基于功能磁共振成像的神经病理性疼痛文献计量学与机器学习整合分析

《Frontiers in Neuroscience》：Functional magnetic resonance imaging in neuropathic pain: a bibliometric analysis incorporating machine learning

　　

背景：神经病理性疼痛（NP）影响全球6.9%–10%的人口。功能磁共振成像（fMRI）已成为NP研究的核心手段，然而目前尚缺乏对该领域文献的系统性图谱绘制。本研究采用文献计量学与机器学习方法，描绘fMRI-NP研究领域的整体格局。 方法：研究人员从Web of Science、PubMed和Scopus三个数据库中检索了2005年至2025年间发表的1,866篇fMRI-NP相关文献。遵循PRISMA指南，利用CiteSpace和VOSviewer分析了发文趋势、引文指标及合作网络，并辅以基于词频-逆文档频率（TF-IDF）与非负矩阵分解（NMF）的探索性主题建模，以及结合GraphSAGE节点嵌入与基于密度的空间聚类（DBSCAN）的社区检测分析。 结果：该语料库共获得94,160次引用，平均每篇文章被引50.46次，语料库h指数为139。年发文量从2005年的35篇增长至2025年的156篇，符合幂律增长趋势（R2 = 0.862）。美国和中国是产出最多的国家。哈佛医学院和麻省总医院是产出最多的机构。NeuroImage和Pain是产出最多的期刊，而NeuroImage、Journal of Neuroscience和Pain是最常被共同引用的期刊。对标题和摘要的文本挖掘表明，刺激诱发激活、脑连接/默认模式以及带状疱疹后/区域主题最为普遍，边缘系统和感觉运动系统是被提及频率最高的通路。 结论：本研究提供了fMRI-NP研究领域的全面文献计量图谱，描述了其增长轨迹、产出最多的国家、机构和期刊、最常被共同引用的参考文献以及文献中的重复主题。该图谱显示，研究者对脑连接、多模态影像和计算文本分析的关注度日益增加。这些文献计量模式勾勒出活跃和新兴的研究活动领域，可能有助于为该领域未来的文献研究和合作提供方向。

1 引言

神经病理性疼痛（NP）影响全球6.9%–10%的人口，且患病率持续上升。该疾病给全球医疗系统带来沉重负担。根据国际疼痛研究协会（IASP）的定义，NP由躯体感觉神经系统的损伤或疾病引起，典型症状包括烧灼感、刺痛感、感觉异常和电击样感觉。若不加治疗，NP常导致焦虑和抑郁，共同造成患者生活质量严重下降。

然而，仅有30%–40%的患者通过药物治疗获得满意缓解，且疗效随时间递减。靶向药物的开发仍面临重大挑战，而传统的神经调控方法如经皮神经电刺激（TENS）效果有限，脊髓电刺激（SCS）也需要在随机对照试验中验证更强效的疗效。功能磁共振成像（fMRI）作为一种非侵入性神经影像技术，为解决这些挑战提供了研究平台。fMRI能够以相对较高的空间分辨率提供全脑血氧水平依赖（BOLD）相关功能活动的无创成像，使其成为推进治疗研究的重要平台。

尽管近年来fMRI在NP研究中的应用显著增长，但针对这一神经影像特定文献的系统性图谱绘制仍然缺失。现有的NP文献计量学研究并未聚焦于功能神经影像，未将三大数据库整合为统一语料库，也未纳入基于机器学习的主题和网络分析。在本研究中，研究人员使用成熟的文献计量工具并结合透明的文本挖掘层，描绘了fMRI-NP文献的结构与发展。研究旨在描述该领域的发文产出、合作模式、有影响力的参考文献、主题轨迹和新兴研究方向。研究方法论整合了文献计量分析与一系列机器学习和文本挖掘技术。CiteSpace和VOSviewer用于描绘该领域科学知识的结构演化和分布模式。同时，研究人员运用已建立的文本挖掘方法处理语料库的标题、摘要和作者关键词。研究主题通过词频-逆文档频率（TF-IDF）加权后进行非负矩阵分解（NMF）提取，并使用均匀流形逼近与投影（UMAP）进行可视化。国家合作结构通过GraphSAGE框架中的邻域聚合节点嵌入进行表征，由基于密度的空间聚类（DBSCAN）识别社区，并使用t分布随机邻域嵌入（t-SNE）展示。年度发文量和国家对合作进一步通过随机森林模型和可解释的幂律拟合进行描述。

2 方法

2.1 数据来源与检索策略

本研究检索的所有文献均来自Web of Science核心合集（WoSCC）中的Science Citation Index Expanded（SCI-EXPANDED）、PubMed和Scopus。检索覆盖2005年1月1日至2025年12月31日的出版物，检索于2026年5月31日执行。检索仅限于同行评议的英文期刊文章。

2.2 纳入标准

依据上述PICOS框架，纳入同行评议的英文发表文章，无地域限制。排除标准包括会议摘要、会议论文集、信件、社论、书籍章节、预印本、撤稿论文、注释、协议、综述、更正、评论；重复出版物；缺少全文的记录；以及与研究范围不相关的文献。由于检索策略故意设计得较为宽泛以捕捉疼痛相关fMRI研究的全谱系，语料库也包含了一些存在争议的疾病状态的研究。

2.3 证据源筛选

在标题和摘要筛选前，根据预定义的出版类型和语言标准排除记录。两位评估员独立筛选所有剩余记录的标题和摘要。正式筛选前进行了初步筛选测试，最终Cohen's kappa值为0.88，表明一致性高。去重分两阶段进行：先进行数字对象标识符（DOI）精确匹配，再进行标准化标题模糊匹配。随后对元数据进行协调以统一不同来源的格式。

2.4 数据图表化与文献计量指标

使用Python进行预处理，并在CiteSpace和VOSviewer中进行时间、国家、机构、作者、期刊、参考文献和关键词分析。除了发文量和中介中心性，还报告了总被引次数、平均每篇文章被引次数以及h指数等影响力指标。中介中心性衡量节点在网络中的桥梁位置。国家和地区的归属来源于作者隶属地址。

2.5 机器学习工作流程

分析在Python中进行，使用固定随机种子。对于主题建模，排除了核心主题定义词。研究主题通过TF-IDF加权的NMF提取，并使用UMAP投影。文档层面的方法、结论和通路频率通过对预定义词典进行全词匹配获得。年度主题份额矩阵中的时间变化点使用Pelt算法检测。国家合作社区通过GraphSAGE风格的邻域聚合节点嵌入结合DBSCAN识别，并使用t-SNE可视化；关键词社区则使用Louvain模块化优化算法检测。年度发文量和国家对合作使用随机森林模型建模，并拟合了可解释的幂律模型作为累积增长的机制参考。所有模型均通过五折交叉验证进行评估。

3 结果

3.1 证据源筛选

数据库检索共获得3,964条记录。去除重复记录和因预定义原因排除的记录后，2,646条记录接受了标题和摘要筛选。其中780条记录因不符合研究主题等原因被排除。随后1,866份报告被成功获取并进行资格评估，所有报告均符合纳入标准，最终1,866份证据源被纳入分析。

3.2 年度出版物分析

年发文量从2005年的35篇增长到2025年的156篇，总体增长345.7%。随机森林回归模型通过五折交叉验证实现了拟合。幂律模型很好地拟合了该序列。

3.3 国家合作网络分析

合作网络包含196个节点和220条链接。美国以647篇出版物领先，其次是中国、德国、英国和加拿大。新西兰显示出最高的中介中心性。美国与所有前十位出版国家保持广泛合作，尤其与中国。中国主要与美国合作，但与其他领先国家合作有限。基于嵌入的社区检测确定了四个潜在的合作社区。

3.4 机构合作网络分析

产出最多的机构是哈佛医学院和麻省总医院。按引文指标，密歇根大学和西北大学的平均被引次数最高，而哈佛医学院和麻省总医院的累计被引总数最大。大多数合作发生在大学与其附属医院之间以及国家内部。最强的合作关系连接了哈佛医学院和麻省总医院。

3.5 作者与被引作者分析

最多产的作者是Napadow, Vitaly、Tracey, Irene和Kong, Jian。VOSviewer识别出六个合作集群。被引分析确定了最常被共同引用的作者。文本挖掘显示多数作者专注于疼痛机制和脑网络。无监督主题建模识别出六个主题：刺激诱发激活、脑连接与默认模式、带状疱疹后/区域研究、偏头痛、脊髓损伤与啮齿动物模型以及治疗/神经调控。方法和结论频率分析表明fMRI是主导模态，功能连接分析是主要方法论途径。时间分析显示连接性和带状疱疹后/区域主题随时间呈增长趋势，且在2015年出现显著变化点。神经通路术语量化排名显示边缘系统、感觉运动网络、注意力网络和默认模式网络是最常被提及的通路。

3.6 期刊与被引期刊分析

产出最多的期刊是NeuroImage和Pain。期刊共引分析确定了最常被共同引用的期刊，NeuroImage记录的被引频率最高。双图叠加展示了学科间的整合与引文流动。

3.7 被引参考文献分析

参考文献聚类分析产生了一个包含914个节点和2,147条链接的网络。Apkarian等人的研究具有最高的被引次数和突现强度，而Maih?fner等人的研究显示出最强的中介中心性和Sigma指数。时间区视图展示了任务态fMRI集群向静息态fMRI集群的转变。突现检测确定了25篇具有最强引文突现的参考文献，显示了两个主要阶段：早期集中突现期和持续的渐进期。

3.8 关键词共现与聚类分析

关键词共现网络包含713个节点和3,426条链接。高频关键词包括“病理生理学”、“脑图谱”、“功能连接”等。关键词聚类识别出11个簇。时间线视图展示了关键词的出现和演化。在排除核心主题词后进行的作者关键词分析显示，“功能连接”、“静息态”和“慢性疼痛”是最普遍的作者关键词。