健康信息学科范畴和范式框架是什么？

通过对健康信息学论文的学科交叉现状和研究主题进行计量分析，从定量角度探究健康信息学的学科范畴。结果显示，健康信息学是一个典型的交叉学科，具有学科覆盖面广、交叉性强的特征。图1为健康信息学领域的学科覆盖图，图中的节点代表学科类别、节点之间的边表示被相同论文引用、节点颜色为该学科所属的学科大类。可以看到，高频引用学科以信息科学、医学健康、计算机科学为主，还涉及到数学、生物学、生物化学、社会科学、工程学、心理学等学科大类。

图 1  健康信息学领域的学科覆盖图

然后，采用内容分析法从研究内容、数据来源、研究方法和理论基础4个角度进行开放性编码与归纳，从定性角度构建该学科的范式框架（如图2），归纳总结了人工智能算法应用、人机交互系统应用、信息技术对患者健康影响、用户与信息行为、信息与知识服务、信息存储与组织、文献与信息计量、信息检索与系统八种常见的健康信息学研究内容。

图 2  健康信息学基本研究范式框架

 

健康信息学研究的关联路径有哪些？

为了帮助相关科研人员方便、快速地厘清健康信息学学科知识关联的脉络，采用Neo4j图数据库构建了健康信息学各体系要素间的关联路径知识图谱。该知识图谱的逻辑本体层如图3所示，包括科研论文、所属学科、研究内容等9个实体，以及论文所属学科、论文关键词、论文研究内容等9个关系。

图 3  关联路径知识图谱的逻辑本体层

我们将已构建的知识图谱应用于多维度语义搜索和论文智能推荐2个常见科研服务场景中，验证了本研究在学科服务中的应用价值。例如，图4展示了科研人员查询“用户与信息行为”领域常见研究方法时的可视化检索结果，该图中深绿色节点为研究方法类别，浅绿色节点为具体的方法名称，用户可通过点选具体的方法名称查看有哪些论文（粉色节点）使用了该方法进行研究。可以看出，用户与信息行为相关研究主要采用统计方法进行数据分析，常用的统计方法包括描述性统计、卡方检验、方差分析、逻辑回归、多元线性回归等。

图 4  用户与信息行为领域常见研究方法的可视化检索结果

健康信息学是在情报学的基础上，基于临床医学的基本研究内容，又大量借鉴了计算机科学的相关技术而发展起来的一门新兴科学。为更好地厘清健康信息学研究与情报学研究之间的关系，本文从研究内容、数据来源、研究方法和理论基础四个方面对二者进行了对比。（1）在研究内容上，和健康信息学主要聚焦于用户与信息行为、信息与知识服务、信息存储与组织这三个主题相比，传统情报学的研究内容更为宽泛，既包括情报学基础研究、信息处理与分析、知识管理、竞争情报，也包括信息社会与信息事业管理、信息经济与信息产业、政府信息资源管理、数字图书馆等。此外，健康信息学还关注智能算法在医学健康中的应用，这与近年来情报学研究常使用新算法、新技术的趋势相吻合。不同之处在于，人机交互并不是传统情报学的研究热点，系统设计相关研究较少，但以用户为中心的系统评估可为情报学领域中用户行为、系统评估方向的学者提供合适的交叉点。（2）在数据来源上，情报学研究的数据来源以调研数据、文献数据和网络数据为主，而健康信息学因其相关学者多具有医学背景，或就职于医疗机构，或与医院有合作关系，因此真实的临床数据成为了主要数据来源。可见，情报学者若想走上健康信息学的研究方向，数据是一个不得不考虑的现实问题，多方合作或许是解决该问题的有效出路。（3）在研究方法上，情报学从一开始的以定性研究为主，逐渐发展到近年来越来越重视定量的研究方法，尤其是对计算机相关技术的吸纳与应用，与健康信息学论文多采用人工智能算法、自然语言处理等技术不谋而合。不同之处在于，卫生统计方法在健康信息学领域中比较常见，而在情报学中较少使用。（4）在理论基础上，情报学研究除借鉴认知心理学、经济学等常用理论外，还具有情报学自身特有的理论，例如布拉德福定律、洛特卡定律、组织理论、本体论、信息交换理论等。而健康信息学相关研究以应用研究为主，缺乏本领域特有的理论研究，这或许跟医学这个学科是一门典型的应用科学相关，但健康信息学今后若想发展为一门成熟的学科，缺乏理论基础的问题需要得到足够的重视与克服。

综上，由于情报学是健康信息学的发源学科之一，因此对于情报学者来说，能够比较容易地进入到健康信息学的相关研究中去，但还需要注意健康信息学与情报学的差异性。比如，情报学者一般对健康医疗领域不太了解，因此需要事先熟悉和具备一定的医学背景和知识才能够更好的了解这个领域的研究特点；此外，临床数据的收集也是情报学者需要克服的问题。