DOI:10.20047/j.issn1673-7210.25111532
中图分类号:R197.32
吴涛1, 卢羿同2, 孙鑫3
| 【作者机构】 | 1首都医科大学附属北京安贞医院科技处; 2首都医科大学公共卫生学院; 3国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院医务处 |
| 【分 类 号】 | R197.32 |
| 【基 金】 | 北京市属医院科研培育计划管理项目(PG2022011)。 |
在医疗技术快速发展的背景下,“健康中国”战略正稳步实施,为医疗卫生事业提供动力与方向。医院作为医疗服务枢纽,人才是提升竞争力、推动医学创新与医疗质量提升的核心力量[1]。然而,传统的人才评价体系在新的时代背景下,逐渐暴露出诸多问题,虽然明确了破除“四唯”的评价导向,但依然无法摆脱以论文、职称、学历、奖项等作为客观指标的评价体系[2]。这些问题导致评价结果无法全面、准确地反映人才的真实能力和贡献,在一定程度上阻碍了医院人才的发展,也影响了医院整体的科研创新水平和医疗服务质量的提升[3]。
信息技术的快速进步使得图形化知识图谱技术逐步崭露头角,并被众多领域广泛应用。知识图谱以结构化形式展现复杂的知识网络,能够明晰领域知识的联系,是深入解析和理解知识的重要工具[4]。将其用于医院人才评价领域文献可视化分析,可识别研究热点、刻画演化趋势并预测前沿,为优化评价体系提供科学依据。这对提升医院人才管理水平、优化人才选拔机制、强化培养与激励机制方面具有重要现实意义,并有助于推动医院人才队伍的建设,促进医院的高质量发展,更好地服务于“健康中国”战略。
数据来自中国知网、万方数据知识服务平台、维普网,以“医院AND人才评价”为检索主题词,检索时间建库至2025年12月,检索式为“主题:(医院)AND题名或关键词:(人才评价)”。纳入标准:文献类型为期刊论文。排除标准:文献类型为会议、报纸、图书、专利、标准等;重复发表的文献;文献信息不完整,如仅有摘要无全文的文献;与文章主题不相符合的文献。数据由两名研究者按统一纳入及排除标准独立筛选文献并交叉核对,有分歧由第3名人员协商讨论。
本研究运用文献计量学方法对文献进行分析。采用CiteSpace 6.2.R1软件对文献发文机构、作者共现、关键词共现、关键词聚类、突现词和时间线进行可视化分析,时间设定为建库至2025年12月,关联强度为cosine,时间切片值设定为1年,每个切片阈值Top N设为50,即提取每个时间切片的50篇被引次数最高的文献中的关键词进行共现分析;节点筛选方式g-index, k值设定为默认值25,根据研究内容节点选择“关键词”进行共现分析。图谱中节点大小在关键词中表示该词的出现频次;颜色深浅表示该节点出现的时间;节点连线表示两节点存在共现关系,且连线粗细表示共现强度[5]。在图谱中,节点越大表示该点发表文献越多,连线越多表示两节点之间存在合作的关系越多,图谱密度越大则表示节点间合作关系越紧密[6]。普赖斯定律表明
,发文量 ≥Nmin的作者是该刊物核心作者,Nmin为核心作者发文篇数,Nmax为最高产作者的发文量[7]。关键词突现指在某一时段内关键词被引或共现频次发生显著变化的情况,可用于识别研究热点的兴起与衰落[8]。关键词聚类模块值(Q值)>0.3,聚类平均轮廓值(S值)>0.7,两项指标均显著超过临界阈值,表明聚类令人信服[9]。
共检索相关文献1 938篇,经过筛选共纳入1 537篇。医院人才评价相关的研究最早发表于1 992年,从发文量趋势来看,大致可分为四阶段(图1):第一阶段(1992—2001年):发文量总体较少且波动幅度不大,基本维持在个位数水平。第二阶段(2002—2009年):发文量较前期显著增加,尤其2008年达到39篇,进入较快增长阶段。第三阶段(2010—2020年):发文量整体维持在高位并呈波动上升趋势,2014年达到98篇、2017年85篇,虽中间有起伏但总体保持较高水平。第四阶段(2021年至今):发文量在高位基础上继续增长,2023年达到112篇,2025年达到155篇,为当前发文量最高。
图1 年发文量统计
对该领域作者发文量进行统计,发文量 ≥3篇的作者分别是丁强(4篇)、何有琴(4篇)、刘岩(4篇)、席祖洋(3篇)、杨学伟(3篇)、王端(3篇)、刘亚孔(3篇)、于杰(3篇)。根据普赖斯定律所提出的核心作者计算公式,计算得到Nmin=1.498,按照取整原则,本研究认为发表 ≥2篇论文的作者为医院人才评价研究领域的核心作者。形成两名以上合作关系的作者群有38个,但总体来看团队合作较为稀疏,形成合作网络的作者群较少。
对医院人才评价领域发文单位及研究机构进行计量学分析,统计发文量,发文量 ≥7篇的机构分别为上海交通大学医学院附属瑞金医院(9篇)、华中科技大学(8篇)、华中科技大学同济医学院附属同济医院和上海交通大学(各7篇)。
2.4.1 关键词共现 运用CiteSpace 6.2.R1软件对医院人才评价相关文献的关键词进行共现分析。关键词共现图谱显示(图2),高频关键词前5位依次为公立医院(155次)、医院(122次)、人才培养(102次)、人才评价(57次)及人力资源(41次)。
图2 关键词共现
2.4.2 关键词聚类分析 采用对数似然比提取关键词各聚类主题。结果显示,共得到506个节点、1 035条连线,网络密度为0.008 1,提示医院人才评价研究内容丰富且研究领域集中度较高。1992—2025年医院人才评价研究领域的关键词被聚为11类,分别为#0指标体系、#1公立医院、#2评价、#3人才培养、#4人才管理、#5医院、#6人力资源、#7绩效评价、#8中医院校、#9护理管理、#10创新。该关键词共现图谱的Q值为0.623 2,S值为0.831 7,提示聚类结构显著且结果具有较高可信度。见图3。
图3 关键词聚类
2.4.3 关键词时区图 关键词时区图展示了医院人才评价研究主题的时序演进。横轴为年份,节点大小表示共现频次,节点颜色由左至右代表时间的演进,连线表示关键词之间的共现关系。图中可以清晰地看到研究关键词随时间的演化路径和阶段性特点(图4)。1992年以后出现关键词节点,但节点较少,主要集中在“医院管理”“医院”“评价”“人才培养”等方面。2001—2015年,图中出现“人力资源”“指标体系”“公立医院”等关键词。2004年,“公立医院”节点迅速增大并位于网络核心,同时伴随“绩效考核”“学科建设”“评价指标”等关键词的频繁出现。2017年以后,“胜任力”“科技人才”等新关键词出现。
图4 关键词时区
2.4.4关键词突现分析 对医院人才评价领域的关键词进行突现分析,设定γ值为0.4、突现时间的最小单位为2年,共得到前25位突现关键词(图5)。蓝条表示关键词出现的区间,红条表示突现期,强度越高表示该词在短期内的关注度越集中。结果显示,早期(1994—2010年)突现词以医院管理、护理管理、创新、人才等宏观治理主题为主。中期(2011—2019年)突现词转向医疗质量、评价、人才建设、对策、学科建设等。近期(2020—2025年)突现词则集中在公立医院、指标体系、人才评价、考核评价和德尔菲法等关键词。
图5 关键词突现
医院人才评价研究的阶段性特征与国家医疗卫生政策及人才战略深度契合。1992—2001年处于起步期,与当时中国医疗卫生体制改革初期聚焦资源配置优化的背景相关,人才评价尚未形成独立研究体系;2002—2009年发文量显著增长,2003年全国人才工作会议提出实施人才强国战略,直接推动各行业对人才评价体系的重视;2010—2020年进入高位波动阶段,2010年《国家中长期人才发展规划纲要》提出“建立科学的人才评价机制”,2016年“健康中国2030”战略强调“人才强卫”,推动研究向制度建设转型并关注评价体系的系统性与实践性;2021年后研究快速增长,则与2020年职称制度改革意见中“破除四唯倾向”“突出能力业绩导向”的要求高度相关,促使评价体系优化成为研究焦点。政策驱动始终是推动医院人才评价研究发展的核心动力,未来随着“十五五”卫生健康人才发展规划等政策的落地,研究将进一步向精细化、差异化评价方向深化[10]。
当前医院人才评价研究领域呈现“分散化、低协同”的合作特征。作者共现分析显示,核心作者群尚未形成。这一现状源于两方面瓶颈:①研究多聚焦单一医院实践,多数研究依托单一医院或科室的管理需求开展,缺乏跨机构、跨学科的协同设计,数据共享机制缺失导致“重复研究”;②学科交叉不足,信息技术、公共卫生等领域学者参与度低,评价方法仍以传统定性分析为主。对此,应加强高校、医院、科研机构的合作,建立协同创新平台,促进资源共享[11];推动高产机构组建研究联盟共享数据案例,支持高频作者开展多中心合作培育核心团队,鼓励医学管理、信息技术等学科交叉[12];推动评价方法从定性分析向大数据建模、人工智能辅助决策升级[13]。
基于关键词聚类与突现词分析,当前研究热点体现“问题导向-实践优化”的鲜明特征:①评价体系的多元化,“人才培养”“人才评价”“绩效评价”等聚类聚焦人才评价与能力建设表明,破解“四唯”问题是研究核心,现有研究已从单一论文、职称指标转向“能力-业绩-贡献”三维评价,如德尔菲法被广泛用于指标权重确定[14];四川大学华西医院等机构探索将“原创性知识产权转化”等纳入评价维度[15]。②评价对象的差异化,聚类#1公立医院成为核心聚类,反映公立医院作为医疗体系主体的评价需求。如三甲医院强调“科研创新+疑难重症诊疗”,基层医院侧重“服务质量+区域健康贡献”,但现有研究对不同层级医院的差异化指标设计仍显不足[16]。③评价方法科学化,德尔菲法、层次分析法等工具被广泛应用于指标权重确定,部分研究引入“区块链技术”,实现科研成果存证与贡献溯源,推动评价从“主观判断”向“数据驱动”转型,有效提升评价结果的客观性与可信度[17]。
结合关键词时区演进与政策导向,医院人才评价研究将呈现三大趋势。在技术智能化方面,随着“数字健康”战略推进,大数据与区块链等新兴信息技术深度融入评价流程[18]。探索人工智能算法在成果质量识别、潜在人才预测中的应用,如基于多模态知识图谱的“人才潜力指数”模型,实现“实时动态评价”替代传统“定期静态考核”[19]。在制度市场化方面,未来研究需探索评价结果与市场认可的衔接机制,如将第三方机构评价、行业协会认证纳入职称晋升参考,推动评价从“行政主导”向“市场与行政协同”转变[20]。在全球人才本土化方面,随着医学人才国际流动加剧,研究需关注国际评价标准,结合中国医院管理体制特点,探索国际兼容性与本土适应性的评价体系,提升评价结果的国际认可度[21]。三者共同推动评价模式从“行政主导、结果考核”向“市场协同、过程赋能”转型,而这一转型又将反哺政策落地效率,形成可持续发展的良性循环。
利益冲突声明:本文所有作者均声明不存在利益冲突。
[1] 杨莉. 医学科技人才赋能健康中国建设[J]. 中国科技人才,2022(6):22.
[2] 科技部,教育部,工业和信息化部,等. 关于开展科技人才评价改革试点的工作方案[EB/OL].(2022-09-23)[2025-10-14].https://www.gov.cn/zhengce/zhengceku/2022-11/10/content_5725957.htm.
[3] 李秋,孔艺颖,郝志伟,等. 三级公立医院科研人才评价指标体系的构建及应用[J]. 中国卫生事业管理,2024,41(12):1405-1408.
[4] 周思俊,张昊,王国明. 知识图谱研究综述[J]. 电脑知识与技术,2025,21(19):37-41.
[5] 王松,杨涛,胡孔法. 基于CiteSpace的中医药治疗肺癌知识图谱可视化分析[J]. 世界科学技术-中医药现代化,2020,22(10):3549-3557.
[6] 毛彬,罗楚红,曾媛,等. 2013—2023年儿童糖尿病研究热点与趋势的文献计量学分析[J]. 中国儿童保健杂志,2024,32(5):552-558.
[7] 苑弘弢,高凌,崔彦红,等. 《卫生研究》2022年载文作者及机构分析[J]. 卫生研究,2023,52(4):623-626.
[8] 卢羽彤,袁圳伟,张彦芳,等. 基于CiteSpace的肺癌术后康复研究热点及前沿分析[J]. 护理研究,2021,35(16):2846-2851.
[9] 陈悦,陈超美,刘则渊,等. CiteSpace知识图谱的方法论功能[J]. 科学学研究,2015,33(2):242-253.
[10] 贾晓玲,史威,段立军,等. 湖南省科技专家库建设与管理经验及优化[J]. 中国科技信息,2024(1):126-128,131.
[11] 沈子威,彭瑾,姚岚. 我国医院科研管理研究进展与趋势可视化分析[J]. 中国医院,2024,28(10):38-41.
[12] 曾粤亮,曹高辉,韩世曦. 青年科研人员跨学科科研合作行为影响因素研究——基于扎根理论的探索[J]. 情报科学,2023,41(10):21-31.
[13] 李晓丹. 数智驱动的高校人才评价体系[J]. 中国科技信息,2023(15):134-136.
[14] 郑子聪,谢董颖,黄阳梅,等. 基于德尔菲法和层次分析法的机构健康传播工作评价指标体系构建[J]. 中国公共卫生,2025,41(11):1379-1385.
[15] 马春燕,陈颖姣. 公立医院科技人才评价现状研究[J].现代医院,2024,24(11):1789-1791,1796.
[16] 张丙岳,段磊,李阳,等. 我国分级诊疗体系建设进展、问题与对策研究[J]. 健康发展与政策研究,2026,29(1):105-112.
[17] 李媛. 区块链时代的学术评价创新研究[J]. 出版科学,2020,28(3):74-80.
[18] 李杨. 科技治理范式下的人才评价:理论指向与实践进路[J]. 中国科技论坛,2024(1):93-104.
[19] 王彬昊,温明,杨晓龙,等. 多模态知识图谱的人才智能评价[J]. 计算机工程与设计,2025,46(5):1519-1525.
[20] 全国科技评估标准化技术委员会(SAC/TC 580). GB/T 44143—2024 科技人才评价规范[S]. 北京:中国标准出版社,2024.
[21] 杨佳乐,荆林波. 科研人才评价制度变革:全球趋势与经验启示[J]. 中国行政管理,2025,41(7):104-112.
Analysis of research hotspots and trends in hospital talent evaluation based on visual knowledge map
X