国际移动医疗研究的可视化协作特征和话题爆发:文献计量学分析

简介

背景

随着世界范围内经济和社会的不断发展，传统的卫生保健服务体系越来越不能满足人类提供高效卫生保健服务的需求。应该指出，在提供高质量、可获得和及时的卫生服务方面存在许多限制和障碍，特别是在资源匮乏的环境中[1-3.］．在这种情况下，移动技术已被引入医疗保健服务提供，随后出现了移动医疗(mHealth)，通过移动通信技术提供支持，改变了这种情况[4］．

移动医疗是一个总括性术语，涵盖了医疗保健领域的网络、移动计算、医疗传感器和其他通信技术[5］．文献中第一次出现"移动医疗"一词是在2000年出版的关于无线远程医疗系统的特刊"无线电子医疗" [6］．世界卫生组织全球电子卫生观察站将移动卫生定义为“由移动设备支持的医疗和公共卫生实践，如移动电话、患者监护设备、个人数字助理(pda)和其他无线设备。移动健康涉及对移动电话语音和短消息服务(SMS)这一核心用途的使用和资本化，以及更复杂的功能" [7］．显然，移动医疗技术可以促进所有人更容易获得和负担得起的医疗保健;在过去的几年里，它呈现出前所未有的优势[8］．随后引起了学者的高度重视，近年来发展迅速，成为医疗保健领域的热门话题。

鉴于移动健康的重要性，近年来一些科研人员着重回顾了相关文献，以确定移动健康研究的特点和现状。然而，这些工作大多只考虑了移动医疗的特定子领域，结论来自描述性分析和系统回顾。例如，一些评论集中在移动健康应用上。9，10]与最常见的疾病(如头痛疾患[11]、心力衰竭[12]、爱滋病[13])，以及改善健康的短讯服务[14-16］．其他综述集中于移动医疗技术的分析[17]和移动设备，以评估身体活动[18］．此外，一些学者利用同行评审期刊、网站和关键报告总结了从移动健康试验和研究中吸取的教训[19］．然而，回顾以往相关文献，研究存在一定局限性。很少有论文关注移动健康研究的文献计量学视角，这是指定量分析科学文献数据的方法，以获得与相关研究相关的元信息的知识[20.，21];一般建议综合使用提供科学成果不同方面信息的方法[22］．此外，关于协作状态和整体话题爆发的讨论仍然相对较少。

目标

因此，本研究的目的是通过对全球移动医疗领域进行全面的探索和分析，使用定量分析来解决这些局限性。通过这种方法，可以发现和提出主要问题。也就是说，移动健康研究的外部特征是什么，比如发表文献和期刊分布的增长?在作者、机构和国家层面上，该领域学者之间的合作现状和国际移动健康研究的趋势是什么?基于高频高爆发关键词集的术语爆发的演化过程是怎样的?研究课题爆发是什么?这些问题的答案不仅将补充之前已完成的研究工作，而且还将有助于国际移动医疗的进一步研究。

方法

数据收集

在这项研究中，我们确定了在汤森路透科学核心数据库Web of Science Core Collection (WoSCC)数据库中编入索引的出版物，即科学引文索引扩展、社会科学引文索引和新兴来源引文索引。由于WoSCC包含了大多数高质量的文献，并且不断更新和动态，因此被认为是本研究中最适合进行文献计量学分析的[23］．

为了尽可能全面地检索与移动健康相关的出版物，我们在上述定义和对移动健康的回顾的基础上制定了以下搜索策略(有关所采用的搜索策略的进一步详细信息，请参见多媒体附件1): #1移动健康，#2移动健康应用程序，#3 TS=(“移动技术*”或“移动设备*”)和“健康*”)，#4 TI=(“移动电话*”或“平板电脑*”或“个人数字助理*”)和“健康*”)，#5 TI=(“移动单元*”或TI=“移动健康单元*”)，#6(#1或#2或#3或#4)不是#5。此外，“文件类型”仅限于纸张。发表时间跨度为1985年至2016年。

基于上述搜索策略和限制，在2016年12月28日共识别并下载了2902条文献记录。为完善本研究，由2名研究人员独立审阅和评估500份试点书目记录后，制定主要纳入和排除标准。纳入标准如下:(1)论文内容主要集中在移动医疗，(2)所有研究设计。排除标准如下:(1)与书评和通知相关的记录，而不是普通的论文;(2)研究内容集中于动物流动卫生(如:牛[24)，而不是专注于以人为本的移动医疗;(3)研究主要集中在流动单位(如流动医疗设施[25])，而不是将信息和通信技术(ICT)与卫生保健服务整合。在此过程中，我们参照研究目标，对这些记录中的出版物的标题、摘要和关键词进行筛选。任何分歧都要讨论，直到达成一致意见。然后，1名研究人员使用上述选择标准筛选剩余的记录。最后，总共198条不相关的记录被手动删除。我们总共获得了1997 - 2016年发表的2704篇文献记录，用于后续文献计量学分析，以揭示国际mHealth领域的合作特征和研究课题爆发。移动健康研究文献记录的整个选择过程显示在图1．

数据分析方法设计

与其他文献计量学研究类似[26]，本研究采用了多种分析指标。一般来说，文献计量学分析可用于描述和预测某一领域某一课题的研究趋势和发展方向[27］．在这项研究中，我们使用文献项目共现挖掘系统(BICOMS)分析了文献分布，包括mHealth文献的增长和期刊分布[28]和MS Excel 2010。此外，还确定了核心期刊，这通常是指引用次数较高的最重要的期刊。即这些核心期刊在较高的学术水平上更频繁地发表论文，这些论文反映了该学科的最新研究成果、前沿研究现状和发展趋势;他们通常受到同一研究领域的科学研究人员的更多关注。

本研究将论文发表总量作为研究生产力数量的指标，而将被引频次作为研究生产力质量的指标。因此，本研究计算了total local citation score (TLCS)和total global citation score (TGCS)。TLCS是指一个集合中包含的一组论文被同一集合中的其他论文引用的次数，而TGCS是指一个集合中包含的一组论文在WoSCC中被引用的次数[29］．全球平均引文评分(AGCS)是TGCS的平均值，它也表示移动健康领域论文收到的平均引用数。类似地，平均本地引用分数(ALCS)是TLCS的平均值，它表示文集中论文收到的平均引用数。总的来说，TLCS和TGCS一直是我们样本中能够评估每篇研究论文相关性的关键指标[30.］．很明显，TLCS和TGCS可以帮助我们确定这个主题上最重要的工作。但是需要注意的是，TLCS展示的是所选研究领域的重要论文，而TGCS主要展示的是与所选研究领域相关的论文对WoSCC论文的影响。

基于上述指标，分析可视化工具HistCite [31]，用来分析作者、机构和国家的研究生产力。一般来说，国家合作、机构合作和作者合作是科学合作的三种主要形式。合著是国家合作和机构合作的基础[32］．

‎ 查看此图

合作论文发表率定义为合作论文占论文总数的比例，而作者合作程度是指一定时期内每篇论文的平均作者数量;这两个指标在某种程度上反映了合作研究的趋势[33］．

CiteSpaceⅡ[34]用于直接可视化3种协作关系。CiteSpace生成的可视化地图由节点和链接组成。节点显示为紫色圆圈;节点通常表示作者、机构、国家等，而链接表示这些节点之间的共存或共现。根据陈的定义[35]，节点的被引度和中心性越高，该节点在协同图中的影响就越大。通过研究这些集群和它们之间的关系，可以得到有价值的信息。最后，针对研究热点的分析，完成了以下4个阶段。

首先，我们计算了每个关键字的频率，并使用BICOMS创建了一个coword矩阵。当我们考虑关键词之间的等价关系时，我们从出版物中识别出5543个关键词，并根据以下3个原则进行合并，以获得更精确的结果:(1)使用PubMed将部分作为词条的关键词合并为相应的Medical Subject术语(如“mobile phone”、“cellular phones”和“cellular phone”合并为“cell phones”);(2)将完整的关键字替换为其首字母缩略词(例如，“个人数字助理”替换为“PDA”);(3)关键词单复数合并(如将“移动技术”和“移动通信”分别改为“移动技术”和“移动通信”)。然后选取频率不小于10个的139个关键词，生成139 × 139个共现矩阵。需要注意的是，对角单元格中的数据作为缺失数据处理，非对角单元格的值为共现频率[36］．

其次，对清洗后的书目记录进行突发检测，绘制关键词的时间柱状图;Kleinberg突发检测算法[37]，它可以识别单词使用频率随时间的突然增加或“爆发”，在检测关键字流行度的爆发方面非常有效。我们采用科学的科学(Sci2) [38]，可以实现这样的算法，检测清洗后的书目记录中的爆发项，计算描述爆发强度的爆发强度，即触发爆发的词频变化有多大。共生成爆发强度不小于1的关键词228个。但这些关键词仅代表了成为核心关键词的可能性，还需要进一步选择，根据在一定程度上反映关注程度的关键词频率进行选择。关键词频率越高，就越有可能成为未来的热门话题。我们进一步计算高频(频率≥10)关键字集与高爆发(爆发强度≥1)关键字集的交集[39]，以减少低频关键词造成的干扰。结果得到71个关键字。接下来，使用Sci2绘制频率不小于10、爆发强度不小于2的27个关键词的时间可视化图。每个行记录都表示为具有特定开始和结束日期的水平条，在时间柱状图可视化中，其左侧有相应的关键字标签。每个条的面积编码一个数值的爆发强度。

第三，基于71 × 71共现矩阵进行分层聚类分析。首先，我们从139 × 139共现矩阵中删除与71个关键字中的任何一个不对应的任何行或列。最后，形成71×71共现矩阵，然后转换为Pearson相关矩阵，使用IBM SPSS Statistics 19。在这个矩阵中，单元格中的每个值都表示每个关键字对的相似度[40］．针对离散矩阵数据，建立了不相似矩阵。随后采用SPSS 19.0进行分层聚类分析[41]，结果直接显示关键字聚类。

最后，利用MS Excel 2010和Ucinet6.6分析原始Pearson相关矩阵，得到可视化地图及其网络特征[42，43］．计算网络密度，绘制社交网络地图，使用Ucinet6.6和Netdraw(体现在Ucinet工具中)验证上述结果。此外，节点的相对大小与关键词出现的频率成正比，而线条的相对粗细则与关键词之间的相关性成正比[44］．

结果

文献分布

文学的成长

根据上述搜索策略和获得的清理后的数据，我们发现由WoSCC索引的最早的关于mHealth的论文发表于1997年。从1997年到2016年，移动健康研究的出版物产出载于图2，表明与移动健康研究相关的论文数量每年都在增加，从1997年的2篇增加到2016年的765篇。在出版语言方面，以英语为主(98.08%，2652/2704)，其次是德语、葡萄牙语和西班牙语。自2012年初以来，应该记录的是，移动健康相关出版物的数量大幅增加。

每年出版的累积刊物数目持续增加，由2份增至2704份(见图3)．直接拟合方程得到文献逻辑生长曲线:y= 3913.14 / (1 + 1929.18e .^-0.39吨), (R²> 0.987),y每年的累计论文数是多少t是自1997年以来的年数。生长曲线出现拐点的时间为:t＝ln(1929.18) / 0.39 = 19.4≈20(即2016 - 1997 + 1)。

‎ 查看此图

‎ 查看此图

期刊分布

从1997年到2016年，与移动健康相关的研究发表在1008种期刊上。这些期刊按照发表数量由高到低的顺序排列，然后分为核心期刊和以下两个组，包含与核心期刊数量大致相同的出版物。注意，“Journal of Medical Internet Research”是最多产的期刊，共发表了125篇关于移动健康研究的论文。

如表1核心覆盖top18期刊(1.79%，18/1008)，共发表论文853篇，占2704篇论文总数的31.55%。核内的journal数与相邻的2个区之间的关系约为1:7:7²；这遵循布拉德福德散射定律[45］．

期刊影响因子(IF)定义为前2年发表的论文收到的引用数除以同一时期发表的论文数。表1显示，与2015年相比，2016年排名靠前的18种期刊中，有13种期刊的IF排名上升，除了4种期刊，即《公共科学图书馆·综合》、《BMC医学信息学与决策》、《健康传播杂志》、《IEEE生物医学信息技术汇刊》和《JMIR研究协议》。2016年排名前16位的期刊平均IF值达到2.82。在这18种期刊中，共有9种属于2016年期刊引用报告中的医学信息学类别。

合作的特点

核心作者和作者合作

在移动健康领域发表研究的作者总数为10,895人，其中21.27%(2318/10,895)为第一作者。然而，141位作者仅发表了1篇论文，占总数的1.29%(141/ 10895)。移动医疗领域的前7名产出不少于5项的最多产的第一作者被确定(见表2)，共发表论文45篇(已发表论文名单见多媒体附件2)，即1997-2016年间，平均每位第一作者发表6.4篇论文。表2还显示，移动健康领域最多产的第一作者是John D Piette，他有11篇论文，其次是Dror Ben-Zeev和David D Luxton。

本研究共鉴定出合作论文2563篇，合作论文率为94.79%(2563/2704)。作者总发表频次为11958次，即每篇论文作者数量的累积结果，说明1997 - 2016年间作者合作度为4.42(11958 /2704)。

作者协作的可视化网络是使用CiteSpace基于每个片中的g-index选择标准创建的(见图4)．请注意，一些作者倾向于与一小群合作者合作，与一些高度活跃的作者形成4个主要集群。即集群1 (Cluster 1)，其核心成员为Piette JD、Allman-Farinelli M、Bauman A、Aikens JE、Chen J;簇2由Whittaker R、Maddison R和Jiang YN组成;集群3包含Aschbrenner KA, Naslund JA和Bartels SJ;聚类4的核心成员为王伟、吴强、陈磊和李勇。此外，在作者协作图中还存在大量相对较小的聚类(4个聚类的主要作者相关信息列表见多媒体)．

‎ 查看此图

核心作者群体被认为是那些比其他人拥有更多出版物和影响力的作者。根据价格法[46)(方程见多媒体附件4)，得到核心作者的最小输出，约为3.35(即0.749 × 20)^1／2)，即每个核心作者的发文量不少于4篇。通过本研究，我们可以识别出266位核心作者，他们共发表论文1435篇，占总论文数的53.07%(1435/2704)。

机构与合作

统计数据分析表明，移动医疗领域的2704份确定的出版物分布在3040个机构中。如表3排名前十的研究机构作者共发表论文449篇(16.61%，449/2704)。密歇根大学表现出色，被视为在移动健康研究方面最富有成效的机构，其次是华盛顿大学和哈佛大学。所有10所机构都是大学，其中9所位于美国。华盛顿大学的TLCS和TGCS可以被视为大学中最高的。哈佛大学拥有最高的AGCS，在移动健康研究方面具有很高的学术影响力和合作，其次是华盛顿大学。

与其他形式的合作相比，院校之间的合作提供了一种更细粒度层面上审视院校之间互动的方法[47］．修剪后[48]，移动健康研究相关机构的主要合作关系见图5，其中根据20个阈值水平的被引频次显示机构标识(主要机构缩写与完整形式的对应关系列表见多媒体)．值得注意的是，紫圈中有5所大学表现出较高的中心性，分别是密歇根大学、加州大学旧金山分校、斯坦福大学、匹兹堡大学和宾夕法尼亚大学，体现了在mHealth研究协作网络中的中心地位和学术重要性。机构之间的联系相对较少，这与前面的分析相吻合。

国家与合作

总共有来自111个国家和地区的学者为移动医疗的研究做出了贡献。共有10个国家和地区发表了2477篇论文(见表4)．美国是移动健康研究最多产的国家，发表量排名第一，占总量的46.97%(1270/2704)。英国、澳大利亚、加拿大和中国也紧随其后。此外，结合世界银行发布的报告[49]，可以承认，有20个中低收入国家(LMICs)为移动健康研究做出了贡献。中低收入国家作者共发表论文197篇(7.29%，197/2704)。

美国的TLCS和TGCS最高，其次是英国和加拿大。AGCS显示这些论文平均质量较高，从高到低依次为美国、加拿大、英国、中国、澳大利亚和德国。

图6显示最具生产力的国家和地区之间的合作关系。国家和地区标签是根据10个阈值水平的引用频率显示的(缩略语与主要国家和地区的完整形式之间的对应关系列表，请参见多媒体附件6)．美国显然是全球移动医疗研究最活跃的国家。在移动健康领域，美国发挥着不可替代的主导作用，尽管美国国内作者的合作相对较少。同样值得注意的是，还有另外4个国家和地区在紫色圈中表现出更高的中心性，即英国、澳大利亚、韩国和中国。

‎ 查看此图

研究热点

高频和高爆发关键词的时间柱状图

爆发强度大于1且频次不小于10的关键词共有71个，按关键词频次排序(具体请参见多媒体)．每个关键字都保存爆发发生的日期间隔。71个关键词都在很大程度上覆盖了移动健康的研究前沿。此外，这些关键词的出现频率为2028次，即1.28%(71/5543)的关键词占总出现频率的16.46%(2028/12,318)。

27个爆发术语的时间柱状图清楚地代表了主题随时间的演变，展示了文献的更新和相互作用。在图7，我们可以看到移动远程医疗、移动医疗单元和PDA在2000年至2012年期间的移动医疗研究中运行，这表明移动技术在医疗保健中的应用已经开始受到更多的关注。这一现象与21世纪初信息技术在各行各业的广泛应用相对应。在这个知识体系中，我们可以确定在2005年至2010年期间应用于医疗保健领域的一些主要设备，包括蓝牙、身体传感器网络和移动计算。

‎ 查看此图

‎ 查看此图

从2010年到2014年，主要的爆发词是技术接受模型(TAM)、iOS、健康服务、农村健康。这表明，研究重点已经转向卫生技术与卫生服务的整合，研究人员已经开始探索如何提高用户对技术的接受度。2015 - 2016年有代表性的爆发术语是患者参与、心理健康、疾病和大数据，这表明患者参与和智能预防方法是近年来当前新技术环境下的主要研究重点。

研究课题分布

通过分层聚类分析，将移动健康领域识别出的71个关键词划分为12个聚类，表明主题广泛多样。基于各自集群中的关键字，细化了每个集群的集群名称，所有这些关键字都在表5．也就是说，集群1指的是安全和隐私;第2组侧重于健康监测和u-健康;集群3与医疗保健和移动计算相关;群集4与身体传感器网络和患者监测有关;第5类是指手机和健康监测;第6组是关于短信和健康干预的;第七组侧重于社会支持、社交媒体和健康促进;集群8与移动应用程序和心理健康有关;群集9指的是移动技术、护理和数据挖掘; Cluster 10 is associated to self-care and patient engagement; Cluster 11 focuses on health services and health education; and Cluster 12 is related to TAM, chronic disease, and home health monitoring.

社会网络分析

在71×71相似度矩阵的基础上，可以计算出网络的密度，它是0.007，是一个相对较低的水平。为了更明确地展示网络关系，获得更强大直观的结果，我们在原有71×71同现矩阵的基础上，形成了52×52同现矩阵，其中任意一行或任意列对应的关键字的频率都不少于12个。在新的矩阵的基础上，使用Ucinet6.6中嵌入的Netdraw2.0生成网络图8)，直观地反映了高频、高爆发关键词之间的关系。

图表显示在图8语义上相互关联和时间上连接移动健康研究的不同领域。共可确定4个主要领域:(1)左上角的子网络与患者参与和患者干预研究有关，主要涵盖5-7类集群;(2)右上方的主题涉及健康监测和自我护理研究，大致包括聚类2、聚类8、聚类10和聚类12;(3)右下方链接移动设备和移动计算研究，主要包括集群3-4和集群9;(4)左下角与安全和隐私研究有关，其中包括集群1。

‎ 查看此图

讨论

主要研究结果

本研究表明，近年来与移动健康研究相关的文献增长加快，影响力不断增强。我们知道，从2006年到2010年，随着移动电话技术的出现，移动健康领域进入了一个快速创新的阶段，与此同时，不受限制的扩散。此外，成立于2008年的移动健康联盟通过思想领导和召集一系列利益攸关方，在推动移动健康领域发挥了重要作用，该联盟的重点是通过政策研究、宣传和外联，推动移动健康技术在全球医疗保健中的应用[50］．显然，这些事件都为mHealth提供了很大的研究范围，尽管在2008年之前有所减少，但在2009年至2016年期间发表的论文数量开始大幅增加。此外，根据mHealth文献逻辑增长曲线方程，结合2016年12月28日之前发表的部分重要论文未被WoSCC索引，可以合理推断2017年发表的mHealth文献预计将达到1000篇以上，2016年后mHealth文献年均增长率将达到近60%(648/410-1)。

此外，影响因子被视为期刊卓越的衡量标准，也就是说，影响因子较高的期刊通常被认为比影响因子较低的期刊更重要。在过去的2年里，与mHealth相关的主要期刊的IF呈上升趋势，这进一步反映了研究者对mHealth的关注。

我们的研究表明，作者合作程度较高，核心作者群体基本形成，核心作者之间的合作有待进一步加强。科学合作已在不同学科中盛行[51］．在本研究中，过去20年的作者合作总程度超过4，与其他学科相比，国际mHealth的合作程度高于科学合作的平均水平[52］．正如我们所知，随着科学的发展和知识的爆炸，没有人是样样精通的专家。53］．在信息时代，充分了解各个领域的广泛知识对于个人来说是一项艰巨的任务。移动健康的研究也不例外，这需要更多不同领域的专家共同合作来回答重要问题。此外，合作可以促进知识的分享和传播，并吸引更多的人关注这个领域[54，55］．

显然，一些特定的作者在移动健康领域和未来的发展中发挥了非常重要的作用和影响，代表了该领域的“核心力量”。移动健康领域核心作者的产出约占出版物总数的50%(1435/2704)。根据价格定律，我们可以发现核心作者群体已经基本形成，核心作者的发表量会随着时间的推移而增加。但主要作者集群只有4个，可视为该领域的中坚力量，说明目前核心作者的合作并不紧密稳定。此外，结合以上的分析，可以得出结论，mHealth领域的核心研究人员应该进一步加强合作，形成一个更加稳定和核心的协作群体。

在我们的研究中，可以看到，领先的研究力量在美国，机构或国家之间的合作关系并不比较紧密。尽管有3040家机构参与了移动健康的研究，这表明了一个值得关注的问题，但关于移动健康研究的出版物在各机构之间分布不均匀。根据合作关系图，除了由众多美国高校组成的网络外，机构之间的联系相对较少，这意味着机构之间的合作较少，合作意愿也较低。此外，可以推断，大学是主要的研究力量，类似于其他研究领域。总体而言，今后应进一步加强院校合作。此外，结合稀疏的机构合作，可以进一步推断，合作主要发生在同一机构不同学术专业背景的作者之间。

此外，主要工业化国家(如七国集团国家:美国、英国、德国、加拿大、意大利、法国和日本)大多处于国家合作网络的核心，这表明经济发展和科学投资对移动健康的出版物产出有很大贡献。而中国作为发展中国家的代表，也更加重视公共健康，在移动健康的研究中处于领先地位。此外，根据国家合作图可以推断，位于美国的机构更倾向于与国内机构合作，这表明美国机构的国际合作倾向相对较低。事实上，科学合作关系是高度依赖资源的[56科学的国际化，在一定程度上取决于合作伙伴在全球网络中的吸引力。因此，移动健康研究机构的国际合作也遇到了挑战，特别是对于面临严重内部条件(如政策和资金)的发展中国家，这些条件往往阻止它们与高科学能力进行合作。为了改变这种状况，应该采取措施，使发展中国家在不久的将来从移动医疗的应用中受益。例如，相关国家或机构应该支持更多发展中国家与mHealth研究相关的学者到美国学习交流，或者可以邀请一些先进的专家来指导发展中国家的研究。

在本研究中，我们发现现代ICT越来越多地与医疗保健系统相结合，而关于mHealth的研究课题爆发相对分散。识别的71个关键词在很大程度上体现了移动健康领域的研究前沿。从时间柱状图可以看出，研究的重点在一定程度上已经开始从mHealth的接受和可行性转向结果，近年来通过社交媒体和移动计算的患者参与开始受到更多关注。一般而言，移动保健已被视为利用信息和通信技术在保健领域提高保健提供手段和效率的一种新的有效方法。此外，移动健康将通过移动计算和数据挖掘等医疗保健数据的二次开发和利用，为医疗服务决策提供支持。

层次聚类分析直观地展示了12个关键词聚类以及主题之间的关系，每个关键词聚类代表了移动健康的一个研究方向。与其他研究相比，目前mHealth的研究主题相对分散，社会网络分析呈现出4个主要领域，每个领域涵盖12个聚类中的一个或几个。此外，左上角的子网比其他子网受到更多的关注。总的来说，移动健康在这四个方面的研究还需要进一步加强，未来的研究课题也需要进一步集中，这将有利于医疗服务。

限制

虽然这些发现是基于上述分析，但仍有一些潜在的局限性，可能会鼓励进一步的研究工作。首先，本研究只关注WoSCC索引的文献。虽然WoSCC强调论文质量以确保数据的准确性和有意义，但这导致一些与移动医疗相关的论文没有被涵盖。此外，有几篇高质量的论文由于时滞仍然没有被WoSCC收录，特别是那些发表在2016年底的论文。所有这些都将对移动医疗研究成果的准确性产生一定影响。

第二，对于作者合作的理解可能会有一些偏差，因为存在一些不同的作者，他们有着相同的名字或缩写，他们隶属于不同的机构。此外，一些作者只是一些论文中“象征性的共同作者”。因此，在mHealth研究中作者关系分析的结果会受到索引作者的准确性的影响。

最后，虽然时间分析和层次聚类分析对于探索主题演变和识别一个领域的热点是非常有用的方法，但结果可能会受到关键词准确性的影响。在本研究中我们主要使用了3种清洗关键词的方法，但是仍然存在一些意义相同的关键词，这在一定程度上会影响聚类结果。

结论

在本研究中，对移动健康研究进行了全面的文献计量学分析，数据来源为WoSCC，使用了各种工具。使用不同的可视化方法来交互式地探索和理解特定的数据集。在上述结果和讨论的基础上，获得了一些对移动健康研究有价值的结果，包括协作特征信息和研究主题爆发信息。同时，随着移动技术和医疗服务的深入发展，我们有理由相信，未来移动健康研究相关文献将呈指数级增长，在核心作者小组正式形成后，核心作者的合作将会加强。此外，虽然美国在mHealth领域拥有领先的研究实力，但要推动全球mHealth领域的发展，还需要加强机构或国家之间的合作关系。总体而言，未来移动健康研究课题的重点应得到加强。

值得注意的是，mHealth已经开始成为数字健康的重要组成部分，数字健康是数字和基因组技术与健康、医疗、生活和社会的融合，以提高医疗保健交付的效率，使药物更加个性化和精准化[57］．数字健康的广泛范围包括移动健康、健康信息技术、可穿戴设备、远程健康和远程医疗以及个性化医疗等类别[58-60］．这些都有助于促进高质量研究的出现和发展，并为科研人员未来开展新项目提供潜在的指导。