综述：骨质疏松性骨折的知识图谱：2014-2024年文献计量分析

《Archives of Osteoporosis》：Knowledge mapping of osteoporotic fractures: a bibliometric analysis from 2014 to 2024

本综述运用文献计量学方法，系统梳理了近十年骨质疏松性骨折领域的研究态势。分析显示，美国在发文量与影响力上领先，研究热点集中于髋部骨折、骨代谢、药物（如地舒单抗、特立帕肽）治疗及临床管理。新兴前沿涉及机器学习、孟德尔随机化等交叉学科技术，为骨质疏松及骨折的预测、精准防治与管理提供了新视角与巨大潜力。

　　

研究概况

骨质疏松症是一种以骨量减少和骨微结构破坏为特征的骨骼疾病，随之而来的骨质疏松性骨折不仅严重威胁老年人健康，也加剧了医疗成本和社会负担。流行病学研究揭示，全球60岁以上人群中，骨质疏松症患者占比达11%，预计到2050年将升至22%。据世界卫生组织数据，全球每年约有890万例骨折归因于骨质疏松症，其中中国每年就有超过150万例。随着全球人口老龄化，骨质疏松及其相关骨折问题日益凸显。

为全面把握该领域的研究热点与发展趋势，本研究对2014年1月至2024年10月期间发表在Web of Science核心合集（WoSCC）上的相关文献进行了系统的文献计量分析。最终纳入6682篇出版物（包括5130篇文章和1552篇综述）进行可视化分析。年度发文量显示，前期保持稳定，2018年后快速增长，至2021年达到峰值后趋于平稳。

国家、机构与作者合作网络

全球共有110个国家参与了骨质疏松性骨折的研究。美国在发文量（1597篇）和总被引频次（43,742次）上均遥遥领先，中国（962篇）和英国（690篇）分列二、三位。在国家合作网络中，美国与英国与全球几乎所有国家都建立了广泛的合作关系，成为核心研究枢纽。中国的合作网络则更集中于东亚和东南亚国家。

机构分析表明，谢菲尔德大学（Univ Sheffield）在发文量（135篇）和被引频次（8212次）上均位居首位，南安普顿大学、牛津大学等也是重要的研究力量。合作网络呈现出明显的地域聚集性，例如英国境内（谢菲尔德、牛津、南安普顿大学医院NHS信托基金会）、加拿大境内（多伦多大学、麦克马斯特大学、麦吉尔大学）以及美国境内（哈佛医学院、梅奥诊所）均形成了紧密的合作集群。合作主要发生在高校之间以及高校与临床机构之间，来自企业、工业界或政府部门的参与相对较少，提示未来研究成果转化存在巨大空间。

作者方面，Cyrus Cooper是发文量和被引频次均最高的最具影响力作者，J. A. Kanis, E. M. Lewiecki等也是该领域的核心学者。合作网络分析显示研究者之间形成了密集的合作关系网。

期刊与高影响力文献

共有1634种期刊发表了骨质疏松性骨折相关研究。其中，《Osteoporosis International》在发文量（615篇）和被引频次（16,837次）上均大幅领先其他期刊，是该领域的旗舰期刊。其他重要期刊包括《Journal of Bone Miner Research》、《Archives of Osteoporosis》等。值得注意的是，该领域期刊的影响因子（IF）普遍不高，排名前十期刊的平均IF为7.63（按发文量）和3.07（按被引频次），反映了其较强的应用和临床导向性。

高被引文献主要集中在临床指南、临床试验和流行病学分析。Cosman等人2014年发表在《Osteoporosis International》上的《Clinician‘s guide to prevention and treatment of osteoporosis》是被引次数最高的文献（442次），也是引用爆发强度最强的文献（强度=59.78），表明其在确立骨质疏松症预防、风险评估、诊断和治疗标准方面具有里程碑意义。

研究热点与前沿分析

通过对关键词进行共现分析和聚类，研究热点可归纳为6个主要集群：

1. 1.
   髋部骨折：关注髋部骨折的诊断、预防（如预防跌倒）、以及骨折联络服务（Fracture Liaison Service, FLS）管理模式。
2. 2.
   骨转换：涉及慢性肾脏病、糖尿病等共病对骨代谢的影响，以及骨转换标志物（bone turnover markers）的研究。
3. 3.
   地舒单抗：聚焦于骨质疏松的药物治疗，包括特立帕肽（Teriparatide）、双膦酸盐类药物（Bisphosphonates）、唑来膦酸（Zoledronic acid）以及新兴的罗莫索单抗（Romosozumab）等。
4. 4.
   非典型股骨骨折
5. 5.
   维生素D
6. 6.
   骨强度：涉及骨结构（如皮质骨、小梁骨）、筛查方法（如定量计算机断层扫描QCT）以及有限元分析等。自2020年起，人工智能和机器学习技术开始在该集群中出现。

聚类模块值（Q=0.3698>0.3）和平均轮廓值（S=0.7088>0.7）表明聚类结果显著且可信。

关键词爆发分析揭示了研究热点的演变历程。早期热点集中在“随机对照试验”、“小梁骨”、“定量计算机断层扫描”等。近期的爆发关键词包括“特立帕肽”、“髋部”、“脆性骨折”和“结局”，表明研究重点已转向药物治疗、髋部骨折管理和临床预后。此外，“机器学习”、“深度学习”、“孟德尔随机化”等关键词的爆发强度和高中心性，标志着它们已成为当前和未来的重要研究方向。

热点领域深入探讨

药物治疗的演进

聚类#2和关键词爆发分析凸显了药物治疗作为核心研究前沿的地位。研究路径清晰：从经典的抗骨吸收药物（如双膦酸盐）到骨形成剂（特立帕肽），再到具有双重作用机制的单克隆抗体（罗莫索单抗）。特立帕肽已被证实能显著增加骨密度（BMD），改善骨强度，降低再骨折风险。近十年研究进一步探索了其在股骨和椎体骨折、骨折不愈合及颌骨坏死治疗中的应用。特立帕肽与地舒单抗的联合或序贯治疗也显示出更好的骨密度改善和预后。罗莫索单抗作为一种靶向骨硬化蛋白（sclerostin）的人源化单克隆抗体，其III期临床试验（如FRAME, ARCH, STRUCTURE）证实了对绝经后骨质疏松症和男性骨质疏松症的显著疗效。这反映了研究焦点从传统药物向针对特定分子通路的精准治疗转变，从单纯提升骨密度向全面改善骨质量、微结构和降低骨折风险迈进。

髋部骨折与临床管理

“髋部骨折”、“死亡率”等高频率和高爆发强度的关键词，以及其在聚类#1中的核心位置，表明研究日益集中于风险预测、流行病学趋势、经济负担和临床管理改善。髋部骨折是骨质疏松症的常见严重并发症，与患者功能恢复不良和死亡率增加相关。全球髋部骨折发病率呈上升趋势，且东西方人群存在差异。与糖尿病、质子泵抑制剂、衰弱、吸烟、老龄化等相关的风险因素关键词的爆发，强调了识别个体化风险因素和实施本地化、专业化管理策略的重要性。例如，在南欧地区，推广早期骨质疏松的常规CT筛查和骨折联络服务（FLS）模式已被证明具有成本效益。未来研究可能集中于高危骨折风险患者和特定骨折相关风险因素的临床管理。

新兴技术前沿

机器学习、深度学习、孟德尔随机化等关键词标志着骨质疏松性骨折研究正迅速走向数据驱动的精准医学。机器学习研究主要集中于两类：一是利用人工神经网络（ANN）、支持向量机（SVM）、随机森林、决策树（DT）和深度卷积神经网络（CNN）等算法，基于临床数据预测骨质疏松（BMD、跌倒和骨折风险）指标；二是开发用于骨质疏松患者或风险人群图像的自动分割工具。其中，ANN和SVM模型显示出优越的预测性能。孟德尔随机化则利用遗传因素阐明了多种可改变暴露因素（如血清雌激素、BMI、血脂水平）与骨密度之间的因果关系，为骨折预防提供了方向。然而，将这些复杂算法转化为标准化、可靠且临床可用的工具，是当前面临的主要挑战和未来研究的关键前沿。

结论与展望

通过知识图谱和文献计量分析，本研究系统回顾了过去十年骨质疏松性骨折领域的研究进展。年度发文量在前五年保持稳定，后五年稳步增长。美国在发文量和影响力上领先全球。研究热点形成六大集群，分别对应髋部骨折、骨转换、药物治疗（如地舒单抗）、非典型股骨骨折、维生素D和骨强度等方向。当前持续的热点包括特立帕肽、髋部骨折、脆性骨折和临床结局。新兴研究方向如机器学习、孟德尔随机化、罗莫索单抗等，在风险预测、遗传风险因素识别和新药研发方面展现出巨大潜力。

骨质疏松性骨折的研究呈现出多学科深度交叉融合的特点。传统临床研究与新兴技术的结合，为骨质疏松及骨折的预防、诊断、治疗和管理开辟了新的途径。未来需要进一步加强基础研究向临床的转化，推动国际及跨领域合作，以应对全球老龄化背景下日益加重的骨质疏松性骨折负担。