在Scopus中绘制基于ENDES的研究：科学产出、报告和分析重叠，2001–2026

《Information》：Mapping ENDES-Based Research in Scopus: Scientific Output, Reporting, and Analytical Overlap, 2001–2026

　　

国家健康调查生成可重复使用的基于人群的证据，但重复使用可能导致主题集中、方法学报告异质性和分析重叠。这项修订后的文献计量学和元研究（meta-research）研究审计了为秘鲁人口与家庭健康调查（ENDES）检索的328条Scopus记录，排除了14条无合格分析性ENDES使用的记录，并分析了314篇出版物。匹配的全文可用于284篇文章。出版物跨越2001–2026年，主要从2019年起增加。最常见的主题领域是心脏代谢健康/肥胖（Cardiometabolic health/adiposity）（n = 93）、孕产妇/生殖健康（Maternal/reproductive health）（n = 77）和儿童营养与生长（Child nutrition and growth）（n = 39）。验证后最常重复使用的ENDES年份是2019年（n = 110）、2018年（n = 81）、2017年（n = 76）、2021年（n = 68）和2022年（n = 66）。初始ENDES年份提取显示25.4%的假阳性率（false-positive rate）、45.8%的假阴性率（false-negative rate）和28.3%的完全文章级一致性。在0.80的成对相似性阈值下，识别出32个分析重叠（analytical-overlap）聚类。研究结果表征了Scopus索引和Scopus检索的ENDES语料库，并强调了需要明确的语料库审计、透明的编码规则、验证的调查年份提取和可重复性脚本。

**论文解读：基于ENDES的Scopus研究：产出、报告与分析重叠的系统特征**

**研究背景**
国家健康调查（如秘鲁人口与家庭健康调查，ENDES）为公共卫生研究提供了可重复使用的人群证据，但重复使用可能导致主题集中、方法学报告异质性和分析重叠。现有文献缺乏对Scopus中基于ENDES的研究的系统特征描述，包括时间产出、主题分布、方法学报告质量、调查年份重复使用模式及分析重叠程度。开展这项研究旨在填补这一空白，通过文献计量学（bibliometrics）和元研究（meta-research）方法，系统评估Scopus索引的ENDES研究语料库，以指导未来研究透明性和效率的提升。该论文发表在《Information》期刊。

**主要技术方法**
研究人员采用文献计量学与元研究相结合的设计，基于Scopus数据库检索并审计了328条记录，最终纳入314篇出版物。关键技术方法包括：全文匹配（从PDF中提取文本用于方法学编码）、变量提取与编码（宏观结局、主要暴露、分析人群、调查年份等，使用操作代码手册和分层决策规则）、ENDES年份提取验证（计算假阳性率和假阴性率）、方法学报告指标记录（权重、层、聚类、svy命令等），以及分析重叠评估（基于文章级指纹的加权成对相似性，阈值0.80，采用Jaccard交集和并集）。所有分析使用可重复的Python脚本执行，代码和数据集在补充材料中提供。

**研究结果**

**3.1 语料库选择**
通过全文审计，从328条初始记录中排除14条（包括仅背景提及ENDES/DHS、非秘鲁DHS记录及无关记录），最终保留314篇出版物，其中284篇有匹配全文。ENDES年份提取验证显示初始提取的假阳性率为25.4%，假阴性率为45.8%，完全文章级一致性仅为28.3%，验证了使用校正后调查年份集的必要性。

**3.2 一般特征**
出版物发表于2001–2026年，以原创文章为主（96.2%），英语占73.9%。年化引用率中位数为0.62次/年。共识别823位独特作者，Hernandez-Vasquez A.以34篇文章位列最高产作者。作者生产力的赫芬达尔-赫希曼指数（HHI）为0.004，基尼系数为0.318。

**3.3 时间产出与ENDES年份重复使用**
年产出自2019年起显著增长，2024年（48篇）、2025年（45篇）、2023年（45篇）和2022年（42篇）为产出高峰。验证后最常重复使用的ENDES年份为2019年（110次）、2018年（81次）、2017年（76次）、2021年（68次）和2022年（66次），呈现对近期调查年份的集中依赖。

**3.4 结局、人群与自变量**
最常见的宏观结局领域为心脏代谢健康/肥胖（93篇）、孕产妇/生殖健康（77篇）和儿童营养与生长（39篇）。主要暴露变量包括社会经济/教育因素、地理因素、孕产妇/家庭因素等。分析人群以15–49岁女性、5岁以下儿童和成人为主。

**3.5 方法学报告与时间成熟度**
在284篇有全文的文章中，84.5%报告了调查权重，48.9%报告了层，50.7%报告了聚类，36.3%报告了svy或等效程序。2020–2026年期间，权重报告率为78.1%，层为48.6%，聚类为47.8%，代码可用性仅为2.0%，表明方法学报告随时间有所改善但仍不完整。

**3.6 科学可见性与高影响子集**
高影响子集（按年化引用率前10%划分）包含32篇文章。该子集中65.6%的文章第一作者具有秘鲁隶属关系，低于剩余语料库的86.8%。权重报告率在高影响子集中为84.4%，略高于剩余语料库的76.9%。

**3.7 分析重叠与敏感性分析**
在0.80的相似性阈值下，识别出32个分析重叠聚类，涉及196篇文章，118篇为孤立文章。最大聚类包含54篇文章，被解释为高指纹相似性的连通分量，而非自动证据重复。敏感性分析显示，阈值为0.70时聚类数为17，0.90时为20，表明聚类结构对阈值敏感。

**讨论与结论**
讨论部分指出，本研究填补了对Scopus中ENDES研究系统性特征描述的空白，观察到产出增长、主题集中（心脏代谢健康、孕产妇健康、儿童营养）以及方法学报告的不一致性。与区域文献计量学研究一致，但更聚焦于特定数据源的重用模式。高影响子集中秘鲁第一作者比例较低，提示国际协作的潜在影响。分析重叠聚类应视为需要文章级评估的信号，而非直接重复证据。

**研究结论**：
研究人员（原文为“我们”）提出三项实践优先事项：第一，未来基于ENDES的研究应报告确切的调查年份、权重、层、聚类或初级抽样单位、复杂调查程序、缺失数据处理、软件、代码可用性以及结局和暴露的操作定义。第二，使用常见结局、暴露、人群和ENDES年份组合的研究应明确说明其是否代表更新、复制、扩展、新的因果问题、新的测量策略或政策相关的亚组分析。第三，期刊和研究团体应鼓励公开分析脚本、透明代码手册，并在重复使用同一国家调查时更清晰地论证新颖性。未来评估应比较Scopus覆盖范围与区域及非Scopus来源，但此类工作将代表互补的多数据库证据地图，而非本研究的基于Scopus分析的目标。