《Frontiers in Neuroinformatics》：Digital health meets Parkinson’s disease: a bibliometric exploration of wearable sensors research and emerging frontiers (2005–2026)
编辑推荐：
背景：可穿戴和基于传感器的监测技术日益被用于支持帕金森病（PD）的客观、纵向评估。然而，这一跨学科领域的全球发展格局、知识结构和新兴研究前沿仍未得到充分描绘。方法：研究人员从Web of Science核心合集（WoSCC）和Scopus检索了2005年1月1
背景：可穿戴和基于传感器的监测技术日益被用于支持帕金森病（PD）的客观、纵向评估。然而，这一跨学科领域的全球发展格局、知识结构和新兴研究前沿仍未得到充分描绘。方法：研究人员从Web of Science核心合集（WoSCC）和Scopus检索了2005年1月1日至2026年2月2日期间关于PD中可穿戴和基于传感器的监测技术的文献记录。检索范围涵盖标题、摘要和作者关键词字段。研究人员使用Microsoft Excel、VOSviewer、CiteSpace和bibliometrix R包分析发文趋势、合作网络、共被引模式、关键词共现、聚类、引文突现、历史图谱和来源期刊影响力。结果：共纳入3,332篇出版物。研究期间发文量快速增长，尤其是2019年之后，而2026年因检索于2026年2月2日进行而代表一个不完整的发文年份。美国、中国和欧洲国家构成了主要的知识生产和合作结构。主题分析表明，该领域呈现从工程验证和客观运动症状量化逐渐转向人工智能驱动的数字生物标志物、远程监测、多模态监测和闭环神经调控的趋势。这些模式反映的是研究活跃度和引文结构，而非临床疗效的直接证据。结论：这项文献计量分析为PD中可穿戴和基于传感器的监测技术的演进提供了科学图谱证据。未来工作应优先关注标准化、多中心真实世界验证、临床工作流程整合、多模态数据融合以及对闭环应用的审慎评估。
1 引言
帕金森病（PD）是一种慢性、进行性神经退行性疾病，其特征是运动和非运动症状、治疗反应及功能状态存在显著的时间变异性。以运动障碍学会统一帕金森病评定量表修订版（MDS-UPDRS）为代表的传统门诊评估虽然不可或缺，但其具有 episodic、基于门诊且部分主观的特点，难以捕捉患者真实世界中的症状波动和功能状态。这一缺口推动了人们对能够捕捉步态、震颤、运动迟缓、异动症、睡眠和日常活动中临床相关变化的重复性或连续性监测技术的兴趣。可穿戴和基于传感器的监测技术已成为捕捉PD患者客观、纵向和生态学相关信息的重要工具，涵盖可穿戴设备、生理监测、动态监测、远程监测及生物信号监测等多种方式。人工智能（AI）和机器学习的进展进一步实现了对传感器数据的自动化分析，推动了该领域的跨学科融合。然而，现有综述多沿特定主题平行展开，如分别聚焦于可穿戴技术、冻结步态（FOG）和跌倒、非运动症状数字生物标志物及机器学习辅助诊断，缺乏对领域整体演进的宏观视角。鉴于临床和转化研究读者的需求，当前亟需通过文献计量分析方法系统描绘该领域的总体知识结构、协作网络和主题轨迹。
2 方法
2.1 数据库与检索策略
本研究将帕金森病术语和可穿戴监测技术两大概念域结合，通过布尔运算符构建检索式，并根据WoSCC和Scopus的语法约束进行相应调整。研究人员在正式提取数据前，选取了涵盖连续动态追踪、FOG检测和智能手机数字评估等领域的八篇高相关基准文献对检索式进行敏感性验证，结果显示该检索式能够成功获取其中七篇文献（87.5%）。本研究仅纳入英文撰写的论文和综述，初步检索从WoSCC获得1,443条记录，从Scopus获得3,322条记录。在合并两个数据库记录、去除重复项、剔除研究范围外及关键书目信息不完整的记录后，最终保留3,332篇出版物用于文献计量分析。
2.2 数据处理
所有检索记录均以完整书目信息和可获取的引文参考文献形式导出。研究人员使用Microsoft Excel 2021进行数据整理、去重核对、描述性统计和年度发文趋势分析。VOSviewer 1.6.20版用于构建和可视化合著网络、共被引网络及关键词共现网络。CiteSpace 6.4.R1版用于聚类分析、时间线可视化、中心性评估和引文突现检测，以识别高影响力文献、新兴主题和领域的时间变化。bibliometrix R包用于补充性文献计量分析，包括来源期刊影响力评估、历史图谱分析以及h指数、g指数、引用次数（NC）和发文数量（NP）等指标的计算。
3 结果
3.1 发文趋势与作者网络
共纳入2005年至2026年2月2日期间发表的3,332篇文献，其中2026年为不完整年份。原创论文占主导地位（93.64%），表明该领域主要由原始实验研究驱动。年度发文量呈指数级增长，2019年前一直低于100篇，到2025年超过700篇，拟合指数增长模型（y = 2.9369e
0.3436x，R2 = 0.9442），反映了研究兴趣的快速持续加速。M. Mancini（88篇论文，3,968次引用）和F. B. Horak（76篇论文，3,571次引用）是最多产和高被引的作者，他们与W. Maetzler、B. R. Bloem等研究者形成了密集的合作集群，表明该领域的基础知识主要由步态分析和临床运动障碍专家锚定。
3.2 国家/地区与机构贡献
美国是该领域全球研究的主要驱动者，发文量最多（289篇），学术影响力最大（总引用14,961次）。中国以206篇论文位居第二。美国和中国表现出强大的独立本土研究能力，单一国家出版物（SCP）占比较高；而意大利、德国和英国等欧洲国家则作为国际合作的关键枢纽，多种国家出版物（MCP）比例显著较高。在机构层面，特拉维夫大学（123篇）和俄勒冈健康与科学大学（101篇）是最多产的机构，并与拉德堡德大学奈梅亨分校、加州大学系统和哈佛大学等形成紧密的合作网络。各机构的发文量在2020年后显著加速。
3.3 跨学科期刊汇聚
来源期刊分析揭示了生物医学工程与临床神经病学之间的强烈跨学科汇聚。以《Sensors》（311篇，9,075次引用）为代表的技术和生物工程期刊主导了总体发文量和长期增长趋势。然而，以《Movement Disorders》为代表的临床神经病学顶级期刊，尽管在该数据集中的原创论文不足50篇，却在共被引网络中保持了极具影响力的引文影响力。期刊双图叠加和共被引网络分析显示了传感器、物理学和生物工程等技术集群与神经康复和运动障碍等临床领域之间的稳健引文流动。
3.4 基础知识与共被引文献
高被引文献确立了该领域工程验证的历史基础。Patel等人（2009）和Salarian等人（2007）的奠基性工作聚焦于利用新型动态监测系统量化核心帕金森病特征的初步可行性。共被引和聚类分析进一步反映了技术成熟过程：早期结构聚类主要锚定于“动态监测”、“惯性信号”采集和“步态检测”，随后系统性地转向更复杂的临床应用，包括基于家庭环境的连续评估和智能诊断系统（如“使用机器学习”聚类）。具有最强引文突现的参考文献表明，早期可行性研究为近期向AI驱动的数字生物标志物和临床决策支持转变提供了方法论基石。
3.5 主题聚类与关键词演变
关键词共现网络揭示了涵盖基础病理、临床评估和技术应用的结构化主题景观。聚类分析将这些领域进行分类，显示出临床目标（如“冻结步态”、“腿部运动”）与数字监测创新（如“可穿戴传感器”、“数字健康技术”）之间的强整合。值得注意的是，以“脑深部电刺激”为核心的重要聚类与传统运动学评估聚类并列出现，凸显了该领域与神经调控不断扩展的交叉。关键词突现检测和时间线可视化描绘了研究重点的时间演进：早期发展阶段（2006—2014年）以基础硬件和可行性概念为主导，如“动态监测”和“惯性传感器”的强突现；中期阶段（2015—2020年）转向算法数据处理和症状分类，如“支持向量机”的出现；最近阶段则表现出先进分析和生理指标的强突现，包括“人工智能”、“数字生物标志物”和“局部场电位”。
4 讨论
4.1 快速扩张与临床就绪性
发文量的指数级增长，尤其是2019年之后，反映了生物医学工程、AI和临床神经病学之间的深刻方法论融合。然而，高发文量代表研究热度和技术可行性，并不必然等同于已得到验证的临床实用性。现有文献在硬件设备、信号处理流程和临床验证设计方面存在显著异质性，这种标准化缺失构成了主要的转化瓶颈。
4.2 全球合作作为临床转化的催化剂
美国和中国表现出较高的独立研究体量，而欧洲国家则形成了密集的跨国合作枢纽。这种结构源于“数字表型”固有的跨学科需求。然而，较高的文献计量中心性主要表示发表可见度和稳健的引文网络，而非广泛的临床实施。未来进展高度依赖跨区域的数据共享和统一方案，大规模多中心合作对于减轻单中心偏倚和在不同真实世界人群中验证工具至关重要。
4.3 从工程验证到数字监测的主题演变
共被引、聚类和关键词突现结果揭示了从工程验证和客观运动量化向AI驱动的数字生物标志物和远程监测的渐进式主题演变。早期工作集中于可行性、惯性传感、动态监测以及步态、震颤、运动迟缓、异动症和FOG的客观测量。近期工作更加强调机器学习、数字生物标志物、远程评估、多模态信号和纵向监测。该领域正从孤立的测量任务转向表征疾病状态、症状变异性、治疗反应和日常功能的系统。然而，研究报告的性能估计因目标症状、传感器配置、数据集、参考标准和验证策略的不同而难以直接比较。值得注意的是，关键词聚类图谱和突现分析——特别是突出的DBS聚类和近期（2024—2026年）的局部场电位突现——强调了向自适应神经调控的关键转变。但数字生物标志物的文献计量突出性表明其已成为研究焦点，本身并不确立分析有效性、临床有效性或临床实用性。
4.4 未来方向与转化需求
下一阶段的研究将更少依赖于额外的孤立传感器研究，而是更多地依赖于建立可重复、临床可解释且与工作流程兼容的系统。关键优先事项包括标准化数据收集和报告方案、在真实世界和多中心环境中验证算法、将输出整合到临床决策工作流程中，以及结合运动、生理、神经生理、影像和患者报告数据。真实验证是另一个核心要求，需要独立的外部验证来确定性能是否跨设备、医疗环境、疾病阶段和患者亚组可重复。工作流程整合将决定这些技术能否成为可用的临床工具，临床医生需要简洁、可解释的摘要而非未经过滤的传感器数据流。多模态数据融合和闭环应用代表着重要但风险较高的前沿领域，需要谨慎验证安全性、可解释性、泛化性和临床实用性。
4.5 局限性
将分析限制在英文文献可能引入语言偏倚。依赖WoSCC和Scopus可能导致文献覆盖不完整，其他数据库如PubMed、Embase和IEEE Xplore中的相关研究可能未被完全捕获。检索策略基于可穿戴技术、传感器和监测等宽泛概念，使用高度特定设备名称或术语的研究可能被遗漏。基于引文的指标可能受主题热度、作者知名度、文献年龄和引文实践的影响，不一定反映方法学质量或临床影响。由于检索于2026年2月2日进行，2026年的发文记录必然不完整。最后，尽管进行了广泛的数据整理、去重和同义词合并，但无法完全排除文献计量软件中聚类算法和参数设置可能产生的偏差。
5 结论
本研究为帕金森病中可穿戴和基于传感器的监测技术的全球发展提供了科学图谱和文献计量证据。研究发现该领域研究活动快速增长、合作格局不断演变，并呈现向AI驱动的数字生物标志物、远程和多模态监测以及对闭环应用的审慎探索的主题转变。未来研究应强调标准化、多中心真实世界验证、临床工作流程整合、多模态数据融合，并在将这些技术视为成熟临床工具之前审慎评估其转化就绪度。
