摘要
Web of Science核心数据库纳入841篇文献，CNKI数据库纳入3182篇文献，经分析得到国际与国内的发文量最多的作者分别是XING JIANG XIONG和吕圭源；发表论文的作者较为分散，国际13位核心作者累计发文150篇，仅占17.84%，国内120位核心作者累计发文671篇，占21.67%；研究机构主要为中医药高等院校及附属医院。关键词聚类呈现三个研究热点：①中医药治疗高血压临床疗效观察；②中医药治疗高血压的生物学机制；③数据挖掘中医药治疗高血压临床用药规律。
关键词
高血压是常见的慢性病，也是心脑血管疾病最主要的危险因素，脑卒中、心肌梗死、心力衰竭及慢性肾脏病是其主要并发
本研究选用Web of Science核心数据库和中国知识资源总库（CNKI）为数据源，分别代表国际与国内对中医药治疗高血压的研究情况，采用主题词进行检索。Web of Science核心数据库中以“hypertension AND（chinese medicine OR chinese traditional medicine OR chinese herbal medicine OR materia medicine）”为检索式，文献类型选择All document types，格式选择纯文本Plain Text。在CNKI文献检索平台，采用高级检索方式，检索式为“高血压AND（中草药OR中药OR自然医学OR天然药物）”。以上两个数据库的检索时间跨度均为自数据库建立至2020年12月31日。
将符合纳入标准的文献以Refworks格式导出，利用Excel软件对国内外文献年刊发文量、研究机构等基本情况进行统计；将Refworks格式文件导入CiteSpace 5.7.R2软件，选择作者、机构及关键词为节点类型，分别绘制相应的可视化知识图谱，进行中医药治疗高血压领域作者和机构合作情况以及关键词共现、聚类和突现情况分析。由于CNKI数据库文献数量较多，为了使图谱更加清晰及聚类效果最佳，CNKI数据库参数设置中时间跨度从1960年1月至2020年12月，每5年为一个时间切片；Web of Science核心数据库时间跨度从2008年1月至2020年12月，每1年为一个时间切片；选取频率由高到低排列的前50项，即Top Nper slice为50，剪切方式采用Pathfinder和Pruning slice networks，形成可视化分析。图谱中节点圆圈大小代表频次，圆圈直径越大代表该节点频次越高，圆圈宽度代表不同的年份相关内容出现的频次，节点间连线代表共现频次，线条越粗代表出现频次越高，关系越密
经去重和剔除无意义的文献后，最终Web of Science核心数据库纳入文献841篇，代表国际发文量；CNKI数据库纳入3182篇，代表国内发文量。文献的发表时间可在一定程度反映该领域某阶段的研究情况，通过绘制两个数据库年发文量的折线图分析可得，国际最高年发文量达142篇，发文量整体呈上升趋势，但在2014年和2016年有所下降；国内最高年发文量达236篇，1999年—2017年呈快速增长趋势，但在2018年和2020年均明显下降。见
图1 国内外文献年刊发量
以国际发文作者为网络节点，通过软件生成作者1年内的合作情况，得到415个节点、515条连线，如
，npmax是统计时段内发文量最多的著者所发表的论文数量，发文量>N篇的作者成为核心作者。本研究中国际作者的最高发文量为32篇，通过公式计算可得N=4.237，故发文量≥5篇的作者为核心作者，共有13位核心作者，发表论文总量为150篇，占纳入文献总数的17.84%；国内作者的最高发文量为19篇，通过公式计算可得N=3.265，故发文量≥4篇的作者为核心作者，共有120位核心作者，发表总数为671篇，占纳入文献总数的21.67%。从整个图谱来看，虽然我国有很多作者在该领域进行了研究，但是整体结构松散，合作关系微弱。
图2 作者、机构知识图谱
以Web of Science核心数据库为数据源进行可视化分析，得到316个节点、430条连线，如
国家发文量代表一个国家在该领域的研究程
图3 主要研究国家共现图谱
文献共被引聚类分析，可将聚类视图与核心文献结合。由于SCI论文提供了被引参考文献检索途径，而CNKI数据库收录文献不完全是SCI论文，所以CiteSpace可视化软件不能对CNKI数据库进行参考文献共被引分
图4 文献共被引知识图谱
关键词是对文献研究主题的高度概括，其频次可用来反映某个研究领域的热
图5 关键词知识图谱
关键词聚类分析说明了该领域的知识基础结构，在关键词共现网络基础上，对关键词进行聚类分析，聚类知识图谱中每个色块代表一个聚类，色块的节点都属于所在类的范
由该研究主题下的关键词聚类图谱及列表能看出，目前中医药治疗高血压研究热点主要集中在以下三个方面。
（1）中医药治疗高血压临床疗效观察：目前中医药在治疗高血压中发挥重要作用，其疗效也受到越来越多医生和患者的关注和认可。从聚类#0、#3和#4可看出临床多采用中药汤剂、中药敷贴等治疗方式，如黄连温胆汤、桃红四物汤、化痰祛瘀法、中药注射剂，已成为中医药治疗高血压的特色，临床应用广泛，治疗效果较好。
（2）中医药治疗高血压的生物学机制：聚类#2虽然与#1的标签名称一样，但聚类#2是研究天麻舒心方对自发性高血压大鼠动脉管壁形态的影响，其标签下还包括β受体阻滞剂、ecv-304人脐静脉内皮细胞、高敏C反应蛋白和同型半胱氨酸，为临床应用提供客观依据。
（3）数据挖掘中医药治疗高血压临床用药规律：聚类#3显示基于文献挖掘的中药辅助治疗高血压用药规律，结合临床文献分析、临床流行病学调查、网络药理学研究等分析给药时间、用药剂量、用药方式的临床效果也成为该领域的研究热点。
文献的数量直接反映知识量的变
从文献机构和作者相关知识图谱可以看出中国中医科学院、北京中医药大学、中国医科大学位于国际研究机构前列，说明中国研究机构在该领域具有代表性，研究较为深入，且国际研究合作化趋势明显。在国际上，XINGJIANG XIONG、JIE WANG、XIAOCHEN YANG三位教授或团队发文量位居前三，国内发文量最高的是浙江中医药大学的吕圭源，其次为天津中医药大学的赵英强、山东省中医院的李运伦。虽然我国很多作者在该领域进行了研究，但团队之间的合作不够密切，有合作关系的机构大多存在附属关系，跨机构、跨地区间的合作较少，未形成有影响力的规模。提示研究人员在今后的研究中应加强团队、机构以及学科之间的合作，积极开展多中心的临床研究。
参考文献共被引分析可以利用知识图谱工具通过被引的频次来进一步判断所在领域中有重大影响力的核心文
关键词是论文内容的实质和核心提示，共现和聚类图谱能够反映中医药治疗高血压的热点及前沿趋势。在关键词知识图谱中发现高血压及其同义词如高血压病、原发性高血压等提到的次数最多，以中医及其所涵盖的中药复方、中药治疗、中药疗法的中药在词频分布中次之。国际研究中关键词“大鼠”“中西医结合”“基因表达”出现的次数也较多，体现了该领域研究主题的变化过程。从关键词的聚类图谱可看出，目前中医药治疗高血压研究方向可以概括为三方面：（1）中医药治疗高血压临床疗效观察；（2）中医药治疗高血压的生物学机制；（3）数据挖掘中医药治疗高血压临床用药规律。由此可见，中医药治疗高血压涉及临床疗效观察、生物学机制、用药规律、配方有效成分、经验传承、数据挖掘等各个方面。关键词聚类图谱中有多个聚类重叠，提示该部分聚类间联系紧密，即对中医药治疗高血压的相关研究虽各有差异，但主题集中。由于高血压具有非常复杂的病理过程，大部分学者认为中西医结合治疗可能是更好的选
在临床应用过程中，建议根据高血压的分级、症状的复杂程度、病人的体质状况、发病的年龄、患者性别等具体情况，确定使用中医、西医、中西医结合等治疗方法。对于症状严重且影响生活质量的患者，建议以药物干预为主，针灸、穴位贴敷、足浴等治疗为辅；对于病情相对稳定的患者，建议用适宜的中药对证治疗。最近，在中药治疗高血压的作用机制研究中，方剂有了很大的进展，已经制定了相关条例和原则。中药复方不仅能稳定、抑制血压，而且对失眠、便秘、疼痛等血压无法控制的因素也有抑制作用，从而改善临床症状，提高生活质量，逆转高血压相关危险因素，保护靶器官，增加长期生存机会。中医药在治疗高血压方面有一定的优势与特色，但目前基础研究不够充分，临床应用证据仍显薄弱，医生难以准确把握、精准治疗。对于中药降压作用机制的研究，应从多角度、多层面对单味中药、复方中药进行系统、多层次、多效应的系列研究。运用先进的科学技术，从体征、器官、细胞甚至分子水平研究着手，筛选出更有效的中药复方及其有效成分。
本文以Web of Science核心数据库和CNKI数据库为数据源，借助CiteSpace 5.7.R2软件对纳入文献的作者、机构、国家、共被引文献、关键词进行可视化分析，得到相应的知识图谱，揭示了中医药治疗高血压的研究历程和发展动态。知识图谱分析表明，目前中医药治疗高血压领域正处于蓬勃发展时期，各国学者对中医药治疗高血压兴趣浓厚，而中国在该领域占国际主导地位，但各机构、团队之间合作不够密切。针对现状，建议不同研究机构及团体加强合作，整合资源，将中医药治疗高血压疗效证据化，作用机制明确化。
参考文献
李艳华，马丽梅.原发性高血压的自我管理[J].世界最新医学信息文摘，2015，16(28):90-92.
姜一农，宋 玮.高血压合理用药指南解读——常见特殊类型高血压的治疗原则及药物选择[J].中国医学前沿杂志：电子版，2016，8(2):10-13.
ZHANG P，CUI Y，YANG X，et al.Carotid arterial hemodynamics in patients with essential hypertension of different dialectical types of traditional Chinese medicine[J].Ann Palliat Med，2020，9(6):4097-4102.
朱 颖，李丹丹，吉 洁，等.二仙汤治疗高血压的网络药理学研究[J].中西医结合心脑血管病杂志，2021，12(3):377-383.
张 静.慢病管理模式对高血压患者的影响研究[J].中西医结合心血管病电子杂志，2020，8(31):34-36.
赵 冬.中国成人高血压流行病学现状[J].中国心血管杂志，2020，8(6):513-515.
中国心血管健康与疾病报告编写组.中国心血管健康与疾病报告2019概要[J].中华老年病研究电子杂志，2020，7(4):4-15.
张 硕，陈震霖，唐于平.中医药辨治高血压的认识与发展[J].世界科学技术-中医药现代化，2020，6(12):4139-4146.
吴 林，劳祎林，陈 静，等.中医药疗法治疗原发性高血压的临床进展[J].广西医学，2020，8(16):2144-2147.
邵 波，陈 钰，侯正军，等.加用中医分期序贯疗法在高血压脑出血中的疗效观察[J].中国现代医生，2020，4(31):142-145.
任利强，郭 强，王海鹏，等.基于CiteSpace的人工智能文献大数据可视化分析[J].计算机系统应用，2018，6(6):18-26.
孙建军.链接分析:知识基础、研究主体、研究热点与前沿综述——基于科学知识图谱的途径[J].情报学报，2014，18(6):659-672.
高 虹，吴 玲，许宇鹏.编辑出版领域作者群的科学计量研究[J].中国科技期刊研究，2019，2(3):313-321.
刘小兵.基于中国知网《护理学报》2009—2012年作者群计量分析[J].护理学报，2014，12(3):1-6.
钟文娟.基于普赖斯定律与综合指数法的核心作者测评——以《图书馆建设》为例[J].科技管理研究，2012，6(2):57-60.
任文博，廖远朋.基于CiteSpace对创伤性骨关节炎研究热点与内容的可视化分析[J].中国组织工程研究，2021，12(21):3374-3381.
SUN W，HUANG P，SONG H，et al.Bibliometric analysis of acute pancreatitis in Web of Science database based on CiteSpace software[J].Medicine(Baltimore)，2020，99(49):234-236.
杨 茗，张志军.基于CiteSpace计量可视化软件的国内концепт研究综述[J].中国俄语教学，2020，8(1):22-33.
WANG Q，WANG C，WU L，et al.Visual analysis of influenza treated by traditional Chinese medicine based on CiteSpace[J].Zhonghua Wei Zhong Bing Ji Jiu Yi Xue，2020，32(7):779-784.
LIANG YD，LI Y，ZHAO J，et al.Study of acupuncture for low back pain in recent 20 years:a bibliometric analysis via CiteSpace[J].J Pain Res，2017，10:951-964.
CHEN H，HUANG X，WEI F，et al.Analysis of research hotspot and frontier of severe coronavirus disease 2019:visual analysis based on CiteSpace[J].Zhonghua Wei Zhong Bing Ji Jiu Yi Xue，2020，32(6):671-676.
CHEN Y，GUO YB，GUO R，et al.Visual analysis of coronavirus disease 2019(COVID-19) studies based on bibliometrics[J].Zhongguo Zhong Yao Za Zhi，2020，45(10):2239-2248.
ZHOU Q，PEI J，POON J，et al.Worldwide research trends on aristolochic acids(1957-2017):Suggestions for researchers[J].PLoS One，2019，14(5):216-220.
LIN H，WANG X，HUANG M，et al.Research hotspots and trends of bone defects based on Web of Science: a bibliometric analysis[J].J Orthop Surg Res，2020，15(1):463-465.
LIU X，WU X，TANG J，et al.Trends and Development in the Antibiotic-Resistance of Acinetobacter baumannii:A Scientometric Research Study (1991-2019)[J].Infect Drug Resist，2020，13:3195-3208.
WANG X，ZHAO W，WANG Y，et al.Visual Analysis on Information Theory and Science of Complexity Approaches in Healthcare Research[J].Entropy (Basel)，2020，22(1):109-110.
刘 巍，熊兴江，王 阶.高血压前期的中医认识及治疗[J].中国中药杂志，2013，12(14):2416-2420.
