1. 引言
寄生虫病是全人类健康的重要威胁之一[1]，其中以疟疾、血吸虫病、丝虫病、钩虫病、黑热病为主要的五种类型，尤其在发展中国家和热带、亚热带地区负担沉重[2] [3]。中国疆域辽阔、人口复杂、气候多样、历史悠久，从古至今持续面临着寄生虫病的威胁。中国同时是中医药的发祥地[4] [5]，对于寄生虫病的治疗具有独特方法与天然优势[6]。然而由于历史现实因素，世界对于中医药的认知不够深入[7]，因此寻求中医药与五大寄生虫病治疗的结合，对于全球范围内人类健康以及中国中医药文化的宣扬具有重要现实意义[8]。
CiteSpace软件由陈超美教授于2004研发，有助于对文献进行可视化分析，展现文献间的作者与机构联系及其之间的合作关系、洞悉研究热点及研究趋势[9] [10]。研究团队能够通过该软件更直观地知悉某领域的研究情况，为其学术研究提供更多可能。
本研究以近三十年相关中英文文献为基础，利用CiteSpace软件，对中医药治疗寄生虫五虫病的相关学术文献进行了系统性整理，了解机构、关键词和作者等相关联系，洞察相关领域研究现状及前沿趋势，以期为寄生虫五虫病研究提供前沿热点、动态趋势等方面的实证参考，助力学者挖掘关键信息及拓宽研究路径。
2. 数据与方法
2.1. 数据来源
本研究选用多平台进行中英文文献检索，以CNKI (中国学术期刊全文数据库)为中文文献检索平台，以及Web of Science (WOS)作为英文文献检索平台。英文文献检索式为“TS = (Traditional Chinese Medicine or TCM intervention) AND (Malaria or Schistosomiasis or Filariasis or Kala-azar or Hookworm disease or Schistosoma or Plasmodium or Hookworm or filaria)”，不限定时间检索，Languages选择英文，Editions选择Science Citation Index Expanded (SCI-EXPANDED)--2004-present。以“SU = (疟疾or血吸虫病or丝虫病or黑热病or钩虫病or疟原虫or血吸虫or丝虫or钩虫) AND SU = (中医药or中医药干预or中药)”为检索式，在CNKI进行专业检索，语言选择为中文，不限定时间检索，并筛选去除报道、会议文章、科普文章等文献，只留下学术期刊和学位论文。最终检索出中文文献136篇，英文文献211篇。
2.2. 数据整理
将在中文数据库和英文数据库中检索到的文献以“Endnote”格式导出至桌面Endnote软件，并利用该软件，依照标题、作者、年份、文献类型对中英文文献进行重复性筛选，同时人工剔除年份、作者信息缺失的文献，最终留下与本研究相关联的中文文献74篇和英文文献187篇。将英文文献的“数据库提供者”统一改作“WOS”，中文文献的“数据库提供者”一律改作“CNKI”后，分别以“Refwork-CiteSpace”格式导出，保存文件并将英文文献命名为“download1.txt”，将中文文献命名为“download2.txt”。文献筛选流程见图1。
Figure 1. Flow chart literature screening
图1. 文献筛选流程图
2.3. 数据处理
利用CiteSpace6.1.R1软件处理数据，通过分析文献发文量、发表时间、关键词共现、关键词聚类、关键词突现、作者及机构的合作网络，绘制中医药治疗寄生虫五虫病的可视化图谱。分析英文文献时，软件时间参数设置跨度为1995~2025年，时间切片为1年，g = index (k = 15)，分析中文文献时，软件时间参数设置跨度为1995~2024年，时间切片为1年，g = index (k = 25)。将visualization设置为cluster view-static，勾选show merged network，其他选项默认。
3. 结果
3.1. 发文量年度发布
对中医药治疗中医药五虫病的英文和中文相关文献进行年发文量的统计，结果见图2此项研究中文文献最早可查至1964年，但是发文量较少，研究手段较为单一。因此本研究选择1995年作为中文文献的起始点进行研究。英文文献的首发时间是2004年，说明国际上对于该项研究的起步较中文晚。数据显示，随着年份的增长，中英文文献发文量均呈上升态势，英文文献发文量总体波动较中文更大，并且中英文发文量在2004、2007、2009年有所重合，在2015年有所交叉。在2021达到了中文文献发文量的峰值(11篇)，在2022年达到了英文文献发文量的峰值(19篇)。2014~2015、2020~2021是中药治疗脑卒中的英文文献数量激增的时段，这与中医药在屠呦呦携青蒿素获得诺贝尔生理学或医学奖、新型冠状病毒感染疫情治疗中所发挥的重要作用有密切联系。
Figure 2. Annual publication trend of Chinese and English literature
图2. 中英文文献年发文量趋势
3.2. 作者合作网络分析
通过分析作者合作网络的数据，了解到在1996~2025年间共有48名中文文献和74名英文文献的作者参与到中药治疗脑卒中的研究中，表明本研究的群体较少。作者合作网络图中的节点为作者，其中节点的大小反映机构发文量，年轮圈数代表不同年份发表论文数量，某个年份年轮越宽代表在相应年份发表的论文越多。网络中的Density值可以反映作者之间的合作的密切程度，节点间的连线表明了作者之间合作关系，中文作者Density值为0.0159，表明作者之间存在密切的交流合作。而英文作者的Density值为0.0085，表明团队内部合作密切，但是团队之间交流较少。图3展示了该研究的主要合作网络，其中最大的中文文献合作群以刘霁堂和邓长生等为主要作者，主要针对青蒿素研发历史，非洲抗疟以及中药治疗疟疾及相关并发症等领域。以Efferth Thomas等为主要作者的英文文献合作群是最大的，对于中药治疗寄生虫五虫病的研究也较为广泛。表1统计了发文量排名前8的中英文文献作者，中文文献发文量最高的作者是刘霁堂，最高发文量是3篇，英文文献发文量最高的作者是Efferth Thomas，最高发文量是10篇。
Figure 3. Author cooperation network diagram of Chinese (A) and English (B) literature
图3. 中文(A)和英文(B)文献作者合作网络图
Table 1. Top 8 authors of Chinese and English literature by the largest number of publications
表1. 发文量排名前8的中英文作者
序号 |
中文作者 |
中文发文量/篇 |
最早年份 |
序号 |
英文作者 |
英文发文量/篇 |
最早年份 |
1 |
刘霁堂 |
3 |
2018 |
1 |
Efferth, Thomas |
10 |
2008 |
2 |
魏文斌 |
2 |
2009 |
2 |
Yi, Junjie |
2 |
2022 |
3 |
杨凤珍 |
2 |
2009 |
3 |
Chen, Shilin |
2 |
2017 |
4 |
邓长生 |
2 |
2016 |
4 |
Weathers, Pamela J. |
2 |
2014 |
5 |
叶平凡 |
1 |
2015 |
5 |
Cai, Shengbao |
2 |
2022 |
6 |
潘慧 |
1 |
2021 |
6 |
Yu, Chengqun |
2 |
2023 |
7 |
杨婷 |
1 |
2007 |
7 |
Guan, Yongmei |
2 |
2023 |
8 |
陶西凯 |
1 |
2010 |
8 |
Kaina, Bernd |
2 |
2010 |
3.3. 机构合作网络分析
Table 2. Top 8 institutions in terms of the number of papers published in Chinese and English
表2. 中英文文献发文量排名前8的机构
序号 |
中文文献机构 |
发文量/篇 |
最早年份 |
序号 |
英文文献机构 |
发文量/篇 |
最早年份 |
1 |
广州中医药大学 |
19 |
2009 |
1 |
Chinese Academy of Sciences |
17 |
2006 |
2 |
南京中医药大学 |
6 |
2010 |
2 |
China Academy of Chinese Medical Sciences |
13 |
2016 |
3 |
成都中医药大学 |
5 |
2007 |
3 |
Institute of Chinese Materia Medica |
7 |
2016 |
4 |
山东中医药大学 |
5 |
2010 |
4 |
Jinan University |
4 |
2019 |
5 |
北京中医药大学 |
4 |
2012 |
5 |
Shanghai University of Traditional Chinese Medicine |
3 |
2018 |
6 |
中国中医科学院 |
2 |
2009 |
6 |
Chinese Academy of Medicine |
2 |
2017 |
7 |
长春中医药大学 |
2 |
2021 |
7 |
China Agricultural University |
2 |
2012 |
8 |
湖北中医药大学 |
2 |
2021 |
8 |
Chinese Academy of Agriculture |
2 |
2012 |
中文的74篇文献共涉及37家研究机构，英文的187篇文献共涉及167家研究机构，利用CiteSpace软件绘制的机构合作网络分析图见图4，中文文献机构合作网络密度Density值为0.024，英文文献机构合作网络密度Density值为0.0127，提示英文文献机构的合作比中文文献的密切，图中可以看出中英文文献机构均形成了一个较大的合作群，并且能看到跨省交流与跨国合作，表明对于中药治疗脑卒中的研究具有一定的开放性和重视度。表2是发文量排名前8的发表中英文文献机构的统计，从机构名称上看，发表中英文文献数量居于高位的机构属性单一，可以总结为各省中医药大学或者医科大学及其附属医院之间开展的研究合作。
Figure 4. Institutional cooperation network of Chinese (A) and English (B) literature authors
图4. 中文(A)和英文(B)文献作者机构合作网络
3.4. 国家合作网络分析
本研究也进行了涉及中药治疗脑卒中的英文文献的国家合作网络的分析，由图5可知，英文文献国家合作网络密度Density值为0.626，表明国家之间的交流合作十分密切。表3展示了英文文献发文量前5的国家，中国的发文量处于最高位置，共计发表了111篇，表明中国对于寄生虫相关研究的重视程度较高，研究的高度在国际也处于领先地位。发文量排名前5的国家里有欧美国家也发布有相当数量的文章，显示对于中药治疗寄生虫相关疾病在二十一世纪初引起了欧美国家的重视。
Figure 5. Diagram of the national cooperation network in English literature
图5. 英文文献国家合作网络图
Table 3. Top 5 countries with the largest number of publications in English
表3. 英文文献发文量前5的国家
序号 |
国家 |
发文量/篇 |
最早年份 |
1 |
中国 |
111 |
2006 |
2 |
德国 |
18 |
2004 |
3 |
美国 |
12 |
2005 |
4 |
印度 |
12 |
2008 |
5 |
英国 |
10 |
2006 |
3.5. 关键词分析
CiteSpace可以通过分析文献中的关键词共现情况，揭示研究领域的热点和趋势，反映出研究领域的发展方向和研究重点。突现词分析用于识别在特定时间段内突然变得热门的关键词或主题，这些突现词通常代表新出现的研究热点或快速增长领域的关键词。通过聚类分析，CiteSpace可以将类似主题或关键词的文献聚集在一起，形成不同的研究簇，揭示研究领域内部的不同主题或子域。时间线图分析展示研究领域的发展历程，可以查看不同主题或关键词随时间的演变情况，揭示研究领域的演化趋势。
3.5.1. 共现网络分析
通过CiteSpace软件进行关键词的分析，中文和英文文献中分别包含74和122个关键词，出现频次排名前10的关键词见表4。除去检索词，对中文文献关键词进行分析，出现频数较高的关键词包括青蒿素(9次)、疟疾(7次)、数据挖掘(6次)、文献研究(4次)等，说明青蒿素是中药治疗寄生虫五虫病的重要药物，疟疾是被关注的疾病之一，对于中药治疗寄生虫五虫病的数据与文献研究也比较多。对英文关键词进行分析，in vitro (体外)、traditional Chinese medicine (中国传统医学)、malaria (疟疾)、plasmodium falciparum (疟原虫)等关于机制研究的关键词的出现频次较高，表明英文文献中对于中药治疗寄生虫的研究热点集中在疟疾、疟原虫领域和中医体外疗法范畴。从图6可以看出青蒿素、暗罗素对于治疗疟疾的重要作用，暗示以后可以从相关领域进行进一步研究和数据挖掘。
Table 4. Top 10 keywords with the highest frequency in Chinese and English literature
表4. 中英文文献出现频数排名前10的关键词
序号 |
中文关键词 |
频数 |
最早年份 |
序号 |
英文关键词 |
频数 |
最早年份 |
1 |
青蒿素 |
9 |
2007 |
1 |
in vitro |
37 |
2007 |
2 |
疟疾 |
7 |
2009 |
2 |
traditional Chinese medicine |
35 |
2005 |
3 |
数据挖掘 |
6 |
2012 |
3 |
malaria |
16 |
2006 |
4 |
文献研究 |
4 |
2010 |
4 |
plasmodium falciparum |
12 |
2004 |
5 |
全民服药 |
4 |
2016 |
5 |
apoptosis |
11 |
2011 |
6 |
暗罗素 |
3 |
2017 |
6 |
artemisia annua |
11 |
2004 |
7 |
中医药 |
3 |
2013 |
7 |
antimalarial drug |
10 |
2008 |
8 |
五运六气 |
2 |
2021 |
8 |
artesunate |
10 |
2005 |
9 |
学术思想 |
2 |
2022 |
9 |
nf kappa b |
10 |
2008 |
10 |
屠呦呦 |
2 |
2012 |
10 |
artemisinin |
10 |
2009 |
Figure 6. Chinese (A) and English (B) keyword co-occurrence network diagram
图6. 中文(A)和英文(B)关键词共现网络图
3.5.2. 突现性分析
突现关键词，又称爆发关键词，指在某一时间段受到广泛关注的主题，突现词可以用于预测未来研究的发展动态。通过分析中英文文献的突现词(图7)发现中药治疗寄生虫五虫病在不同时期有不同的研究热点，2011~2018年间的中文突现词屠呦呦、中医药、青蒿素、疟疾等表明屠呦呦携青蒿素获得诺贝尔生理学或医学奖引起了对中医药治疗寄生虫疾病研究的热潮。而距离现在较近的关键词包括全民服药、用药规律、add on therapy (附加疗法)等，这说明了最近研究热点在于宏观层面的调控方法。英文突现词中突现强度较高的包括2011~2018年间的抗疟活性和2021~2025年间的辅助治疗。其中，抗疟活性是指抑制疟原虫的生长、繁殖或传播，从而预防或治疗疟疾感染的药物性质，辅助治疗是在整个治疗过程中的补充性方法，核心在于协同主治疗发挥作用。两者表明国外在研究寄生虫领域主要集中在抗疟活性及优化治疗方案方面。
Figure 7. Keywords highlighted analysis in Chinese (A) and English (B) literature
图7. 中文(A)和英文(B)文献关键词突现分析
3.5.3. 聚类分析
聚类系数Q和平均轮廓值S是聚类分析的2个重要参数，Q > 0.3且S > 0.6可用于说明网络聚类的合理性。图8可视化了中、英文文献的排名前7的聚类，中文文献网络聚类系数Q为0.8759，S为0.9197，英文文献网络聚类系数Q为0.8817，S为0.9336，表明网络聚类的划分具有显著性。聚类分析的具体信息见表5和表6，中文聚类中包含节点数最多的聚类为青蒿素，英文聚类中包含节点数最多的聚类为uncomplicated falciparum malaria (非复杂性恶性疟疾)，其下面也包含了坦桑尼亚等关键词，说明使用中药治疗寄生虫在坦桑尼亚等国家有较大研究前景。分析各聚类下的具体关键词能够看到具体的单药、中药化学成分等，说明对于中药治疗寄生虫五虫病的研究较为广泛，而距离现在较近的聚类标签chinese herbal medicine (中草药)说明了对中药治疗寄生虫研究热度的提高。
Figure 8. Clustering network of keywords in Chinese (A) and English (B) literature
图8. 中文(A)和英文(B)文献关键词的聚类网络
Table 5. Clustering summary of the Chinese keyword network
表5. 中文关键词网络的聚类汇总
聚类ID |
节点数 |
轮廓值 |
中间年份 |
聚类标签 |
主要关键词 |
#0 |
16 |
0.978 |
2014 |
青蒿素 |
屠呦呦、坦桑尼亚、艾滋病、非洲 |
#1 |
15 |
0.886 |
2016 |
坦桑尼亚 |
青蒿素、艾滋病、屠呦呦、艾滋病病毒 |
Table 6. Clustering summary of English keyword network
表6. 英文关键词网络的聚类汇总
聚类ID |
节点数 |
轮廓值 |
中间年份 |
聚类标签 |
主要关键词 |
#0 |
30 |
0.853 |
2011 |
uncomplicated falciparum malaria |
nf kappa b, pharmacology, biological activity |
#1 |
30 |
0.903 |
2015 |
adjuvant chemotherapy |
anti-fungal, solanaceae, artemisial |
#2 |
25 |
0.968 |
2015 |
network pharmacology |
uhplc-q-tof-ms, herbal medicine, antimalarial |
#3 |
22 |
0.976 |
2019 |
cytotoxicity |
nf kappa b, alstoniar, br |
#4 |
20 |
0.894 |
2014 |
risk assessment |
artemisia annual, neurodegeneration, antiparasitic drug |
#5 |
19 |
0.932 |
2014 |
mechanism of action |
tropical/subtropical diseases, models, autoimmunity |
#6 |
17 |
0.811 |
2022 |
Chinese herbal medicine |
elemene, nortangeretin-8-o-beta-d-glucuronopyranoside, chronic liver injury |
#7 |
17 |
0.911 |
2011 |
artemisia annua |
prevention, qinghao, treatment |
#8 |
13 |
0.991 |
2011 |
ayurvedic drugs |
antimalarial activity, liver fibrosis, nyctanthes arbortristis Linn |
#9 |
12 |
0.986 |
2011 |
apoptosis |
temozolomide, cell growth, methylguanine |
#10 |
11 |
0.993 |
2011 |
parthenolide |
thyroid cancer, qinghaosu, metabolic imbalance |
3.5.4. 时间线图分析
Figure 9. Timeline of keywords in Chinese (A) and English (B) literature
图9. 中文(A)和英文(B)文献关键词时间线图
时间线图是CiteSpace的主要视图之一，可将文献关键词聚类在二维时间轴上平铺展开，展现出主题聚类的演变过程和热点趋势。对中药治疗脑卒中的关键词进行时间线图的分析，能清晰展示该研究的演化进程。时间线图的纵轴为聚类的编号，横轴为发表文献的年份。通过分析关键词时间线图(图9)可以发现，每种聚类的持续时间均比较长，在不同的时间有不同的研究内容。通过对整体进行分析，可以发现中文文献更集中于探究青蒿素治疗疟疾的药理及临床作用，而英文文献则更加关注其作用的机制。
4. 讨论
本研究基于CiteSpace软件对1995~2025年间中英文文献进行了系统的文献计量与可视化分析[11] [10]，初步揭示了中医药在寄生虫五虫病(疟疾、血吸虫病、丝虫病、钩虫病、黑热病)研究领域的发展脉络、研究热点及合作态势。结果显示，该领域的研究总体上呈现稳步增长趋势，尤其在疟疾防治方面，以青蒿素为代表的中药研究成果显著，体现了中医药在寄生虫病防治中的独特价值与应用潜力[12]。
从研究力量分布来看，国内中医药大学及附属机构构成了该领域的主要研究阵营，如广州中医药大学、北京中医药大学等在中文文献中占据主导地位，而国际方面则以德国美因茨大学Thomas Efferth团队为代表，显示出一定的国际合作基础[13] [14]。然而，作者与机构合作网络密度普遍偏低，提示当前研究仍存在“团队内紧、团队外松”的现象，跨机构、跨地域的合作仍有待加强。未来应鼓励建立更为开放、协同的研究网络，促进知识共享与资源整合，推动研究向纵深发展。关键词共现与突现分析进一步表明，青蒿素、疟疾、体外实验、附加疗法等是近年来研究的热点方向。中文文献更侧重于临床疗效与用药规律的总结，如“数据挖掘”“用药规律”等关键词的突现，体现了中医药研究注重经验传承与临床实践的特点[15]；而英文文献则更多聚焦于药物作用机制与体外药效评价，如“anti-malarial activity”“adjunct therapy”等，显示出国际研究对中医药现代化与机制阐释的重视。这一差异提示我们，在推动中医药国际化进程中，应注重将传统经验与现代科技手段相结合，加强药理、毒理及临床试验的规范化研究，提升研究成果的国际认可度[16]。此外，聚类分析中“非复杂性恶性疟疾”“中草药”等聚类标签的出现，反映出研究主题逐渐从单一疾病向复杂病症及综合疗法扩展，尤其是中医药在非洲疟疾流行区的应用前景值得进一步关注。近年来“全民服药”“附加疗法”等突现词的出现，也提示寄生虫病的防治策略正从个体治疗向群体防控与综合干预转变，中医药在协同现代防治方案中具有广阔的应用空间[17]。
尽管本研究初步勾勒出中医药在寄生虫五虫病研究领域的知识结构与演进路径，但仍存在一定局限性，如文献来源主要局限于WOS和CNKI，未覆盖更多语种或区域性数据库；关键词提取受限于文献标引质量，部分研究方向可能未被充分体现。未来可结合更多元的数据来源与研究手段，进一步拓展研究的广度与深度。