杨鑫鑫，郭清，王晓迪，司建平，4，项锲，龙鑫

随着“健康中国”战略的深入推进，我国的医疗卫生服务正在从原来的“以疾病为中心”转向“以人民健康为中心”，贯彻落实“预防为主”的思想方针，为应对人口老龄化做出了积极的准备。伴随人口老龄化的加剧，最迫切的问题是心脑血管疾病、肿瘤、慢性呼吸系统疾病和糖尿病等慢性疾病的威胁[1]。据《中国居民营养与慢性病状况报告（2020 年）》[2]，2019年我国居民因慢性疾病导致的死亡人数占总死亡人数的88.5%，因慢性疾病导致的过早死亡率为16.5%，虽然与2015年的18.5%相比下降了2个百分点，但是随着慢性疾病患病人数的不断增加和患者生存期的不断延长，国家需供给慢性疾病患者的医疗资源和社会个人需要负担的医疗费用持续增加。2018年国务院办公厅发布《国务院办公厅关于促进“互联网+医疗健康”发展的意见》，提出“互联网+公共卫生服务”这一创新举措，以高血压、糖尿病等慢性疾病为重点，鼓励通过可穿戴设备获取生命体征数据，为老年人、孕产妇等特殊人群提供健康管理服务[3]。近年来，可穿戴设备作为健康信息采集的重要端口，在医疗健康领域的应用价值逐步体现[4]，受到广大学者的关注并取得大量学术成果。魏奕星等[5]通过对可穿戴设备在健康监测、疾病管理、康复和中医药四个医疗健康领域的应用研究进行总结，提出未来可穿戴设备可通过云端医疗健康大数据的深度分析发挥其应用潜能。许潇莹等[6]介绍了可穿戴设备在神经系统康复、骨科康复和慢性老年退行性疾病康复等医疗康复领域的应用，认为利用可穿戴设备可实现远程康复，家庭康复和社区康复的医疗康复模式安全可行。TAN等[7]针对心血管疾病会增加新型冠状病毒感染（COVID-19）患者死亡率的问题，提出基于可穿戴设备的实时心血管监测系统可以自动预测COVID-19患者的心血管健康结局，其预测准确率高达99.29%。可穿戴设备在慢性疾病的预防、预测和干预等健康管理领域已显示出较强的应用潜力，而聚焦于健康管理领域的研究较少。鉴于此，本文通过CiteSpace工具，全面梳理和分析可穿戴设备在健康管理领域的研究热点、前沿和趋势情况，旨在为未来的研究方向提供参考。

1 资料与方法

1.1 文献来源与检索策略 为探究可穿戴设备在健康管理领域的研究现状，本文选择中国知网（CNKI）数据库作为数据来源，以“可穿戴”作为主题关键词，时间跨度设置为2011年—2021年，检索时间为2022-06-22，在“医药卫生科技”领域共检索到中文文献1632篇，人工剔除报纸、会议信息、投稿指南、简介等非研究型文献和与主题不相关的文献，最终确定与健康管理相关的文献共519篇。

1.2 研究方法 根据CNKI数据库中每年刊载的以“可穿戴”为主题的文章数量，通过频数统计分析2011—2021年可穿戴设备在健康管理领域的发文趋势。利用CNKI数据库自带的“计量可视化”分析工具进行统计，以Excel表格绘制2011—2021年可穿戴设备在健康管理领域研究的学科、期刊、作者和机构分布图。利用CiteSpace 5.8.R3软件对文献关键词进行可视化分析，通过绘制关键词共现图谱、关键词突现图谱和关键词时间线图谱，分析可穿戴设备在健康管理领域的研究热点、研究前沿和研究趋势。

2 结果

2.1 可穿戴设备在健康管理领域的发文量趋势分析总体来看，2011—2021年可穿戴设备在健康管理领域的发文量呈上升趋势（图1），其中有2个关键的转折点，分别是2013年和2017年。2013年之前少有相关研究，2013年（3篇）至2015年（62篇）的发文量进入爆发式高速增长阶段，随后缓慢增长至2017年（76篇），而在2017年之后出现下降趋势，2018年（53篇）后又继续稳步增长，到2021年达到最高发文量（85篇）。

图1 2011—2021年可穿戴设备在健康管理领域的发文量趋势Figure 1 The trend of studies on wearable devices in health management in China published from 2011 to 2021

2.2 可穿戴设备在健康管理领域研究的空间分布情况分析

2.2.1 可穿戴设备在健康管理领域研究的学科和期刊分布 可穿戴设备在健康管理领域的研究涉及生物医学、信息科学、计算机硬件和软件技术等多门学科，其中主要学科分布如图2所示。发文量排名前3位的学科是“医学教育与医学边缘学科”（172篇）、“医药卫生方针政策与法律法规研究”（123篇）和“生物医学工程”（109篇），总和约占全部学科发文量的78%。从期刊的分布来看，各期刊的发文数量呈阶梯式均匀分布，其主要分布期刊如图3所示，大致分为4个梯队，第一梯队：医学信息学杂志（14篇）、中国数字医学（12篇）；第二梯队：智慧健康（9篇）、华中科技大学学报（医学版）（9篇）等；第三梯队：上海交通大学学报（医学版）（6篇）、中国医院院长（6篇）等；第四梯队：中国信息化（5篇）、中华健康管理学杂志（5篇）和医疗卫生装备（5篇）等。

图3 2011—2021年可穿戴设备在健康管理领域研究发文量排名前14的期刊Figure 3 Top 14 journals publishing studies on wearable devices in health management in China from 2011 to 2021

2.2.2 可穿戴设备在健康管理领域研究的作者和机构分布 可穿戴设备在健康管理领域发文量排名前10的作者见表1。国内该领域的主要研究人员为中国人民解放军总医院的张政波教授、上海中医药大学的罗晓兰副教授以及中国医学科学院医学信息研究所的何晓琳研究员等（表1）。近10年国内相关领域研究发文量前14的科研机构所占比例如图4所示，其中华中科技大学发文量排名第一，发文总量为14篇，占总发文量的18%，其次分别是上海交通大学（13%）、东南大学（13%）和重庆医科大学（10%）等。

表1 2011—2021年可穿戴设备在健康管理领域研究发文量排名前10的作者Table 1 Top 10 authors publishing the most studies on wearable devices in health management in China from 2011 to 2021

图4 2011—2021年可穿戴设备在健康管理领域研究发文量排名前14的机构Figure 4 Top 14 institutions publishing the most studies on wearable devices in health management in China from 2011 to 2021

2.3 可穿戴设备在健康管理领域研究的研究热点与演化趋势

2.3.1 关键词共现图谱 关键词是文章核心内容的体现，通过关键词的词频分析可以探知某一领域的研究热点。共词分析法利用文献集中词汇对或名词短语共同出现的情况，来确定该文献集所代表学科中各主题之间的关系。利用CiteSpace软件绘制关键词共现图谱（图5）。图中每一圆圈代表一个关键词，圆圈的大小代表关键词出现频次的高低，圆圈间的连线代表不同关键词的共现关系，连线的粗细代表共现强度[8]。依据关键词共现图谱及关键词词频统计分析结果，按照词频由高到低的顺序排在前20位的关键词依次是：可穿戴、移动医疗、健康管理、物联网、传感器、智慧医疗、大数据、人工智能、远程医疗、互联网、互联网+、糖尿病、心律失常、健康教育、健康监护、智能医疗、云计算、5G、监测系统、老年人。其中中介中心性排名前5位的关键词依次是（除“可穿戴”之外）：移动医疗、健康管理、传感器、物联网和智慧医疗，提示以上关键词与其他关键词的共现频次较高。

图5 可穿戴设备在健康管理领域相关文献的关键词共现图谱Figure 5 Keywords co-occurrence map of literature on wearable devices in health management in China published from 2011 to 2021

2.3.2 关键词突现图谱 关键词突现是指在特定时期内，某研究领域中对某一主题关注程度的突变情况，用来显示某一阶段突然出现或频率突增的关键词，可以帮助分析该研究领域的前沿问题。利用CiteSpace软件的关键词突现功能，得到2011—2021年可穿戴设备在健康管理领域研究的突现关键词以及每个突现词出现和消失的年份，前8个最强突现关键词依次为：移动医疗、心电监测、互联网、智慧医疗、人工智能、老年人、糖尿病和心律失常（图6）。

图6 可穿戴设备在健康管理领域相关文献前8个最强突现关键词Figure 6 Top 8 keywords with the strongest citation bursts in literature on wearable devices in health management in China published during 2011 to 2021

2.3.3 关键词时间线图谱 为进一步探究可穿戴设备在健康管理领域研究热点的变迁脉络和演进趋势，利用CiteSpace软件对近十年的研究热点分布做进一步的时间线图谱分析，得到网络结构和聚类的清晰度指标：Modularity Q=0.8395，Mean Silhouette S=0.9348，即图谱绘制效果显著。由图7可知，可穿戴设备在健康管理领域的研究可以划分为四个阶段：第一阶段，萌芽期（2011—2012年），聚类节点是“#1可穿戴”；第二阶段，爆发期（2013—2017年），聚类节点包括：#0移动医疗、#2传感器、#4大数据、#5健康管理等；第三阶段，冷静期（2018年），该阶段无显著聚类节点，一般节点数量也相对较小；第四阶段，平稳期（2019—2021年），无显著聚类节点，一般节点包括5G、监测系统、慢性疾病和信息安全等（图7）。

图7 可穿戴设备在健康管理领域相关文献关键词时间线图谱Figure 7 Timeline view of keywords in literature on wearable devices in health management in China published from 2011 to 2021

3 讨论

本文通过回顾CNKI数据库中近十年的可穿戴设备在健康管理领域发表的519篇文献，发现可穿戴设备在健康管理领域中的研究热度随时间的变化呈上升趋势。关键词共现分析结果显示，可穿戴设备相关研究共涉及3类热点主题：在应用领域方面，可穿戴设备主要应用于移动医疗/健康、健康管理和智慧医疗等领域；在相关技术方面，可穿戴设备主要依托物联网、传感器、5G、大数据、云计算和人工智能等技术；在应用场景方面，可穿戴设备主要应用于以老年人为代表人群的健康监测和糖尿病等慢性疾病的管理[9]，由此可见技术进步和健康需求是推动可穿戴设备研究的重要支撑。

关键词突现图谱显示，在不同的时间阶段，可穿戴设备的相关研究呈现出不同的前沿问题。在2014—2016年，“移动医疗”和“心电监测”出现频率突增，成为可穿戴设备在健康领域的研究热点。可穿戴设备最早主要应用于移动医疗领域，其核心功能是对心率、血压、血糖等生理信息的远程监测[10]。早在2012年，国家工信部发布的《物联网“十二五”规划》中，将移动医疗列为九大重点工作之一[11]。在2014年，随着4G通信技术的成熟以及资本市场的进入，基于可穿戴设备的移动医疗步入飞速增长期[12]。在2016—2017年，“互联网”成为可穿戴设备在健康管理领域研究的高频关键词。此阶段进入“十三五”时期，随着《“十三五”卫生与健康规划》（国发﹝2016﹞77号）的落地，医疗健康服务模式不断创新。在健康管理领域，居民通过智能手机、平板电脑、可穿戴设备或相关应用，建立物联网数据采集平台、健康管理干预辅助平台，对健康、亚健康人群进行危险因素干预。在“互联网+”和可穿戴设备的助力之下，我国正大踏步地迈向个性化、精准化健康管理时代[13]。2019年起，“智慧医疗”和“人工智能”成为可穿戴健康设备的热点关键词。随着5G正式商用的到来，以及大数据、人工智能、物联网、区块链等前沿技术的不断成熟，使得可穿戴设备能够对居民的生命体征进行实时、连续和长时间的监测，并提供及时、个性化的干预方案，从而实现全人群全周期全方位的健康管理[14]。智慧医疗的建设标志着我国的社会医疗健康服务事业的发展进入了新阶段[15]。到2020年，“老年人”“糖尿病”和“心律失常”成为高频关键词，这表明可穿戴设备在以老年人群为代表的庞大用户群体上受到学者的广泛关注，可能的原因包括：我国老年人口众多、老年人群多伴有慢性疾病的高发以及因认知能力较弱导致的智能设备使用困难。在应用场景方面，可穿戴设备在健康管理领域的研究前沿主要为高血压、糖尿病等慢性疾病的管理[16]。另外，在健康监测方面，当前的研究不仅仅只关注对生命体征数据的收集，更多的是对心率、血压和血糖等指标异常状态的预警预测[17]，以便及时做出反馈和干预。

根据关键词时间线图谱结果，可穿戴设备在健康管理领域研究热点的变迁脉络和演进趋势可划分为四个阶段。第一阶段（2011—2012年）：可穿戴设备最早在2011年应用于血压的连续、动态监测。这个阶段由于传感器、移动通信、电池和芯片等技术的限制，数据采集的类型较为单一，也无法做到数据的实时传输与反馈。第二阶段（2013—2017年）：2013年进入以三星智能手表的发布为典型事件的“可穿戴设备元年”，此后的4年里可穿戴设备在健康领域呈现出井喷式发展。在这一阶段，由于大数据、互联网、物联网、半导体和传感器等技术的日益成熟，可穿戴设备在健康管理领域的应用潜力逐步显现，受到了广大学者和资本市场的关注。第三阶段（2018年）：可穿戴设备由于可靠性、安全性和成本效益等问题，在健康管理领域的研究也进入冷静期。第四阶段（2019—2021年）：2019年，5G技术以其低时延、高带宽等特点，逐步解决了信息实时传输问题[18]，并开始构建健康监测、健康风险评估、健康干预和促进的完整健康管理系统，针对慢性疾病（如糖尿病、脑卒中等）的中老年患者进行的实时监控、及时预警和精准干预逐渐成为可穿戴设备在健康管理领域的研究趋势。另外，从居民健康服务需求出发，解决居民顾虑的隐私安全等伦理问题开始受到重视[19-20]。

随着5G、大数据、云计算和人工智能等前沿技术的整合运用，可穿戴设备在疾病的预防、预测以及干预等方面将进一步发挥重要作用。国外学者对可穿戴设备在健康管理领域的应用同样持乐观态度，研究的关键问题在于如何从大量数据中获取有用的健康相关信息，以便提供基于证据的健康见解和干预措施[21-22]。例如LLOERT[23]提出基于5G通信技术的智能连续数字健康监测架构，通过可穿戴设备和智能手机采集心率、血氧饱和度、血压、呼吸频率、身体活动情况、位置以及温度等信息，系统会将异常数据发送给医生加以验证并向患者发送警报。该架构还可以通过基于大数据的人工智能系统进行疾病预测，经过机器学习试验验证，该架构对6名心肌病患者的预测成功率达87%。CHEN等[24]提出的5G-智能糖尿病系统，通过智能手机和可穿戴设备收集温度、心电图、血氧饱和度、血糖、饮食信息和运动信息，同时将用户住院时的健康数据整合至大数据云中，利用现代机器学习、深度学习和认知计算的智能模型来分析和预测疾病，并提供饮食、运动和服药等方面的干预计划。另外，该系统包含的5G-智能糖尿病数据共享机制可以将患者的健康数据分享给亲属、朋友、私人健康顾问和医生，从而通过有效监督糖尿病患者，促进患者的积极性，使其获得持续的健康管理服务。

未来，可穿戴设备在“三早”（早筛查、早评估、早干预）健康管理系统的构建中将进一步发挥其应用潜能，并作为基础服务的智能设备，为健康管理的创新发展提供重要支撑[25]。可穿戴设备虽然在近些年发展迅速，但其广泛应用还需要进一步的研究，关于如何提高其特异度和灵敏度、如何建立统一的数据分类和评估体系、如何设计隐私保护机制、如何规范行业标准等问题[26-27]，均是在健康管理领域深化应用前需要解决的问题。

本研究局限性：只对CNKI数据库进行检索，没有纳入国内其他数据库的相关文献，这可能导致可视化分析结果存在一定偏差；另外，本研究只对我国可穿戴设备在健康管理领域的研究现状进行了综述，没有深入开展与国外的对比研究，这是今后进一步研究需要改进的地方。

作者贡献：杨鑫鑫进行全文的构思与设计，文献的检索、收集和整理，结果的分析与解释，并撰写论文；郭清、王晓迪进行全文的修订，对研究过程的规划和执行进行监督和领导；司建平、项锲、龙鑫提供可视化分析的方法并进行结果展示；杨鑫鑫和郭清对文章整体负责。

本文无利益冲突。