1. 引言
根据全国第七次人口普查数据，截至2020年11月，我国总人口已达141178万人，其中60岁以上人口26,402万人，占到了人口总数的18.7%1。与此同时，中国老龄科学研究中心数据显示，目前我国60岁以上的失能老人已经超过4200万人，失能老人已经占到60岁以上老年人数的16.6%，在今后一段时间这一数值还是会上涨的2。上述数据显示，我国人口老龄化的进程在不断加速，这也说明了我国继续研究和发展长期护理保险的紧迫性。
目前专家学者主要是从人口老龄化背景、国内外发展经验、长期护理保险的制度模式、筹资方式以及试点几个方面对长期护理保险进行研究。与早期研究相比较，目前对长期护理保险的研究多数是从微观层面上进行研究分析的，对于长期护理保险各个方面进行了细致的研究，但是对于长期护理保险整体发展趋势的研究文献还是较少的 [1] [2] [3]。也有学者是运用CiteSpace软件来展开研究的，但是研究中存在软件运用不够娴熟、图谱分析不正确、数据不够准确、数据时效性不够等问题，在本次研究中针对以上问题做出了改进。
本研究所用数据是知网上从2000年到2021年所有长期护理保险相关文章，研究的数据较新，更能体现当前长期护理保险研究的热点，也能够更好地预测长期护理保险未来的发展趋势。同时，本文的研究角度也与前人文献有一定的差别。在之前的研究中，大家的研究重点都放在了对于关键词以及研究内容的分析上，从而忽视了对研究群体以及研究地区的研究，通过本次研究数据发现对于长期护理保险的研究存在着很大的城市差异，不同地区之间的学术交流极少，主要的研究力量也仅集中在上海和北京这两个城市。为什么长期护理保险的研究会形成较大的城市地区差异，这也是值得我们思考的问题。
2. 研究设计
(一) 数据来源
本次研究的对象是中国学术期刊网络出版总库的数据文献，以“长期护理保险”为主题进行检索。具体检索的设定为：主题 = 长期护理保险and发表时间between (2000-01-01, 2021-12-31)。通过高级检索一共得到2413篇文献，在总的2413篇文献中，选取了全部的43篇学术辑刊和全部的373篇学位论文和大部分的学术期刊(去除没有作者以及作者模糊的文献)，最终得到有效的1966篇文献作为研究对象。将得到的目标文献按照CiteSpace软件运行所需要的格式进行导出，得到本文研究的样本数据库。
(二) 研究方法
1) 知识图谱概述
知识图谱是一种科学、定量分析文献的方法。可视化的图谱能够直观地展示某一领域的核心结构、发展历史、前沿领域和整体的知识架构。与传统的文献综述相比较，它可以更加全面的把握住研究的现状以及研究的趋势，在补充专家判断不足的同时，它还可以用可视化的图像直观显示某一领域当前的热点 [4]。
2) 研究工具
本次研究采用的分析软件是CiteSpace5.8.R3，其是一款以JAVA语言为基础的信息可视化软件 [5]。CiteSpace是以共引分析理论与寻径网络模型算法为基础，并综合利用已获取到的相关文献，绘制出一系列的可视化图谱，最后通过对得到图谱数据进行分类研究，以进一步了解该研究领域的演化路径、研究方向变化拐点、目前的研究热点及未来研究的发展趋势 [4]。
3) 研究相关说明
CiteSpace绘制出的图谱效果主要取决于聚类轮廓性指数S值和聚类模块性指数Q值。其中Q值的范围一般是[0,1)，当Q值超过0.3，则认为该图谱划分出来的社团结构是显著的；当S值超过0.5就认为图谱的聚类是合理的。在绘制图谱前，要选取不同的阈值、设置不同的功能参数多次绘制图谱，直到Q与S达到满意的数值，选择理想的图谱作为最终的结果 [4]。
由于选取数据的时间跨度选择的是2000年到2021年，所以本文中首次出现的时间仅表示自2000年以后首次出现时间。
3. 长期护理保险研究文献特征分析
(一) 高频研究者
本次研究首先通过CiteSpace软件对长期护理保险研究领域2000年至2021年的1966篇文献的作者进行分析，得到表1。
如表1所示，在长期护理保险研究领域，戴卫东发表的文章最多，已达26篇，其次是乐章，到目前为止一共发表了23篇文章。这19名研究者均为长期护理保险研究做出了重要贡献，是国内长期护理保险领域具有代表性的学者。
Table 1. Leading researchers in the field of long-term care insurance (top 19 in terms of number of publications)
表1. 长期护理保险领域主要研究者(发文量排名前19)
(二) 高产机构及核心作者群分析
时间范围选择从2000年1月1日到2021年12月31日，时间切片选择1年，选取“Author”、“Institution”作为节点类型，选择正指数分析(g-index)的阈值设定方法(k = 25)，生成研究者和研究机构之间的共现网络图谱 [6]。该图谱的密度为0.0026，其中节点606个，连线484条。此时，图谱的S值为1，Q值为0.9764，说明此时图谱是有效的。
图1中，节点代表研究者或研究机构，节点间连线代表两个研究人员或者研究机构之间的合作关系。节点的颜色表示发文的时间，发文时间从灰色到红色渐变，节点颜色越接近红色表示发文的时间越近；节点越大，表示研究人员或研究机构发文的数量越多。节点之间连线的颜色表示两名研究人员或研究机构第一次开始合作的时间，连线越粗，说明两者之间的合作关系越强。
图1中蓝色连线表示2015年的合作网络，绿色的连线表示2016年到2018年的合作网络(由于绿色渐变的不明显)，黄色的连线表示2019年的合作网络，橙色的连线表示2020年的合作网络，红色的表示2021年的合作网络。对图1中的合作网络进行分析，可以发现自2015年后开始出现大量的研究人员以及研究机构对长期护理保险进行研究，与此同时，研究者以及研究机构之间的合作也在不断加强。图1中的黄色网络内的合作关系最密切，表示何世英、戴瑞明、蒋曼、白鸽、罗力、王颖等学者之间的合作非常密切，并且他们自2019年开始对长期护理保险进行了大量研究，此时是他们进行合作研究的一个高峰时期，取得了很多的研究成果，为长期护理保险研究领域做出了巨大贡献，也对长期护理保险的后续研究产生了重要影响，推动了长期护理保险研究领域的发展。
在长期护理保险研究初期，主要的研究人员和研究机构有戴卫东、荆涛、对外经济贸易大学保险学院和浙江财经大学公共管理学院。与此同时，华东政法大学政治学与公共管理学院和上海工程技术大学管理学院近年以来在长期护理保险研究领域的表现也尤为突出，取得了很多研究成果，为长期护理保险研究领域的发展增添了更多新的力量。
依据高频研究者及研究机构的合作网络图谱可以发现，仅有极小部分的研究者之间存在合作网络，从而形成密切的研究合作关系，大部分学者的研究都较为分散，趋向于单独研究，我国长期护理保险研究领域呈现出大分散研究的特征。这说明我国学者在长期护理保险研究领域缺乏及时交流，如果长期这样，一定会影响我国长期护理保险后续的发展，所以在今后的研究中也需要注意促进各地学者之间的合作交流。同时可以发现对于长期护理保险的研究力量主要集中在部分学者以及高校管理学院及保险学院，研究机构的范围有很大的扩大空间。
从图中还可以发现长期护理保险研究领域的研究力量主要集中在上海和北京两个城市，存在着明显的地区差异。由于北京、上海拥有着大量的科研人员以及深厚的科研力量，所以科研产出会比其他城市高很多。北京是我国首都城市，拥有着众多高等学府，吸引了大量的优秀学者，同时也能将这些学者留下来，这就使得北京的科研机构以及学者们能够持续稳定的进行长期护理保险的研究。而上海是一所创新性及包容性很高的城市，有着雄厚的经济实力，这就使得学者们的思想更加的开放，可以给长期护理保险后续研究提供新的思路。这样在长期护理保险研究领域就形成了以北京和上海两处为中心的两股科研力量。但是目前各地学者们之间的交流还是不够的，所以在今后北京和上海的学者们不仅要做好带头作用，也需要加强与各地学者的合作交流，探究出最适合我国国情的长期护理制度。
Figure 1. Collaborative network mapping of HF authors and research institutions from 2000 to 2021
图1. 2000年至2021年高频作者及研究机构的合作网络图谱
4. 长期护理保险研究热点及趋势分析
(一) 研究主题与热点
1) 高频关键词分析
时间跨度以及时间切片的选取与之前相同，节点类型选择“Keyword”，阈值设置选择TopN (N = 50)，生成关键词共现网络图谱，对高频关键词进行统计得到表2。
从表2中可以发现“老龄化”、“长期护理”、“失能老人”、“老年人”这些关键词出现的频次都超过了100，并且其中心性也都超过了0.1，说明这几个关键词都是关键的节点，与其他的关键词联系十分紧密。从中心性角度分析，如果节点的中心性超过了0.1，就说明该节点的中心性是高的，对其他节点的影响也就越大，在图谱中的地位也就更加重要 [7]。在表2中，中心性大于0.1的关键词有“老龄化”、“长期护理”、“失能老人”、“老年人”、“护理保险”、“医疗保险”，说明这些关键词也是长期护理保险研究领域的关键节点，和其他关键词之间的关联较多。
Table 2. High-frequency keywords in the field of long-term care insurance research and their centrality statistics (top 21 in frequency)
表2. 长期护理保险研究领域高频关键词以及其中心度统计(频次前21)
2) 关键词聚类的时间图
a) 聚类视图
加入“Pathfinder”、“Purning sliced networks”、“Purning the merged network”三种裁剪方式，得到如图2所示长期护理保险研究领域聚类图。一共生成了106个聚类，在图2中有21个明显的类团，770个节点，1824条连线。该图谱的密度为0.0041，Q值为0.8792；S值为0.9639，此时生成的图谱是有说服力的。
观察图谱可以发现“养老产业”、“老年人口”、“商业性”、“护理保险”、“护理费用”这几个关键词都连接了多个类团，说明这些节点是我国长期护理发展领域中的关键节点，起到“桥梁”的作用，将我国长期护理保险各研究方向相互联系起来。
在图2中，聚类#0 (老年人)、#1 (健康保险)、#7 (筹资机制)都是和其他类团联系较多的几个类团。聚类#0 (老年人)中一共有63个关键词，相关文献发表的平均年份为2012年，采用log-likelihood ratio聚类算法得到的主要关键词有“老年人”、“长期护理”、“护理费用”、“护理需求”和“比较研究”。这一阶段是长期护理保险实践前的理论准备阶段。聚类#1 (健康保险)中相关文献发表的平均年份为2007年，说明健康保险这一聚类相关关键词时间都比较久远，采用log-likelihood ratio聚类算法得到的主要关键词有“健康保险”、“保险费”、“人保健康”、“护理服务”和“保险业”。这一阶段可以看作是“长期护理保险”概念出现早期，对于相关保险的探索性研究。聚类#7 (筹资机制)中一共有31个关键词，相关文献发表的平均年份为2013年，采用log-likelihood ratio聚类算法得到的主要关键词有“筹资机制”、“政策优化”、“pmc指数模型”和“失能老人”。
Figure 2. Cluster map of long-term care insurance research areas in 2000~2021
图2. 2000~2021长期护理保险研究领域聚类图
b) 时区图
在关键词聚类的基础上，生成长期护理保险领域研究热点时区图(Timezone)，得到图3。该图谱的密度为0.0062，Q值为0.6043，S值为0.8305，说明该图谱的聚类十分显著。在图3中，整个图谱从左到右平均分成了22个区域，分别表示从2000年到2021年的22年时间。图中节点最外圈出现紫色外环表示这个关键词位于图中多数“点对”的“中间” [8]。
从图3可以看出，从2000年到2005年，长期护理保险研究领域新兴的研究热点主要是“老龄化”、“长期护理”、“护理费用”以及“筹资的机制”，这时的研究主要是从理论层面展开的，为我国长期护理保险的研究奠定了理论基础，但是此时在政策实践方面存在着一定的欠缺。2006年到2008年期间出现了新的研究热点，此时的研究开始偏向于保险制度，在经历了前期理论探索之后，加上我国老龄化进程的加快，这就使得制定满足老年人长期护理的需求变得十分的迫切。在2011年前后，研究的节点明显的增多，对长期护理保险的研究呈现出爆发式的增长，同时也出现了很多新兴的研究热点。这说明卫生部在2011年印发的《中国护理事业发展规划纲要(2011~2015年)》以及国务院在2013年发布的《关于促进健康服务业发展的若干意见》在长期护理保险研究领域的响应十分明显，且完成了“十二五”期间的规划目标 [9]。2016年我国正式在多个城市展开了长期护理保险的试点的工作，在试点工作展开的这段时间，我国学者对长期护理保险的研究达到了一个新的高潮，涌现了很多高质量的研究成果。从图3中也可以发现，这段时间长期护理保险研究领域的热点主要是医养结合以及对养老服务方面的研究。可以看出自长期护理保险试点工作展开以来，学者们更加倾向于研究适合我国的养老模式，以更好地解决我国老年人养老问题。试点初期研究的重点主要还是以养老为主，之后才渐渐注重医疗方面的研究。医疗机构与养老服务提供方二者结合的还不够密切，需要提供“医”、“养”一体化的养老服务，才能真正做到“医”与“养”相结合。
综上，根据图3可以发现，长期护理保险研究领域是以“老龄化”、“长期护理”、“护理费用”、“护理服务”为基础，在此基础上演化出了“需求”、“长期照护”、“失能老人”等研究热点，又继续演化出了“养老服务”、“医养结合”等研究热点。
Figure 3. Time zone map of research hotspots in the field of long-term care insurance in 2000~2021
图3. 2000~2021长期护理保险领域研究热点时区图
c) 时间线图
在关键词聚类的基础上，选取前14个聚类，生成长期护理保险领域研究热点时间线图(Timeline)，得到图4。该图谱的密度为0.0041，Q值为0.8792，S值为0.9639，说明该图谱也是十分有效的。
从图4中可以看出，我国学者对于长期护理保险的研究是一个由浅入深的过程，随着时间的发展我国学者对长期护理保险的研究范围以及研究的领域都在不断的扩大，长期护理保险也越来越受到社会的关注。
根据图4可以发现长期护理保险研究领域关键词存在的时间不同。例如：聚类#0 (老年人)、#1 (健康保险)、#5 (医养结合)和#7 (筹资机制)一直都是活跃的聚类，从2000年持续至今，并在2010年以后，这四个聚类的研究关键词开始增多，受到越来越多学者们的关注。也有一些聚类在这几年渐渐地淡出了学者们的研究视野，例如：#8 (医疗保险)和#12 (老龄化)。也有一些聚类出现的时间较晚，但目前仍有着很高的研究热度，例如：#6 (养老产业)和#9 (养老机构)。目前我国正在努力解决老年人在养老、医疗健康等方面出现的问题，充分挖掘老龄社会潜能，激发老龄社会活力。
同时，观察这14个聚类我们发现聚类#4 (日本)与其他聚类的不同，说明我国学者在对长期护理保险的研究过程中对日本理论、经验借鉴的较多。聚类#4的第一个关键词是在2006年出现的“基金管理”，随着时间的发展该聚类又相继出现了“德国”、“韩国”、“美国”、“居家照护”等研究关键词，说明这些国家为我国长期护理保险的研究发展提供了宝贵的经验，让我们再长期护理保险相关政策出台前做了充分的准备工作，使得我国后续长期护理保险的试点工作能够顺利的进行 [10]。
Figure 4. Timeline of long-term care insurance research areas in 2000~2021
图4. 2000~2021长期护理保险研究领域时间线图
(二) 研究前沿及未来研究趋势分析
突现词表示某一变量的值在一段时间内激增，突然变成研究的热点，从而被学术界所关注。在关键词聚类图谱的基础上，在控制面板的Burstness界面将参数伽马取值范围设置为[0,0.5]，参数minimum设置为2年，最后得到前25个突现关键词，按照关键词开始出现的年份排序，得到图5。在图5中，“Year”代表关键词第一次出现年份，“Begin”代表关键词开始突现的年份，“End”代表关键词突显结束的年份。红色线条代表关键词的突显时间段，即从“Begin”到“End”的时间段，蓝色线条表示平常年份。
根据图5我们可以发现，这25个关键词首次出现的年份都是2000年(由于数据选取的时间跨度为2000年~2021年，所以这里的2000年并不表示这些关键词在长期护理保险研究领域首次出现的时间，仅表示在本次研究时间段里首次出现时间)，但是后续突现的时间段都不尽相同，表明这些关键词都不是新出现的研究方向。其中，“护理费用”是突现周期持续最长的一个关键词，从2000年到2013年，整体的时间跨度有13年，直到2013年后才逐渐不被学者们所关注。
根据图5，可以将图中关键词分成两大类，第一类是先前的研究热点，但是在近几年已经渐渐的淡出了人们的研究视野，像“政策评价”、“失能率”、“政策优化”、“政策试点”、“保险”、“护理费用”、“健康保险”、“商业性”、“老年人口”、“老龄化”、“可行性”、“老年护理”、“长期医疗”、“养老模式”、“制度构建”、“比较研究”、“生活照料”；其中“政策评价”、“失能率”、“政策优化”、“政策试点”的突显值都达到了5.5左右，说明在长期护理保险研究前期学者们的关注重点都集中在对适合我国的长期护理保险政策以及模式的研究，同时也正是因为前期学者们对这政策理论的研究，才为我国长期护理保险的的发展奠定了良好的研究基础。在对长期护理保险研究的中期“商业性”这一关键词也突显的较为明显，突显值达到了4.34，突现时间从2006年持续到了2012年，持续的时间也较长，说明学者们在对长期护理保险制度进行了一定的研究之后发现可以增加相关的商业保险作为长期护理保险的补充，并对此进行了大量的研究分析。我国长期护理保险是属于社会保险性质的，在国外大多数国家长期护理保险除了社会保险部分还有商业性质的，在今后这也可能成为我们探索的方向 [11]。
另一类是从突现出现至今仍是高频突现的关键词，像“养老服务”、“照护服务”、“居家照护”、“筹资模式”、“影响因素”、“医养结合”、“广州市”、“失能人员”，说明其在今后仍然有很大的可能性是长期护理保险研究领域的热点。以“医养结合”为例，2019年检索为988篇，2020年检索为887篇，2021年为955篇，近三年“医养结合”这一关键词呈现出极高的膨胀性，可以预测在未来一段时间内，它将会是一个新的强聚类的中心。“养老服务”以及“失能人员”也呈现出相似的趋势。据此我们可以预测，“养老服务”、“医养结合”以及“失能人员的长期照护”将是未来研究的几大趋势。
随着我国人口老龄化程度的加剧以及失能老人人数的不断增长，加上目前我国长期护理保险制度的实际操作性的路径还有着很大的提升空间 [12]，这就对我国的养老服务以及医疗服务提出了更高的要求，也要求我们尽快构建完善的长期护理保险制度。在完善我国长期护理保险制度的同时不仅要结合我们自己的试点经验，也仍然需要学习借鉴发达国家和地区相关的制度经验，进一步的推进适合我国国情的长期护理保险制度的全面构建。
Figure 5. Keyword emergence mapping in the field of long-term care insurance research
图5. 长期护理保险研究领域关键词突现图谱
5. 结论与不足
首先在长期护理研究力量方面，主要以高校和研究机构为主。同时研究地域划分较为明显，北京、上海两个城市的研究力量最为集中，研究者之间联系并不密切，大部分的学者倾向于独立研究，只有极少数的研究者之间形成了合作网络，在今后对长期护理保险进行研究的过程中需要各学者之间加强合作交流，在全国范围内形成强有力的学习互动交流模式。
其次我国长期护理保险研究热点在早期就已经形成，在2010年之后开始出现大量的研究成果。主要是在我国老龄化程度加剧的背景下，借鉴德国、日本等国家相关经验，对我国相关制度设计、养老产业以及医养结合等方面进行研究分析。从早期的宏观研究到现在的微观研究，从早期的理论研究到现在的试点实践，逐步递进，探索出最适合我国的长期护理保险制度。
最后，由于本文的研究数据全部来自中国知网，数据来源较为单一，不够全面，不能全面地反映我国目前长期护理保险研究领域的热点以及今后的发展趋势。同时，全文对于数据分析的阈值设定较为单一，在今后可以对WOS以及CSSCI等数据库文献进行筛选分析，设置不同的阈值，使得研究结论更加的全面具体。
NOTES
1国家统计局第七次人口普查数据http://www.stats.gov.cn/tjsj/pcsj/rkpc/d7c/202111/P020211126523667366751.pdf。
2中国老龄科学研究中心http://www.crca.cn/index.php/13-agednews/311-6-1.html。