1. 引言
脓毒症是一种严重疾病，如果不及时治疗，可能会导致危及生命的器官功能障碍[1]。认识症状并了解其进展、潜在病理学和可用的治疗方案至关重要。脓毒症的早期症状最初可能表现为一些非特异性体征，例如发烧、寒战、呼吸急促、心动过速和意识模糊。随着脓毒症的进展，症状可能包括血压显着下降(脓毒性休克)、呼吸困难、尿量减少、精神状态改变和器官功能障碍[2]。如果不及时治疗，可发展为严重脓毒症或脓毒性休克，并由于血流和氧气输送不足而导致多器官衰竭。脓毒症是由细菌、真菌或病毒感染引发的。感染导致细胞因子等炎症介质的释放，从而过度激活免疫系统。过度炎症会导致微血管功能障碍、组织损伤和器官功能受损。此外，可能会发生凝血途径失调，导致弥散性血管内凝血(DIC)，使病情进一步复杂化[3]。因此，及时使用广谱抗生素来治疗潜在的感染至关重要。静脉输液是为了恢复足够的血流量和血压。在感染性休克的情况下，可能需要使用去甲肾上腺素等药物来升高血压。患者通常需要氧疗、机械通气和肾脏替代疗法(透析)来支持衰竭的器官。在某些情况下，皮质类固醇可用于调节免疫反应。脓毒症是ICU环境中死亡和多器官衰竭的主要原因。它是感染期间由病原体相关分子模式(PAMP)和损伤相关分子模式(DAMP)引发的失调的全身炎症反应，由模式识别受体(PRR)介导。尽管进行了深入的研究，破译脓毒症引起的器官功能障碍背后复杂的炎症发病机制仍然是一个挑战。最近的工作重点是了解NETs在复杂病理过程中的作用，旨在识别与其多方面病理生理学相关的生物标志物[4]。
中性粒细胞在免疫反应中发挥着至关重要的作用，是第一个被招募到受伤或炎症部位的免疫细胞[5]。然而，过多的中性粒细胞会加剧炎症和内皮损伤。此外，中性粒细胞将cfDNA、CitH3、髓过氧化物酶(MPO)和中性粒细胞弹性蛋白酶(NE)释放到细胞外空间，导致肽基精氨酸脱亚胺酶4 (PAD4)驱动的NETs形成。
文献计量学以出版物为研究对象，利用统计和数学计量方法来呈现某一领域的整体发展、专题研究、研究热点等问题[6]。文献计量工具具有强大的分析和可视化功能。他们不仅可以分析数千甚至数万份文档，还可以从宏观和微观角度对科学合作进行分析和可视化。它们最显着的特点之一是能够从不同维度对特定领域的研究热点进行分析和可视化。这些优点是传统文献综述和荟萃分析所不具备的。目前，VOSviewer [7]、COOC [8]等工具主要用于文献的科学测量分析，一些研究者采用这种策略来评估各自的研究领域。我们从WOSCC数据库中收集了2004年至2024年期间有关NETs在脓毒症中应用的相关出版物，并使用文献计量分析软件对国家、机构、作者、期刊、被引期刊、被引参考文献和关键词进行了分析。主要目的是了解该领域的整体发展、核心优势、研究热点和趋势。此外，我们的目的是为该领域的未来研究提供参考方向。
2. 方法
2.1. 数据来源和检索策略
书目数据检索自Web of Science (WoS)的科学引文索引(SCI)扩展数据库。为了避免每日数据库更新造成的偏差，我们使用Web of Science核心合集(WOSCC)搜索相关出版物并在一天内检索到数据。检索时间为2004~2024年，出版物类型限于文章和评论，语言为英语，如图1所示。采用的检索策略是TS = “sepsis”AND (TS = “NETs” OR TS = “Neutrophil extracellular traps”)。下载的数据包括标题、作者、出版年份、国家/地区、机构、关键词、摘要、参考文献和其他相关信息。文档以带有制表符分隔符的纯文本格式下载。图1是数据筛选过程的流程图，显示了出版物的纳入和排除标准以及分析的方法和内容。
2.2. 数据分析
主要使用Microsoft Excel 2024、VOSviewer和COOC分析数据。
使用Microsoft Excel 2024来分析和绘制每年出版的出版物的数量和趋势、期刊出版物的数量及其影响因子以及与引用的参考文献相关的信息。
在分析之前，数据经过如下清洗程序：(1) 首先将数据导入COOC，去除重复条目；(2) 其次，在COOC中进行数据格式转换；(3) 最后对数据进行彻底清洗。在国家分析中，威尔士、苏格兰、北爱尔兰和英格兰被归为英国，台湾被归为中国。在关键词分析中，对同义关键词进行了合并。完整的数据清理过程可以在补充材料中找到。
Figure 1. A flowchart of the publication screening process
图1. 出版筛选过程的流程图
VOSviewer是一款用Java开发的软件，用于构建和可视化文献计量网络。它可以显示知识领域内的结构、演变和协作。VOSviewer的突出特点是其强大的图形显示能力，适合大规模数据分析。
本研究采用VOSviewer对研究合作网络进行分析，探索国家/地区、机构和作者之间的关系，并进行聚类分析。参数设置如下：国家：每个国家的最低引用次数：1；每个国家的最低文献数量：1；机构：每个组织的最低引用次数：1；每个组织的最低文件数量：1；作者：每位作者最少被引用次数：1；每位作者最少文献数量：1；被引作者：每位作者的最低引用次数：1；关键字：关键字的最少出现次数：1。
COOC是一款多功能文献计量软件，用于分析同义词、频率统计、共现矩阵、相异矩阵和术语矩阵。在本研究中，COOC用于关键词、期刊和被引期刊的可视化分析。参数：选取排名前10的关键词、期刊、被引期刊进行分析。
2.3. 定量分析
收集的文献根据四个标准进行分析：前10名作者、前10名期刊发表论文数、前10名机构发表论文数、前10名国家/地区论文发表数。
2.4. 质量分析
质量分析主要从以下几个方面进行：作者、期刊、引用关键词分析。
2.5. 可视化分析
为了进行可视化分析，将从WoSCC数据库中提取的所有有效数据导入COOC和VOSviewer [版本1.6.18]。COOC用于分析参考文献和关键词的最强引用爆发，调查研究现状、热点和趋势，绘制随时间变化的分布图，确定该领域的发展趋势。VOSviewer用于可视化分析国家、机构、期刊和作者之间的协作网络以及关键词簇的共被引情况。
通过考察关键词的出现频率、中心性和显着性，可以全面了解该领域当前的研究现状、热点和趋势。基于关键词共现构建关键词共现网络，每个节点代表一个关键词。当两个关键词同时出现在一篇文章中时，它们形成共现关系，表示为网络中的边缘。如果某个特定主题对该领域做出了重大贡献，则由具有高平均值的节点表示。发生度表示节点随着时间的推移扰动和共被引次数的增加情况。出现程度越大，表明该节点作为一定时期内的研究热点越明显。
3. 结论
3.1. 出版量分析
某个领域的发表趋势和出版物数量可以反映该领域的发展阶段并预测研究的增长。根据检索标准和时间范围，WoSCC数据库共检索到NETs和脓毒症相关文献720篇，其中筛选出452篇(62.78%)文章和226篇综述论文(31.39%)。经过初步的重复数据删除和清理后，该研究纳入了673篇出版物。图2显示了2004年至2024年该领域每年发表数量的趋势。我们将这一趋势分为三个时期：初始研究期(2004~2011年)、缓慢增长期(2012~2021年)和快速增长期(2022年~至今)。该领域的第一篇出版物由Kamada，H等人发表。2004年发文数量增长缓慢，2012年至2022年发文数量增长缓慢，而2022年以来发文数量增长迅速。与2022年之前的发文数量相比，2022年以后的发文数量每年超过90篇，截至统计截止点2024年前5个月，已经发表文章43篇。同时每年的出版物数量均呈上升趋势。2022年，共有104篇出版物，是历年来关于NETs和脓毒症的出版物数量最多的。图2还显示了一条拟合出版物总体年度增长趋势的多项式曲线。结果表明，每年发表的论文数量呈增加趋势，与发表年份高度相关(R2 = 0.9949)。总体而言，这些发现表明，关于NETs与脓毒症关系的研究呈逐年增加的趋势，许多研究人员正在研究NETs在脓毒症中的作用。
Figure 2. Temporal trend distribution of articles on NETs in sepsis field
图2. 脓毒症领域中关于NETs文章的时间趋势分布
3.2. 生产力最高的国家/地区和机构分析
27个国家在该领域发表了超过5篇文章。表1显示了发表文章数量排名前10位的国家/地区和机构，以及数据的可视化(图3(a))。排名前三的国家/地区是美国(n = 196)、中国(n = 146)和德国(n = 84)。共有940个组织参与了相关研究，其中14个组织发表了10篇以上的文章。排名前10的机构贡献了215篇文章。排名前三的大学是：密歇根大学(n = 22)、阿姆斯特丹自由大学(n = 19)和哈佛医学院(n = 17)。如表1所示，排名前10的机构中有5所来自美国，3所来自中国。大多数这些机构之间存在广泛的合作(图3(b)、图3(c))。
Table 1. Top 10 active countries/regions, institutions
表1. 前10个最活跃的国家/地区、机构
Rank |
Country/Regions |
Count |
Rank |
Institution |
Count |
1 |
Usa |
196 |
1 |
Univ Michigan |
22 |
2 |
China |
146 |
2 |
Univ Amsterdam |
19 |
3 |
Germany |
84 |
3 |
Harvard Med Sch |
17 |
4 |
UK |
55 |
4 |
Fudan Univ |
16 |
5 |
Japan |
54 |
5 |
Nanjing Univ |
15 |
6 |
Canada |
48 |
6 |
Juntendo Univ |
14 |
7 |
Netherlands |
36 |
6 |
Mcmaster Univ |
14 |
8 |
France |
25 |
7 |
Univ Calgary |
13 |
9 |
India |
22 |
7 |
Univ Med Ctr Hamburg Eppendorf |
13 |
10 |
Sweden |
21 |
8 |
Univ Birmingham |
11 |
|
|
|
8 |
Feinstein Inst Med Res |
11 |
|
|
|
8 |
Southern Med Univ |
11 |
|
|
|
8 |
Shanghai Jiao Tong Univ |
11 |
|
|
|
9 |
Lund Univ |
10 |
|
|
|
10 |
Shanghai Key Lab Perioperat Stress & Protect |
9 |
|
|
|
10 |
Chulalongkorn Univ |
9 |
(a)
(b)
(c)
Figure 3. (a) The top 10 country/regions rose diagram; (b) The citation network visualization map of institutions; (c) The citation density visualization map of institutions
图3. (a) 前10个国家/地区玫瑰图；(b) 机构引用网络可视化图；(c) 机构引用密度可视化图
3.3. 参与作者分析
3665名研究人员参与了有关NETs和脓毒症的研究。我们使用VOSviewer来调查参与作者的网络可视化，如图4(a)所示。表2显示了前10位作者和共同被引作者。其中，研究成果排名前三位的作者分别为Liaw，Patricia C (n = 12)、Van Der Poll，Tom (n = 12)和Wang，Ping (n = 12)。图4(b)显示了聚类密度的可视化。具有相同颜色的簇代表相似的研究方向。在作者聚类密度可视化中(图4(b))，很明显Liaw，Patricia C、Van Der Poll，Tom等人占据了较高的权重。但也值得注意的是，各研究机构之间的合作并不像人们想象的那么紧密。
(a)
(b)
Figure 4. (a) The network visualization map of co-authorship; (b) The density visualization map of co-authorship
图4. (a) 作者合作网络可视化图；(b) 作者合作密度可视化图
3.4. 期刊及被引期刊分析
共有294种学术期刊发表了NETs在脓毒症中应用相关的文章，其中Frontiers in Immunology (n = 64, IF2022 = 7.3)排名第一，其次是International Journal of Molecular Sciences (n = 27, IF2022 = 5.6)，如表3所示。图5以树状图格式显示了发表超过5篇出版物的期刊。发表量排名前10位的期刊均属于期刊引证报告(JCR) Q1，提供了该领域高质量且有价值的文献。
Table 2. The top 10 authors with most publications on NETs in sepsis from 2004 to 2024
表2. 2004年至2024年间在脓毒症NETs领域发表论文最多的前10位作者
Rank |
Cited Author |
Count |
Rank |
Author |
Count |
1 |
Kubes, P |
1877 |
1 |
Liaw, Patricia C |
12 |
2 |
Matthay, Ma |
1464 |
2 |
Van Der Poll, Tom |
12 |
3 |
Kaplan, Mj |
920 |
3 |
Wang, Ping |
12 |
4 |
Yousefi, S |
791 |
4 |
Aziz, Monowar |
11 |
5 |
Kubes, P |
623 |
5 |
Boettcher, Michael |
11 |
6 |
Kubes, P |
605 |
6 |
Zhang, Hao |
10 |
7 |
Hakkim, A |
596 |
7 |
Iba, Toshiaki |
10 |
8 |
Ward, Pa |
521 |
8 |
Reinshagen, Konrad |
10 |
9 |
Rink, L |
499 |
9 |
Miao, Changhong |
9 |
10 |
Mcdonald, B |
453 |
10 |
Ding, Weiwei |
9 |
Figure 5. The journals with more than 5 publications in a dendrogram format
图5. 以树状图形式展示的发表论文数量超过5篇的期刊
Table 3. The top 10 journals with most publications on NETs in sepsis from 2004 to 2024
表3. 2004年至2024年间在脓毒症NETs领域发表论文最多的前10个期刊
Rank |
Journal |
Count |
IF (2022) |
JCR (2022) |
1 |
Frontiers In Immunology |
64 |
7.3 |
Q1 |
2 |
International Journal Of Molecular Sciences |
27 |
5.6 |
Q1 |
3 |
Shock |
26 |
3.1 |
Q1 |
4 |
Scientific Reports |
17 |
4.6 |
Q1 |
5 |
Plos One |
13 |
3.7 |
Q1 |
6 |
Journal Of Leukocyte Biology |
12 |
5.5 |
Q1 |
7 |
Blood |
11 |
20.3 |
Q1 |
8 |
Thrombosis And Haemostasis |
10 |
6.7 |
Q1 |
9 |
Journal Of Thrombosis And Haemostasis |
10 |
10.4 |
Q1 |
10 |
Cells |
10 |
6 |
Q1 |
3.5. 同被引关键词分析
Table 4. Keywords cited more than 10 times on NETs in sepsis from 2004 to 2024
表4. 2004年至2024年间在脓毒症NETs领域被引用超过10次的关键词
Rank |
Keywords |
Count |
1 |
Neutrophil Extracellular Traps |
264 |
2 |
Sepsis |
235 |
3 |
Inflammation |
84 |
4 |
Neutrophils |
73 |
5 |
Platelets |
42 |
6 |
Thrombosis |
35 |
7 |
Covid-19 |
34 |
8 |
Neutrophil |
32 |
9 |
Infection |
30 |
10 |
Innate Immunity |
29 |
11 |
Septic Shock |
26 |
12 |
Immunothrombosis |
25 |
13 |
Coagulation |
22 |
14 |
Histones |
18 |
15 |
Platelet |
16 |
16 |
Apoptosis |
16 |
17 |
Thromboinflammation |
15 |
18 |
Disseminated Intravascular Coagulation |
14 |
19 |
Histone |
12 |
20 |
Acute Lung Injury |
12 |
21 |
Pyroptosis |
12 |
22 |
Ards |
12 |
23 |
Sars-Cov-2 |
11 |
24 |
Coagulopathy |
11 |
25 |
Acute Respiratory Distress Syndrome |
11 |
(a)
(b)
(c)
Figure 6. (a) The network visualization map of Keywords; (b) The density visualization map of Keywords; (c) The burst detection of Keywords
图6. (a) 关键词网络可视化图；(b) 关键词密度可视化图；(c) 关键词的突发检测图
关键词反映了文章的主要概念，研究它们可以增强我们对研究主题的理解。此外，频繁出现的关键词往往表明了某个领域的研究热点。本研究采用COOC对518篇清理后的出版物中的关键词进行提取和分析。对于频率大于5的关键词，生成了共现网络图、关键词时间轴气泡图以及被引强度大于10次的25个关键词。如表4所示，1337个关键词中，排除了三个主题后——中性粒细胞胞外陷阱、脓毒症和中性粒细胞相关关键词中，最常用的三个关键词是炎症(n = 84)、血小板(n = 42)和血栓(n = 35)，表明它们在该领域的重要性。在炎症反应的过程中，血管受损暴露出内皮下基质，随后血小板被释放出的激动药激活并在血管损伤的部位迅速黏附，聚集形成血栓，在促炎细胞因子的激活作用下，血小板止血功能被放大，加速凝血过程。血小板被激活后会进一步释放出血小板衍生颗粒，在炎症条件下调控止血和血栓的形成[9]。因此，中性粒细胞胞外陷阱的研究，依旧集中在炎症的发生发展机制这一领域。VOSviewer用于网络可视化和覆盖可视化，如图6(a)和图6(b)所示。网络可视化图中的每种颜色代表一个簇，具有共同属性的节点被分组为一个颜色编码的簇。红色集群主要关注脓毒症发病机制的研究，如血小板减少、血栓形成、炎症和感染。蓝色簇主要涉及中性粒细胞在脓毒症中的作用。绿色集群与并发症和近期热门话题的研究相关，如感染性休克、凝血异常、ARDS和COVID-19。
在文献分析中，突发检测可以帮助研究者快速识别研究热点与研究趋势、便于文献筛选、提供研究灵感、支持决策。图6(c)中的突发检测分析表明，肺炎、ARDS、COVID-19和血栓炎症的强度值最高，表明它们在特定时间段内被高度引用。这些发现证明了这些关键词的重要性及该领域研究热点的关联。
4. 讨论
在本研究中，我们从WOSCC数据库中检索了过去20年(2004~2024年)有关NET在脓毒症中应用的出版物。排除不符合筛选标准的研究后，总共纳入了673篇出版物。我们利用Microsoft Excel 2024、VOSviewer和COOC软件对年度发表量、国家/地区、机构、作者、期刊、被引期刊和关键词进行分析，获得概述该领域的研究、趋势和未来潜在热点。
4.1. 基本情况
2004年至2011年，年度出版物数量保持相对稳定，波动较小。然而，2012年之后，出版物数量逐年增加，2022年之后，出版物数量快速增长，可能是由于COVID-19的出现、肺部炎症性疾病的激增以及机制研究需求的增加。我们对过去20年有关NETs和败血症的出版物的分析显示，美国贡献的出版物数量最多，其次是中国和德国。在机构中，密歇根大学、阿姆斯特丹自由大学和哈佛医学院的出版物数量最多。Liaw，Patricia C.、Van Der Poll，Tom和Wang，Ping是该领域最多产的研究人员。Frontiers in Immunology是该领域发表论文数量最多的期刊，表明其在该研究领域的重要作用。
4.2. 知识库
我们的研究发现，被引用次数最多的前10篇文章为该领域奠定了基础。Clark，S.等人在2007年揭示了血小板在脓毒症中的关键作用，特别是血液中血小板TLR4和TLR4配体之间的相互作用，诱导血小板与粘附的中性粒细胞结合[10]。这导致中性粒细胞的强烈激活和中性粒细胞胞外陷阱(NETs)的形成。严重脓毒症患者的血浆也会诱导TLR4依赖性血小板-中性粒细胞相互作用，从而产生NETs。NETs在流动条件下保持其完整性，并捕获血管系统内的细菌，主要是在肝窦和肺毛细血管中，它们在这些地方表现出最大的细菌捕获能力。作者提出，血小板TLR4作为严重脓毒症中这种新型细菌捕获机制的阈值开关，为过去二十年肺和肝脏中NETs和脓毒症的研究提供了理论基础。
Shida Yousefi等人2008年研究了嗜酸性粒细胞在胃肠道免疫系统中的作用，指出DNA释放在不到一秒的时间内以类似弹射器的方式迅速发生[11]。在细胞外空间中，线粒体DNA和颗粒蛋白形成细胞外结构，能够在体外和体内炎症条件下结合并杀死细菌。此外，在盲肠结扎和穿刺后，Il5转基因小鼠而非野生型小鼠表现出肠道嗜酸性粒细胞浸润和细胞外DNA沉积，这与预防微生物败血症相关。该研究强调，嗜酸性粒细胞介导的先天免疫机制可能对于炎症相关上皮细胞损伤后维持肠道屏障功能至关重要，将NETs和脓毒症的研究扩展到肠道屏障。
Mia Phillipson等人阐明了中性粒细胞在血管炎症中发挥关键调节作用的具体机制[12]。Abdul Hakkim等人使用新颖的化学遗传分析发现Raf-MEK-ERK通路通过激活NADPH氧化酶和上调抗凋亡蛋白参与NETs形成[13]。在2012年关于ARDS的综述中，Michael A. Matthay指出，肺泡巨噬细胞的缺失会加剧小鼠流感相关肺炎和肺损伤，导致中性粒细胞和NETs增加[14]。Braedon McDonald在2012年的文章解释说，中性粒细胞在内毒素血症和脓毒症期间迁移到肝窦，通过释放NET发挥保护作用[15]。在脓毒症期间，与血管内巨噬细胞提供的基线水平相比，NET释放导致细菌捕获量增加四倍。因此，NETs捕获循环细菌并提供血管内免疫，防止化脓性感染期间细菌传播。Nour Zahi Gammoh强调了锌在免疫反应中的复杂作用，强调其体内平衡对于维持适当的免疫功能至关重要[16]。锌是导致NETs形成的病原体消除信号通路的重要组成部分，并通过调节特定的分化因子诱导细胞介导的免疫而非体液免疫。此外，锌缺乏会导致炎症，主要是通过增强炎症反应和损害宿主组织。锌通过靶向核因子-κB (NF-κB)参与调节促炎反应，核因子-κB是一种转录因子，是促炎反应的主要调节因子。它还有助于控制氧化应激和调节炎症细胞因子的组成。
4.3. 新兴主题
关键词突出研究主题和核心内容。对关键词共现的分析可以深入了解特定领域研究主题的传播和增长。在这里，我们使用COOC构建了关键词共现网络图，并确定了引用突发率最高的前25个关键词。此外，我们还应用突变检测来分析脓毒症相关NETs研究的热点和发展趋势。自2004年首次报道中性粒细胞响应微生物而喷射核染色质和杀菌蛋白的壮观图像以来，在过去的20年里，脓毒症中NETs的研究热点，继Clark，S.对血小板和凝血的研究之后，主要集中在肺部炎症、中性粒细胞和NETs的形成。2020年后，随着COVID-19病毒的爆发，脓毒症相关领域NETs的研究热点再次在肺炎领域爆发。随着研究的不断深入，这一时期更多的机制被揭示。
综上所述，对关键词共现网络和突变检测的分析表明，近二十年来脓毒症NETs的研究主要集中在以下几个方面：凝血、肺炎、ARDS、感染性休克以及脓毒症的形成机制。脓毒症发生、发展过程中的NETs。
5. 局限性
与传统方法相比，COOC、VOSviewer和R的可视化分析技术可以更全面地了解NETs与脓毒症关系的研究重点和趋势的演变。然而，这项研究有其局限性。这些出版物仅检索自Web of Science数据库的核心合集，并且仅包含英文文献，这可能导致遗漏了一些原始文献。因此，结论可能并不全面。未来，我们计划继续在这一领域进行研究，收集更多的研究数据，丰富我们的研究成果，为研究人员提供有价值的信息和帮助。
6. 结论
在本研究中，我们利用COOC和VOSviewer等可视化工具对2004年至2024年期间的出版物进行了分析，发现国际核心期刊的出版物数量有所增加，其中美国和中国是最重要的来源国出版物。同时来自多个国家和机构的研究人员正在该领域开展研究并建立合作。根据关键词可视化分析，该领域当前和未来的研究可能会重点关注凝血机制、ARDS和感染性休克。
数据可用性声明
研究中提出的原始贡献包含在文章/补充材料中，进一步询问可以直接向通讯作者询问。
作者贡献
栾桀、梁舒琳、苗水山设计了这项研究并修改了手稿，进行了数据收集、文献计量和统计分析、数字可视化和手稿写作。所有作者都对本文做出了贡献并批准了提交的版本。
NOTES
*通讯作者。