后半部分：作者合作网络可视化（VOSviewer）

很简单的一个图，把数据导入VOSviewer，然后可视化，节点呢就是每个作者，节点越大说明发表文章越多，连线代表两个作者的合作关系强度（合作100篇的连线，一定比合作9篇要粗）。

中文翻译：

图4展示了该领域作者之间的合作关系。不同颜色代表不同的作者群集。对所有作者的合作关系进行分析后发现，只有38位（3.13%）作者形成了一个合作网络，并被分为5个主要群集。连线的粗细表示相对于其他作者的合作关系强度。最大的群集（红色）涉及11位（28.9%）合作者，以Baishch Stefanice、Knopf Oinks和Kolling Thorsten为中心。第二个群集（蓝色）由Moyle和Jones主导。他们拥有最大的节点，并且是该领域中最活跃的合作者。最小的群集（紫色）只包括5位作者，但他们通过Barbara Klein与最大的群集和发表文章数量最多的作者进行合作。同时，在参与该领域研究的其他前10位作者之间缺乏合作。

结果6：关键词分析

中文翻译:

关键词在从文献计量学的角度分析学术领域的知识结构方面是有效的，可以帮助识别潜在的研究热点[39]。因此，可以使用关键词来确定本研究涵盖的主题。我们分析了出现2次以上的关键词。这是通过类似于基于模块性的聚类算法进行计算的。在分析中包括了230篇论文的标题和摘要；我们提取了出现频率最高的140个关键词，并进行可视化呈现。如图5所示，元素的颜色代表它们所属的群集，不同的群集由指定的颜色表示。节点的大小表示关键词的出现次数，链接的粗细表示共现强度。节点之间的链接越粗，关键词之间的共现越大。我们使用4种颜色（红色、绿色、蓝色和黄色）清晰地将关键词分为4个类别，以表明这些主题展示了主流研究热点和前沿领域。

群集1与阿尔茨海默病相关。主要关键词有“认知功能障碍”、“健康护理”、“预防”、“预测”和“人工智能”。该群集探索了人工智能在阿尔茨海默病中的应用。

群集2主要与老年护理相关。主要关键词有“辅助机器人”、“康复”、“中风”和“社交辅助机器人”。该群集专注于人工智能在老年护理中的应用。

群集3与人工智能应用的接受度相关。关键词为“用户接受度”、“机器人接受度”和“技术接受度模型”。该群集探索了人工智能在老年护理中应用的接受程度。

群集4与老年人疾病的监测和治疗相关。主要关键词有“机器学习”、“治疗”、“机器人手术”、“虚弱”和“危险因素”。该群集探索了人工智能在老年人疾病监测和治疗中的应用。

这四个主题构成了人工智能在老年护理应用的主流学术文献。

标红的地方是大家可以借鉴的套话，我总结一下他的论述方式

关键词的意义+本次分析纳入关键词的参数+本研究结果+聚类内容（不同颜色代表不同聚类，如何说聚类与什么方向有关呢？对内部关键词总结一下？是的！）

这张图其实就是上期我们解读的文章，VOSviewer的标题/摘要提取术语（因为VOS不能调整布局啊！）+Pajek（重新布局，按照y轴排列）+VOSviewer（调整方向）。

具体操作见，第二期文献计量分析课程。

这个图太简单，就是CiteSpace的关键词做一个burst分析！

直接抛出中文翻译！

突然出现并在短时间内被广泛引用的关键词被称为爆发关键词[20]。它们是使用CiteSpace默认的Kleinberg算法找到的。作为前沿研究热点的重要指标，爆发关键词预示着新兴趋势。图6展示了2000年至2022年该领域的前19个爆发关键词。粗红线显示了关键词爆发的时间段。机器学习（4.22）具有最高的爆发强度，其次是轻度认知障碍（2.38）。此外，“医疗服务设施”是爆发时间最长的关键词（6年）。最近的爆发关键词包括“机器学习”、“深度学习”和“康复”。这些爆发关键词也反映了该领域的研究趋势，并可能成为未来的。

根据我以上的解读，大家可以看到我标红色加粗的是什么意思吧...就是说关键词burst分析的目的及意义，然后作者根据他们的结果发现了哪些词....（是不是很简单了现在......）

好了，结果部分就结束了，总体很简单吧？？？

3，讨论部分

我们看一下SCI中最难的讨论？

好的。简单一看。直接放上去中文翻译，然后我来总结一下好吧！

中文翻译

讨论第一段：

我们的研究表明，在过去的23年中，对人工智能在老年护理中的应用的研究逐渐增加。然而，该领域的发展相对缓慢，仍有大量的研究空间。此外，国家/区域之间的研究发展不均衡，该领域较欠发达的国家/区域和机构之间的合作比较有限。这可能与该国的经济发展程度和人口老龄化的规模有关。根据2019年全球人口老龄化国家的排名，日本、英国、澳大利亚、美国和中国都排在了[40]的首位。此外，大多数国家都是高收入国家。与此同时，美国拥有的出版物数量最多，这可能与其国家的支持有关。2019年2月11日，美国发布了“维持美国在人工智能领域的领导地位”的行政命令，指示所有联邦政府机构实施旨在加速人工智能研发[41]的战略目标。

讨论第二段：

在本研究中，我们希望通过提供对该领域的全面分析和结构化信息来确定研究热点和差距。通过对文献中高被引用的研究的分析，我们发现机器人在阿尔茨海默病患者护理中的应用是该领域的重点，并通过关键词的聚类分析验证了这一点。

（这段话很有意思，因为接下来的讨论部分，他都是一个套路，通过文献计量分析得到了一个热点，然后对这个热点进行讨论。）

Alzhemier+AI的讨论：

The application of AI in geriatric care的讨论：

the acceptance of technology的讨论：

Limitation:

不可避免的是，我们需要认识到这项研究的局限性。首先，由于该软件的适用性，本研究只搜索了Web of科学数据库，这是世界上最具影响力的多学科学术文献摘要索引数据库。该数据库的核心收藏拥有12400多份权威和高影响力的学术期刊，已成为学术分析和评估的重要工具。然而，由于我们将搜索限制在一个数据库中，我们可能错过了一些重要的研究结果[71]。此外，我们的关键字清理过程和统计数据都是自己设计的，可能会受到我们的专业知识和经验的限制。在未来，我们将进一步扩大我们的数据源，标准化关键词，以帮助我们提高论文的整体质量和我们的预测的准确性。

这段话，大家可以参考，主要是介绍文献计量分析的几个不足

主要是数据库只选了woscc，其他的库我没选.

其次就是关键词有可能不全面，未来我们会改进！

Conclusion

正文部分的结论，主要是挑出几个有实际意义或者你认为比较重要的简要总结，然后说一下本文的重要性，啊！我们的结果可以为以后的研究提供一系列重要意义！

好了，本次解读就到此为止，各位朋友们仔细阅读完之后，应该有所收获。