引用本文： 周葉, 趙貝. 肥胖與神經炎癥相關性的可視化分析. 華西醫學, 2023, 38(4): 518-524. doi: 10.7507/1002-0179.202207104 復制
肥胖癥的日益增加已成為一個重大的公共衛生問題。肥胖是一種高胰島素血癥、高脂血癥、高瘦素血癥和慢性炎癥的狀態[1]。到本世紀末，肥胖癥已經達到了流行程度，并已經成為致死、致殘的重要原因之一[2]，也是一個重大的經濟負擔[3]。超重和肥胖者的脂肪細胞、脂肪組織的巨噬細胞和腸道生物失調會引起細胞因子和趨化因子的分泌，這些細胞因子和趨化因子可以穿越血腦屏障，刺激小膠質細胞，進而釋放促炎細胞因子，引起神經炎癥[4]。神經炎癥是中樞神經系統中由小膠質細胞和星形膠質細胞激活的免疫應答。免疫應答的發生會引起神經元的損傷以及炎癥因子的異常分泌從而引起相關的神經退行性病變。近年來，神經炎癥已被證明是神經退行性疾病和精神疾病的重要病因。肥胖癥是眾多代謝障礙疾病里面最常見的代謝病之一，由于神經功能受到代謝障礙的嚴重影響，因此肥胖癥的治療不僅應該關注于減重方面的研究也應該更多地關注于對肥胖引起的神經炎癥方面的探索[5-6]。肥胖與神經炎癥研究領域到目前為止仍然是生命科學學科研究的熱點。近年來關于肥胖與神經炎癥的研究又達到新一波的浪潮[7]。
肥胖與神經炎癥的研究涉及范圍十分廣泛，近年在國際上已經發表了很多關于肥胖與神經炎癥研究領域相關的文獻，但對肥胖與神經炎癥研究領域的可視化分析相對較少，因此本研究基于 CiteSpace 可視化軟件將近 10 年肥胖與神經炎癥研究領域相關文獻用相應的算法進行分析得出可視化圖譜，以了解肥胖與神經炎癥的發展趨勢和研究熱點，為更進一步發掘未來的研究趨勢與前沿問題[8]提供參考。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入標準
① 符合主題“肥胖”與“神經炎癥”的相關文獻，包括流行病學、發病機制、診斷、治療等；② 文獻題錄信息完整。
1.1.2 排除標準
① 非論文形式但主題與“肥胖”與“神經炎癥”有關的文獻，如會議摘要、書籍章節、會議論文、社論材料、信函等；② 重復發表的論文；③ 與主題“肥胖”與“神經炎癥”無關的文獻。
1.2 檢索策略
以 Web of Science 數據庫作為數據獲取來源，檢索日期為 2022 年 6 月 10 日。選擇高級檢索：主題= obesity AND neuroinflammation 進行檢索，檢索范圍為 Web of Science 核心合集。由于對肥胖與神經炎癥的關系間的研究是近 10 年來逐漸上升的關注熱點，因此檢索時間段選擇 2011 年 1 月 1 日—2021 年 12 月 31 日。
1.3 研究工具
采用 CiteSpace 6.1.R2 軟件作為文獻的可視化分析工具[9]。
1.4 分析方法
在 CiteSpace 中，設置時間分割（Time Slicing）為 2011 年—2021 年，時間跨度分段長度（Years Per Slice）為 1 年；剪切方式選擇“pathfinder”“pruning sliced networks”“pruning the merged networks”；其余參數根據圖譜需要，進行調整。
對作者、國家、機構進行合作網絡及中心度分析，并對排名前 5 位作者以及前 10 位國家與機構繪制共現圖譜。共現圖譜中圓圈的顏色代表發文時間，圓圈的厚度代表該時間分區內的發文量，圓圈越厚代表發文量越多。節點之間的連接代表具有合作關系，顏色對應相應的年份，粗細代表合作強度。節點越大表示此領域內的貢獻越大。中心度是測定節點在網絡中重要性的指標，用于發現和衡量節點的重要性，中心度越高代表該節點在網絡圖譜中的可能性越大，中心度≥0.1 表示該節點高度集中，反之，中心度<0.1 代表該節點呈分散狀態[10]。
關鍵詞是對一篇文章主題的高度概括，是核心詞匯，代表了文章的主要研究內容[11]。通過 CiteSpace的分析，得出的高頻關鍵詞可在一定程度上反映某一研究領域的研究熱點問題和研究現狀。頻次越高說明該研究熱點越被重視，中心性越高說明其在整體網絡中的影響力與重要性越大，中心性≥0.1 或頻次≥100 說明該節點在整體網絡中具有較強的影響力。關鍵詞聚類分析是利用一定的算法將一些分散但具有關聯性的關鍵詞歸為一類，聚類節點數≥10 且剪切值≥0.5 代表該節點在共線網絡的分析中具有分析意義[12]。關鍵詞的突現強度反映該關鍵詞在網絡中出現的強度，突現強度越高代表該關鍵詞是網絡中的研究重點。本研究對關鍵詞采用對數極大似然率的算法進行聚類分析。
1.5 統計學方法
采用 CiteSpace 6.1.R2 軟件對納入文獻的作者、國家、機構、關鍵詞等進行文獻計量學分析。年度發文量采用 Excle 進行分析。
2 結果
2.1 文獻檢索結果
共檢出文獻 575 篇，其中論著 410 篇、綜述 138 篇、會議摘要 14 篇、在線發表論文 1 篇、書籍章節 5 篇、會議論文 4 篇、社論材料 2 篇、信函 1 篇。去重后，手動篩選出論著與綜述共 548 篇。
2.2 發文量分析
548 篇納入文獻時間分布見圖1。該領域發文量呈逐年上升趨勢，2020 年發文最多（116 篇）。
圖1
肥胖與神經炎癥 2011 年—2021 年發文趨勢
發文作者共現圖譜見圖2。發文量排名前 5 位的作者有 BELSHAM D（發文量為 14 篇，中心度為 0.01）、LIU X（發文量為 9 篇，中心度為 0.01）、WANG Y（發文量為 9 篇，中心度為 0.04）、LEE J（發文量為 7 篇，中心度為 0）、CAMINS A（發文量為 7 篇，中心度為 0）。
圖2
發文作者共現圖譜
節點大小表示發文量的多少，節點間的連線表示作者間的聯系
發文量排名前 10 位的國家見表1。發文量最多的國家是美國（177 篇）、中國（87 篇）與巴西（47 篇）。中心度≥0.1的國家有法國、意大利、西班牙、韓國、德國，其中法國的中心度最高（0.74）。中國、美國、澳大利亞、巴西、加拿大是 2021 年發文的主要國家。
表1
發文量排名前 10 位的國家
發文量排名前 10 位的機構見表2，發文機構共現圖譜見圖3。發文量最多的機構是 University of Toronto（多倫多大學）（18 篇），其次是 McGill University（麥吉爾大學）（11 篇）和 University of Barcelona（巴塞羅那大學）（11 篇）。University of Toronto（多倫多大學）的節點最大代表該機構在此領域貢獻最大。University of Washington（華盛頓大學）、Chinese Academy of Sciences（中國科學院）、University of Barcelona（巴塞羅那大學）、Federal University of Rio Grande do Sul（南里奧格蘭德聯邦大學）是 2021 年發文的主要國家。其中 University of Washington（華盛頓大學）在 2021 年與 Huazhong University of Science and Technology（華中科技大學）有緊密合作。各發文機構的中心度均<0.1。
表2
發文量排名前 10 位的機構
圖3
發文機構共現圖譜
節點大小表示發文量的多少，節點間的連線表示機構間的聯系
2.3 關鍵詞分析
2.3.1 關鍵詞共現圖譜
關鍵詞共現分析見圖4，詞頻排名前 10 位的關鍵詞見表3。出現頻次≥100 次的關鍵詞一共有 6 個，分別是：insulin resistance（胰島素抵抗）（138 次）、obesity（肥胖）（135 次）、alzheimers disease（阿爾茨海默病）（123 次）、high fat diet（高脂肪飲食）（118 次）、inflammation（炎癥）（113 次）、neuroinflammation（神經炎癥）（100 次）。中心性≥0.1 的關鍵詞有 insulin resistance（胰島素抵抗）（中心性為 0.1）和 inflammation（炎癥）（中心性為 0.23）。
圖4
關鍵詞共現圖譜
節點大小表示關鍵詞的頻次，節點間的連線表示關鍵詞間的聯系
表3
詞頻排名前 10 位的關鍵詞
2.3.2 關鍵詞聚類圖譜
關鍵詞聚類圖譜見圖5，一共有 16 個聚類。由表4 可知，有 14 個聚類節點數>10 且剪切值>0.7，提示此次算法分析結果可信。0 號聚類和 1 號聚類中都提到了代謝與飲食，2 號聚類與 3 號聚類都提到了炎癥與神經，且各個聚類中都零散地包含了各種神經性退行性病變如阿爾茨海默病、帕金森病等。
圖5
關鍵詞聚類圖譜
節點數為379，連線數為753，Modularity Q（網絡模塊度）=0.716 2，Weighted Mean Silhouette S（加權平均輪廓）=0.878 9；標簽前面的數字越小，表明該聚類包含的節點越多
表4
關鍵詞聚類信息表
2.3.3 關鍵詞突現圖譜
肥胖與神經炎癥研究領域的關鍵詞突現圖譜見圖6。necrosis factor alpha（壞死因子α）是突現強度最高的關鍵詞，突現強度為 4.92。突現強度>3.5 的關鍵詞有 metabolic syndrome（代謝綜合征）、synaptic plasticity（突觸可塑性）、in vivo（體內）、adipose tissue（脂肪組織），突現強度分別為 3.83、3.84、3.56、3.95。prefrontal cortex（前額葉皮質）和 memory impairment（記憶障礙）從 2019 年開始突現（突現強度均為 2.46），是近年關注的熱點，并且仍然在發生突現。
圖6
關鍵詞突現圖譜
每個突現詞后的一個小格代表一個年份，紅色格代表關鍵詞在相應年份突現明顯，紅色格的長度代表突現持續的時間
3 討論
3.1 國內外研究現狀
近年來肥胖與神經炎癥在國際上的關注度呈現出逐漸提高的狀態，發文量呈逐年增長趨勢。國外在肥胖與神經炎癥研究領域的排名前 3 位的國家是美國、巴西和加拿大。雖法國的發文量未位居前列，但其中心度為 0.74，這提示其影響力頗佳。近年，我國在國際肥胖與神經炎癥研究中也處于較重要地位，發文量居于第 2 位，但中心度為 0，提示我國在此研究領域與其他國家合作比較分散且未能形成深遠的影響力。目前，全球仍未能形成具有影響力的機構。華盛頓大學和巴塞羅那大學在 2021 年發文量較多，其中西班牙的中心度為 0.25 代表其在該領域的影響力較大；雖然美國中心度僅為 0.06，但其發文量最多，由此可見美國與西班牙在此研究領域處于領先地位。
3.2 研究熱點及前沿
對高頻關鍵詞的分析，可以了解該研究領域的熱點與前沿。由關鍵詞共現圖譜和排名可見，與肥胖與神經炎癥直接相關的 high fat diet（高脂肪飲食）[13]和inflammation（炎癥）[14]位居前列。而中心性>0.1的有 insulin resistance（胰島素抵抗）[15]和 inflammation（炎癥），說明胰島素抵抗和炎癥在該研究領域中起著重要的樞紐作用以及具有重要的轉折意義[16]。通過關鍵詞聚類分析發現各個聚類中都零散地包含了各種神經性退行性病變如阿爾茨海默病、帕金森病等，而這些退行性疾病經過大量的研究證明是與神經炎癥有一定的關聯的[17]。值得注意的是 7 號聚類與 14 號聚類都提到了腸道微生物，雖然這兩個聚類節點數相對不多，但這也可能代表著將肥胖、神經炎癥、腸道微生物三者聯系起來的研究是一個值得更加進一步深入探索的方向[18]。
對關鍵詞的突現研究顯示近 10 年來相關的研究熱點領域集中在代謝綜合征、脂肪組織、突觸可塑性、壞死因子α的研究領域方面，壞死因子α是一種涉及到系統性炎癥的細胞因子，同時也是屬于引起急相反應的眾多細胞因子中的一員，主要由巨噬細胞分泌。在肥胖患者中，巨噬細胞在脂肪組織中大量滲透，分泌壞死因子α和白細胞介素-6，從而增加全身炎癥。因此，過多的脂肪組織會導致代謝失衡，從而導致與肥胖相關的并發癥。肥胖引起新陳代謝變化，通過改變突觸可塑性，并通過細胞壞死或凋亡導致神經死亡。肥胖會導致循環炎癥標志物增加，進而通過增加血腦屏障通透性和通過缺乏有效血腦屏障的區域進入大腦，從而引起神經炎癥[19]。
在臨床研究中，肥胖已被證明會增加發展為輕度認知障礙的風險，表現為短期記憶和執行功能障礙，以及癡呆癥和阿爾茨海默病。肥胖和認知障礙風險之間聯系的確切機制或中介尚不清楚，但進一步研究的潛在途徑包括腦萎縮、腦血管功能障礙、阿爾茨海默病相關病理的發展、血腦屏障的破壞以及全身和中樞炎癥。在動物研究中，肥胖大鼠前額葉皮質中與炎癥反應相關的基因如 NFkB、MMP9、CCL2、PPARb 和 PPARg 的表達增加[20]。在肥胖狀態下，中樞炎癥可以超越下丘腦，影響與認知直接相關的區域海馬和大腦皮質[21]。新突現的關鍵詞前額葉皮質與記憶障礙突變強度為 2.46 預示著這 2 個領域將會是研究的關注熱點[22]。
綜合分析相關文獻，可見近幾年肥胖-神經炎癥相關的研究熱點集中在認知障礙、大腦皮質、腦腸軸、腸道微生物等方面，與此次可視化的研究結果顯示的熱點方向趨于一致。越來越多的臨床研究表明，在代謝、內分泌、神經和免疫系統介導的肥胖病理生理學中，腦-腸道-微生物組系統內雙向信號的改變得到了支持[23]。腸道到大腦的信號也可以通過腸道微生物與基于腸道的免疫細胞相互作用而發生。這些相互作用可能導致腸道局部效應、迷走神經傳入終末效應或導致全身免疫激活（代謝性毒血癥），最終影響身體其他器官和靶細胞，包括大腦中的神經膠質細胞，導致神經炎癥[24]。
目前對于肥胖癥的治療主要還是集中在飲食控制的減重以及改變腸道微生物環境這 2 個主要的方面，但隨著越來越多的基礎研究以及臨床病例回顧性研究和臨床試驗表明，提示肥胖的治療不僅需要關注減重的治療，長期肥胖引起的神經炎癥會引起神經退行性病變也需要引起足夠重視[25]。
3.3 本研究的局限性與不足
本研究雖有一定創新但尚有不足之處，由于中文數據庫符合檢索標準的文獻數量少于 200 篇，用于大數據的分析會有很大的偏差，所以本研究未對中文數據庫進行相關的分析。與傳統分析方法相比較，雖然 CiteSpace 利用了計算機強大的算法功能對大量的數據進行分析，能更直觀地反映數據的情況，但也存在一些不足，如計算機只能機械地識別數據，有些重復數據需要人工分析，分析結果就會一定的差異。雖然存在局限性，但是隨著軟件的不斷完善與更新，這些局限會逐漸得到完善。
通過分析此次可視化研究的結果，本課題組欲將基于肥胖引起的神經炎癥導致的神經退行性病變研究領域結合腦腸軸進行進一步的探究，探索治療肥胖引起的神經退行性病變的切入點，以及通過腦腸軸的相互作用進一步研究減肥的相關治療。
作者貢獻：周葉提出研究構思并進行數據收集與可視化分析；趙貝負責全文的審校和修訂。
利益沖突：所有作者聲明不存在利益沖突。
肥胖癥的日益增加已成為一個重大的公共衛生問題。肥胖是一種高胰島素血癥、高脂血癥、高瘦素血癥和慢性炎癥的狀態[1]。到本世紀末，肥胖癥已經達到了流行程度，并已經成為致死、致殘的重要原因之一[2]，也是一個重大的經濟負擔[3]。超重和肥胖者的脂肪細胞、脂肪組織的巨噬細胞和腸道生物失調會引起細胞因子和趨化因子的分泌，這些細胞因子和趨化因子可以穿越血腦屏障，刺激小膠質細胞，進而釋放促炎細胞因子，引起神經炎癥[4]。神經炎癥是中樞神經系統中由小膠質細胞和星形膠質細胞激活的免疫應答。免疫應答的發生會引起神經元的損傷以及炎癥因子的異常分泌從而引起相關的神經退行性病變。近年來，神經炎癥已被證明是神經退行性疾病和精神疾病的重要病因。肥胖癥是眾多代謝障礙疾病里面最常見的代謝病之一，由于神經功能受到代謝障礙的嚴重影響，因此肥胖癥的治療不僅應該關注于減重方面的研究也應該更多地關注于對肥胖引起的神經炎癥方面的探索[5-6]。肥胖與神經炎癥研究領域到目前為止仍然是生命科學學科研究的熱點。近年來關于肥胖與神經炎癥的研究又達到新一波的浪潮[7]。
肥胖與神經炎癥的研究涉及范圍十分廣泛，近年在國際上已經發表了很多關于肥胖與神經炎癥研究領域相關的文獻，但對肥胖與神經炎癥研究領域的可視化分析相對較少，因此本研究基于 CiteSpace 可視化軟件將近 10 年肥胖與神經炎癥研究領域相關文獻用相應的算法進行分析得出可視化圖譜，以了解肥胖與神經炎癥的發展趨勢和研究熱點，為更進一步發掘未來的研究趨勢與前沿問題[8]提供參考。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入標準
① 符合主題“肥胖”與“神經炎癥”的相關文獻，包括流行病學、發病機制、診斷、治療等；② 文獻題錄信息完整。
1.1.2 排除標準
① 非論文形式但主題與“肥胖”與“神經炎癥”有關的文獻，如會議摘要、書籍章節、會議論文、社論材料、信函等；② 重復發表的論文；③ 與主題“肥胖”與“神經炎癥”無關的文獻。
1.2 檢索策略
以 Web of Science 數據庫作為數據獲取來源，檢索日期為 2022 年 6 月 10 日。選擇高級檢索：主題= obesity AND neuroinflammation 進行檢索，檢索范圍為 Web of Science 核心合集。由于對肥胖與神經炎癥的關系間的研究是近 10 年來逐漸上升的關注熱點，因此檢索時間段選擇 2011 年 1 月 1 日—2021 年 12 月 31 日。
1.3 研究工具
采用 CiteSpace 6.1.R2 軟件作為文獻的可視化分析工具[9]。
1.4 分析方法
在 CiteSpace 中，設置時間分割（Time Slicing）為 2011 年—2021 年，時間跨度分段長度（Years Per Slice）為 1 年；剪切方式選擇“pathfinder”“pruning sliced networks”“pruning the merged networks”；其余參數根據圖譜需要，進行調整。
對作者、國家、機構進行合作網絡及中心度分析，并對排名前 5 位作者以及前 10 位國家與機構繪制共現圖譜。共現圖譜中圓圈的顏色代表發文時間，圓圈的厚度代表該時間分區內的發文量，圓圈越厚代表發文量越多。節點之間的連接代表具有合作關系，顏色對應相應的年份，粗細代表合作強度。節點越大表示此領域內的貢獻越大。中心度是測定節點在網絡中重要性的指標，用于發現和衡量節點的重要性，中心度越高代表該節點在網絡圖譜中的可能性越大，中心度≥0.1 表示該節點高度集中，反之，中心度<0.1 代表該節點呈分散狀態[10]。
關鍵詞是對一篇文章主題的高度概括，是核心詞匯，代表了文章的主要研究內容[11]。通過 CiteSpace的分析，得出的高頻關鍵詞可在一定程度上反映某一研究領域的研究熱點問題和研究現狀。頻次越高說明該研究熱點越被重視，中心性越高說明其在整體網絡中的影響力與重要性越大，中心性≥0.1 或頻次≥100 說明該節點在整體網絡中具有較強的影響力。關鍵詞聚類分析是利用一定的算法將一些分散但具有關聯性的關鍵詞歸為一類，聚類節點數≥10 且剪切值≥0.5 代表該節點在共線網絡的分析中具有分析意義[12]。關鍵詞的突現強度反映該關鍵詞在網絡中出現的強度，突現強度越高代表該關鍵詞是網絡中的研究重點。本研究對關鍵詞采用對數極大似然率的算法進行聚類分析。
1.5 統計學方法
采用 CiteSpace 6.1.R2 軟件對納入文獻的作者、國家、機構、關鍵詞等進行文獻計量學分析。年度發文量采用 Excle 進行分析。
2 結果
2.1 文獻檢索結果
共檢出文獻 575 篇，其中論著 410 篇、綜述 138 篇、會議摘要 14 篇、在線發表論文 1 篇、書籍章節 5 篇、會議論文 4 篇、社論材料 2 篇、信函 1 篇。去重后，手動篩選出論著與綜述共 548 篇。
2.2 發文量分析
548 篇納入文獻時間分布見圖1。該領域發文量呈逐年上升趨勢，2020 年發文最多（116 篇）。
圖1
肥胖與神經炎癥 2011 年—2021 年發文趨勢
發文作者共現圖譜見圖2。發文量排名前 5 位的作者有 BELSHAM D（發文量為 14 篇，中心度為 0.01）、LIU X（發文量為 9 篇，中心度為 0.01）、WANG Y（發文量為 9 篇，中心度為 0.04）、LEE J（發文量為 7 篇，中心度為 0）、CAMINS A（發文量為 7 篇，中心度為 0）。
圖2
發文作者共現圖譜
節點大小表示發文量的多少，節點間的連線表示作者間的聯系
發文量排名前 10 位的國家見表1。發文量最多的國家是美國（177 篇）、中國（87 篇）與巴西（47 篇）。中心度≥0.1的國家有法國、意大利、西班牙、韓國、德國，其中法國的中心度最高（0.74）。中國、美國、澳大利亞、巴西、加拿大是 2021 年發文的主要國家。
表1
發文量排名前 10 位的國家
發文量排名前 10 位的機構見表2，發文機構共現圖譜見圖3。發文量最多的機構是 University of Toronto（多倫多大學）（18 篇），其次是 McGill University（麥吉爾大學）（11 篇）和 University of Barcelona（巴塞羅那大學）（11 篇）。University of Toronto（多倫多大學）的節點最大代表該機構在此領域貢獻最大。University of Washington（華盛頓大學）、Chinese Academy of Sciences（中國科學院）、University of Barcelona（巴塞羅那大學）、Federal University of Rio Grande do Sul（南里奧格蘭德聯邦大學）是 2021 年發文的主要國家。其中 University of Washington（華盛頓大學）在 2021 年與 Huazhong University of Science and Technology（華中科技大學）有緊密合作。各發文機構的中心度均<0.1。
表2
發文量排名前 10 位的機構
圖3
發文機構共現圖譜
節點大小表示發文量的多少，節點間的連線表示機構間的聯系
2.3 關鍵詞分析
2.3.1 關鍵詞共現圖譜
關鍵詞共現分析見圖4，詞頻排名前 10 位的關鍵詞見表3。出現頻次≥100 次的關鍵詞一共有 6 個，分別是：insulin resistance（胰島素抵抗）（138 次）、obesity（肥胖）（135 次）、alzheimers disease（阿爾茨海默病）（123 次）、high fat diet（高脂肪飲食）（118 次）、inflammation（炎癥）（113 次）、neuroinflammation（神經炎癥）（100 次）。中心性≥0.1 的關鍵詞有 insulin resistance（胰島素抵抗）（中心性為 0.1）和 inflammation（炎癥）（中心性為 0.23）。
圖4
關鍵詞共現圖譜
節點大小表示關鍵詞的頻次，節點間的連線表示關鍵詞間的聯系
表3
詞頻排名前 10 位的關鍵詞
2.3.2 關鍵詞聚類圖譜
關鍵詞聚類圖譜見圖5，一共有 16 個聚類。由表4 可知，有 14 個聚類節點數>10 且剪切值>0.7，提示此次算法分析結果可信。0 號聚類和 1 號聚類中都提到了代謝與飲食，2 號聚類與 3 號聚類都提到了炎癥與神經，且各個聚類中都零散地包含了各種神經性退行性病變如阿爾茨海默病、帕金森病等。
圖5
關鍵詞聚類圖譜
節點數為379，連線數為753，Modularity Q（網絡模塊度）=0.716 2，Weighted Mean Silhouette S（加權平均輪廓）=0.878 9；標簽前面的數字越小，表明該聚類包含的節點越多
表4
關鍵詞聚類信息表
2.3.3 關鍵詞突現圖譜
肥胖與神經炎癥研究領域的關鍵詞突現圖譜見圖6。necrosis factor alpha（壞死因子α）是突現強度最高的關鍵詞，突現強度為 4.92。突現強度>3.5 的關鍵詞有 metabolic syndrome（代謝綜合征）、synaptic plasticity（突觸可塑性）、in vivo（體內）、adipose tissue（脂肪組織），突現強度分別為 3.83、3.84、3.56、3.95。prefrontal cortex（前額葉皮質）和 memory impairment（記憶障礙）從 2019 年開始突現（突現強度均為 2.46），是近年關注的熱點，并且仍然在發生突現。
圖6
關鍵詞突現圖譜
每個突現詞后的一個小格代表一個年份，紅色格代表關鍵詞在相應年份突現明顯，紅色格的長度代表突現持續的時間
3 討論
3.1 國內外研究現狀
近年來肥胖與神經炎癥在國際上的關注度呈現出逐漸提高的狀態，發文量呈逐年增長趨勢。國外在肥胖與神經炎癥研究領域的排名前 3 位的國家是美國、巴西和加拿大。雖法國的發文量未位居前列，但其中心度為 0.74，這提示其影響力頗佳。近年，我國在國際肥胖與神經炎癥研究中也處于較重要地位，發文量居于第 2 位，但中心度為 0，提示我國在此研究領域與其他國家合作比較分散且未能形成深遠的影響力。目前，全球仍未能形成具有影響力的機構。華盛頓大學和巴塞羅那大學在 2021 年發文量較多，其中西班牙的中心度為 0.25 代表其在該領域的影響力較大；雖然美國中心度僅為 0.06，但其發文量最多，由此可見美國與西班牙在此研究領域處于領先地位。
3.2 研究熱點及前沿
對高頻關鍵詞的分析，可以了解該研究領域的熱點與前沿。由關鍵詞共現圖譜和排名可見，與肥胖與神經炎癥直接相關的 high fat diet（高脂肪飲食）[13]和inflammation（炎癥）[14]位居前列。而中心性>0.1的有 insulin resistance（胰島素抵抗）[15]和 inflammation（炎癥），說明胰島素抵抗和炎癥在該研究領域中起著重要的樞紐作用以及具有重要的轉折意義[16]。通過關鍵詞聚類分析發現各個聚類中都零散地包含了各種神經性退行性病變如阿爾茨海默病、帕金森病等，而這些退行性疾病經過大量的研究證明是與神經炎癥有一定的關聯的[17]。值得注意的是 7 號聚類與 14 號聚類都提到了腸道微生物，雖然這兩個聚類節點數相對不多，但這也可能代表著將肥胖、神經炎癥、腸道微生物三者聯系起來的研究是一個值得更加進一步深入探索的方向[18]。
對關鍵詞的突現研究顯示近 10 年來相關的研究熱點領域集中在代謝綜合征、脂肪組織、突觸可塑性、壞死因子α的研究領域方面，壞死因子α是一種涉及到系統性炎癥的細胞因子，同時也是屬于引起急相反應的眾多細胞因子中的一員，主要由巨噬細胞分泌。在肥胖患者中，巨噬細胞在脂肪組織中大量滲透，分泌壞死因子α和白細胞介素-6，從而增加全身炎癥。因此，過多的脂肪組織會導致代謝失衡，從而導致與肥胖相關的并發癥。肥胖引起新陳代謝變化，通過改變突觸可塑性，并通過細胞壞死或凋亡導致神經死亡。肥胖會導致循環炎癥標志物增加，進而通過增加血腦屏障通透性和通過缺乏有效血腦屏障的區域進入大腦，從而引起神經炎癥[19]。
在臨床研究中，肥胖已被證明會增加發展為輕度認知障礙的風險，表現為短期記憶和執行功能障礙，以及癡呆癥和阿爾茨海默病。肥胖和認知障礙風險之間聯系的確切機制或中介尚不清楚，但進一步研究的潛在途徑包括腦萎縮、腦血管功能障礙、阿爾茨海默病相關病理的發展、血腦屏障的破壞以及全身和中樞炎癥。在動物研究中，肥胖大鼠前額葉皮質中與炎癥反應相關的基因如 NFkB、MMP9、CCL2、PPARb 和 PPARg 的表達增加[20]。在肥胖狀態下，中樞炎癥可以超越下丘腦，影響與認知直接相關的區域海馬和大腦皮質[21]。新突現的關鍵詞前額葉皮質與記憶障礙突變強度為 2.46 預示著這 2 個領域將會是研究的關注熱點[22]。
綜合分析相關文獻，可見近幾年肥胖-神經炎癥相關的研究熱點集中在認知障礙、大腦皮質、腦腸軸、腸道微生物等方面，與此次可視化的研究結果顯示的熱點方向趨于一致。越來越多的臨床研究表明，在代謝、內分泌、神經和免疫系統介導的肥胖病理生理學中，腦-腸道-微生物組系統內雙向信號的改變得到了支持[23]。腸道到大腦的信號也可以通過腸道微生物與基于腸道的免疫細胞相互作用而發生。這些相互作用可能導致腸道局部效應、迷走神經傳入終末效應或導致全身免疫激活（代謝性毒血癥），最終影響身體其他器官和靶細胞，包括大腦中的神經膠質細胞，導致神經炎癥[24]。
目前對于肥胖癥的治療主要還是集中在飲食控制的減重以及改變腸道微生物環境這 2 個主要的方面，但隨著越來越多的基礎研究以及臨床病例回顧性研究和臨床試驗表明，提示肥胖的治療不僅需要關注減重的治療，長期肥胖引起的神經炎癥會引起神經退行性病變也需要引起足夠重視[25]。
3.3 本研究的局限性與不足
本研究雖有一定創新但尚有不足之處，由于中文數據庫符合檢索標準的文獻數量少于 200 篇，用于大數據的分析會有很大的偏差，所以本研究未對中文數據庫進行相關的分析。與傳統分析方法相比較，雖然 CiteSpace 利用了計算機強大的算法功能對大量的數據進行分析，能更直觀地反映數據的情況，但也存在一些不足，如計算機只能機械地識別數據，有些重復數據需要人工分析，分析結果就會一定的差異。雖然存在局限性，但是隨著軟件的不斷完善與更新，這些局限會逐漸得到完善。
通過分析此次可視化研究的結果，本課題組欲將基于肥胖引起的神經炎癥導致的神經退行性病變研究領域結合腦腸軸進行進一步的探究，探索治療肥胖引起的神經退行性病變的切入點，以及通過腦腸軸的相互作用進一步研究減肥的相關治療。
作者貢獻：周葉提出研究構思并進行數據收集與可視化分析；趙貝負責全文的審校和修訂。
利益沖突：所有作者聲明不存在利益沖突。
