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。