背景全科医生的培养和发展始终是医学界关注的焦点,而各国对全科医生的培训模式和方法存在显著的差异。目的总结并揭示我国全科医生培养的热点、趋势以及挑战,同时对比国外做法,为我国全科医生的未来发展提供借鉴和指导。方法采用文献...背景全科医生的培养和发展始终是医学界关注的焦点,而各国对全科医生的培训模式和方法存在显著的差异。目的总结并揭示我国全科医生培养的热点、趋势以及挑战,同时对比国外做法,为我国全科医生的未来发展提供借鉴和指导。方法采用文献计量学的方法,以CiteSpace 6.1.R Advanced软件为工具,国内研究分析基于中国知网(CNKI),国外研究分析选取Web of Science核心数据库(WOSCC),对2013—2023年国内外全科医生培养的文献进行筛选与定量化分析,并归纳总结。结果我国全科医生教育的研究数量逐年增长;我国研究机构以首都医科大学全科医学与继续教育学院发文量最多,但各机构间的合作不紧密;国外主要发文国家为英国和澳大利亚;我国全科医生培养研究偏向于教育方法改革和服务方向优化,而同期国外全科医生培养的研究侧重于人工智能技术的应用和对精神心理疾病的关注。结论我国全科医生培养的研究活动增长显著,集中在教育方法改革和服务方向优化,但各研究机构间需加强合作。对比国外研究模式,我国需要更多地引入新兴技术(如人工智能),并提升对精神心理疾病的关注度,以促进全科医生培养的深度和广度发展。展开更多
背景由于其强大的语言处理能力和广泛的应用潜力,以ChatGPT为代表的大语言模型引领了医疗领域自然语言处理的新趋势。目的本研究通过文献计量分析揭示2017年以来医疗大语言模型的研究热点、主题分布及未来发展方向。方法通过Web of Scie...背景由于其强大的语言处理能力和广泛的应用潜力,以ChatGPT为代表的大语言模型引领了医疗领域自然语言处理的新趋势。目的本研究通过文献计量分析揭示2017年以来医疗大语言模型的研究热点、主题分布及未来发展方向。方法通过Web of Science、中国知网、万方数据知识服务平台和维普网数据库,系统检索和筛选2017年1月-2024年6月关于医疗大语言模型的文献。利用CiteSpace软件提取文献中的主题关键词等信息,分析并对比国内外研究的演进、热点和趋势。结果共纳入1071篇相关文献,结果显示国外研究集中于人工智能、大语言模型、深度学习、知识图谱等技术在医学中的应用,而国内研究则相对较少,侧重于中文医学问答系统构建和医疗数据非结构化问题处理。结论深化医疗数据挖掘,拓展多场景应用,并借鉴国际大语言模型的微调和应用评估经验,促进我国医疗大语言模型技术的发展和医学领域应用。展开更多
2025年11月JAMA刊登了一篇《Evolving Hospital-at-Home to Meet the Needs of Children》,文章指出近30年儿童家庭医院(HaH)模式相较成年人HaH的发展滞后,儿童HaH模式实施障碍的原因包括:儿童医疗支出占比低、理想模式尚不明确、持续...2025年11月JAMA刊登了一篇《Evolving Hospital-at-Home to Meet the Needs of Children》,文章指出近30年儿童家庭医院(HaH)模式相较成年人HaH的发展滞后,儿童HaH模式实施障碍的原因包括:儿童医疗支出占比低、理想模式尚不明确、持续看护带来的照护者负担等。展开更多
文摘背景全科医生的培养和发展始终是医学界关注的焦点,而各国对全科医生的培训模式和方法存在显著的差异。目的总结并揭示我国全科医生培养的热点、趋势以及挑战,同时对比国外做法,为我国全科医生的未来发展提供借鉴和指导。方法采用文献计量学的方法,以CiteSpace 6.1.R Advanced软件为工具,国内研究分析基于中国知网(CNKI),国外研究分析选取Web of Science核心数据库(WOSCC),对2013—2023年国内外全科医生培养的文献进行筛选与定量化分析,并归纳总结。结果我国全科医生教育的研究数量逐年增长;我国研究机构以首都医科大学全科医学与继续教育学院发文量最多,但各机构间的合作不紧密;国外主要发文国家为英国和澳大利亚;我国全科医生培养研究偏向于教育方法改革和服务方向优化,而同期国外全科医生培养的研究侧重于人工智能技术的应用和对精神心理疾病的关注。结论我国全科医生培养的研究活动增长显著,集中在教育方法改革和服务方向优化,但各研究机构间需加强合作。对比国外研究模式,我国需要更多地引入新兴技术(如人工智能),并提升对精神心理疾病的关注度,以促进全科医生培养的深度和广度发展。
文摘背景由于其强大的语言处理能力和广泛的应用潜力,以ChatGPT为代表的大语言模型引领了医疗领域自然语言处理的新趋势。目的本研究通过文献计量分析揭示2017年以来医疗大语言模型的研究热点、主题分布及未来发展方向。方法通过Web of Science、中国知网、万方数据知识服务平台和维普网数据库,系统检索和筛选2017年1月-2024年6月关于医疗大语言模型的文献。利用CiteSpace软件提取文献中的主题关键词等信息,分析并对比国内外研究的演进、热点和趋势。结果共纳入1071篇相关文献,结果显示国外研究集中于人工智能、大语言模型、深度学习、知识图谱等技术在医学中的应用,而国内研究则相对较少,侧重于中文医学问答系统构建和医疗数据非结构化问题处理。结论深化医疗数据挖掘,拓展多场景应用,并借鉴国际大语言模型的微调和应用评估经验,促进我国医疗大语言模型技术的发展和医学领域应用。
文摘2025年11月JAMA刊登了一篇《Evolving Hospital-at-Home to Meet the Needs of Children》,文章指出近30年儿童家庭医院(HaH)模式相较成年人HaH的发展滞后,儿童HaH模式实施障碍的原因包括:儿童医疗支出占比低、理想模式尚不明确、持续看护带来的照护者负担等。
