PubMed與Embase的主題標(biāo)引及主題檢索功能比較研究

,,

PubMed和Embase是生物醫(yī)學(xué)領(lǐng)域的兩大文摘類數(shù)據(jù)庫，它們獨有的主題詞表有效地提高了文獻(xiàn)標(biāo)引及檢索能力，因而受到專業(yè)人士的青睞。PubMed長期堅持免費開放，在全球范圍內(nèi)擁有廣泛的用戶基礎(chǔ)；Embase近年來除保持藥學(xué)與病理學(xué)方面的特色外，還通過整合MEDLINE數(shù)據(jù)(PubMed的主體部分)提升產(chǎn)品影響力。對二者的詞表構(gòu)成及標(biāo)引策略展開研究，既能促進(jìn)用戶對檢索系統(tǒng)的認(rèn)識和利用，也能推動信息檢索理論的發(fā)展。

1 國內(nèi)外研究現(xiàn)狀

對PubMed或Embase的分析或比較研究，國內(nèi)外均已有較多文獻(xiàn)述及。在數(shù)據(jù)標(biāo)引、收錄范圍、所用詞表，專指度等方面[1-3]，認(rèn)為MeSH詞表的收詞量及專指度較為適宜[4]；Emtree的詞匯量大，專指性強(qiáng)，因而可保證較高的查全率和查準(zhǔn)率[5]；Embase主題檢索查全率高于PubMed，PubMed基本檢索查準(zhǔn)率更高[6]。需注意的是，這些成果大多發(fā)表于20年前，由于研究視角、研究方法不同，尤其是檢索問題、檢索范圍、檢索時間及檢索途徑不同，還可能導(dǎo)致研究結(jié)論完全不同[7-9]。在國外研究方面，除Bekhuis等[10]所做的MeSH和Emtree收錄術(shù)語及覆蓋范圍的比較效果研究(Comparative Effectiveness Research，CER)外，較多學(xué)者將注意力集中于醫(yī)學(xué)某一分支領(lǐng)域開展實驗性比較研究，如關(guān)于ClinicalTrials.gov、PubMed、Embase及Google scholar收錄卵巢癌臨床試驗結(jié)果的透明度分析[11]，MEDLINE和Embase數(shù)據(jù)庫麻醉學(xué)系統(tǒng)綜述檢索策略優(yōu)化的實驗研究等[12]。Cadwell等認(rèn)為，利用Embase的“Major Focus”功能可減少臨床系統(tǒng)綜述文獻(xiàn)的篩查負(fù)擔(dān)[13]；Glanville等認(rèn)為，盡管Embase是健康技術(shù)評估(HTAs)時需檢索的一個關(guān)鍵數(shù)據(jù)庫，但因其主題詞數(shù)量太多而可能導(dǎo)致查準(zhǔn)率不高[14]；Lam等發(fā)現(xiàn)盡管Embase的收錄范圍更廣，但美國和加拿大的醫(yī)學(xué)界并未用Embase替代MEDLINE[15]。

從數(shù)據(jù)庫及檢索系統(tǒng)本身變化情況來看，Embase于2017年在檢索途徑及功能方面作了重大升級，2018年發(fā)布了新版Embase標(biāo)引策略綜合指南；PubMed在主題詞表的修訂與完善方面也做了較多改變，2018年新增主題詞1000余個，為近年來增幅之最，還在增補(bǔ)概念表中新增了有機(jī)體類詞匯，在限定檢索中增加了主題限定等。

綜上，國內(nèi)雖有PubMed與Embase的比較研究，但大多成文時間較早，難以反映最新內(nèi)容，研究結(jié)論的不一致也易使讀者產(chǎn)生混淆；國外則更偏重于應(yīng)用領(lǐng)域的實驗性研究，對二者詞表構(gòu)成及主題標(biāo)引的比較分析較少，反映最新變化較少。

2 詞表簡介及構(gòu)成

2.1 MeSH詞表

PubMed所用敘詞表為《醫(yī)學(xué)主題詞表》(Medical Subject Headings，以下簡稱MeSH)，由美國國立醫(yī)學(xué)圖書館(以下簡稱NLM)編制而成，主要用于NLM生物醫(yī)學(xué)文獻(xiàn)信息的索引編目以及檢索利用。MeSH屬于層級制醫(yī)學(xué)受控詞表，具有相對完善和固定的結(jié)構(gòu)體系，被認(rèn)為是詞表之典范[1]。其創(chuàng)建時間最早可追溯至1940年《醫(yī)學(xué)索引》的季度累積主題索引。1960年，隨著《醫(yī)學(xué)索引》新專輯的出版，《醫(yī)學(xué)主題詞表》首版正式發(fā)行，共收錄4400個詞匯[16]。目前，詞表分為16個大類，最多可達(dá)13個層級[17]。

MeSH詞表由主題詞(Descriptors，亦稱敘詞)、副主題詞(Qualifiers，亦稱限定詞)和增補(bǔ)概念(Supplementary Concept Records，簡稱SCRs)3類記錄構(gòu)成。主題詞是MeSH的主體部分，由以下4類記錄構(gòu)成：第1類為主標(biāo)題(Main Headings)，用于MEDLINE數(shù)據(jù)庫、出版物和其他數(shù)據(jù)庫收錄文獻(xiàn)內(nèi)容特征的編目索引，可在PubMed的[MH]字段中檢索到，一般為年度更新，遇特殊情況時會頻繁更新，如2003年的“非典”時期，NLM在5月份就將“Severe Acute Respiratory Syndrome”與“SARS Virus”加入到MeSH中；第2類為出版類型(Publication Characteristics或Publication Types)，如期刊文章、臨床試驗、綜述等；在MEDLINE記錄中標(biāo)記為“PT”而不是“MH”；第3類為特征詞(Check Tags)，用于特定類別信息的標(biāo)引，不會出現(xiàn)在MeSH樹狀結(jié)構(gòu)表中，之前曾收錄人類、動物、性別、年齡等特征詞，目前僅保留性別(包括“男性”和“女性”)特征詞，其余均轉(zhuǎn)換為第1類主題；第4類為地理名詞(Geographics)，用來描述物理位置，列入MeSH樹狀結(jié)構(gòu)表的Z類中。

副主題詞是指對主題某一方面內(nèi)容進(jìn)行限定的詞，如“治療”“遺傳學(xué)”等，其數(shù)量比主題詞少很多，也相對固定，官方宣稱現(xiàn)有80個，但筆者發(fā)現(xiàn)其中的“antagonists & inhibitors”與“antagonists and inhibitors”疑為重復(fù)。一般情況下副主題詞不單獨使用，但在PubMed中也可使用[SH]標(biāo)記實現(xiàn)副主題詞字段的限定檢索。

標(biāo)引人員常會遇到找不到合適的主題詞標(biāo)引文獻(xiàn)的情況，如某些特定化學(xué)品、罕見疾病或藥物聯(lián)合治療方案等。NLM的解決方案是將其作為增補(bǔ)概念記錄(SCRS)添加至MeSH詞表中作為補(bǔ)充。不同于正規(guī)主題詞的是，增補(bǔ)概念不列入MeSH樹狀結(jié)構(gòu)中，而是單獨成表，通過MeSH字段映射的方式來建立與主題詞表的聯(lián)系并實現(xiàn)其檢索功能。從結(jié)構(gòu)上看，增補(bǔ)概念包含術(shù)語結(jié)構(gòu)和概念結(jié)構(gòu)兩種模式，術(shù)語結(jié)構(gòu)由入口詞、優(yōu)選詞兩級結(jié)構(gòu)組成，概念結(jié)構(gòu)由類、概念和術(shù)語三級結(jié)構(gòu)組成。概念和術(shù)語之間為嚴(yán)格的同義關(guān)系，類和概念之間可以是密切關(guān)聯(lián)的同義、相關(guān)或廣義關(guān)系[18-19]。從內(nèi)容上看，增補(bǔ)概念分為4類：化學(xué)物質(zhì)和藥物，主要映射到D類主題；治療方案，用于化療方案，一般映射到主題“抗腫瘤聯(lián)合化療方案”和其他D類主題；罕見疾病，一般映射到C類和部分A類主題；有機(jī)體為2018年新增內(nèi)容，一般映射到B類主題。目前，增補(bǔ)概念表每周更新，現(xiàn)收錄詞匯逾24萬[17]。

2.2 Emtree詞表

Emtree是生物醫(yī)學(xué)和相關(guān)生命科學(xué)領(lǐng)域的一種層級結(jié)構(gòu)受控詞表，主要用于Embase收錄文獻(xiàn)的標(biāo)引與檢索[20]。Emtree詞表創(chuàng)建于1988年，其前身為MALIMET(Master List of Medical Indexing Terms)，在規(guī)范控制方面借鑒了MeSH[5,21]的樹狀層級結(jié)構(gòu)，所以二者在結(jié)構(gòu)上相似。目前，該詞表由14個大類構(gòu)成，分類層級比MeSH更多，如“Chlorocebusaethiops”，在MeSH中為第13級，在Emtree中為第22級。 與MeSH類似，Emtree由主題詞(Preferred Terms，亦稱優(yōu)先詞)、副主題詞(Subheadings)和候選詞(Candidate Terms)3類術(shù)語構(gòu)成，具體包括通用術(shù)語、藥物名、特征詞、候選詞、副主題詞(藥物、疾病及設(shè)備類)、藥物商品名及廠商名、設(shè)備商品名及廠商名、臨床試驗號、分子序列號以及CAS的化學(xué)物質(zhì)登記號等10大類[22]。 Emtree的副主題詞數(shù)量共計82個，其中疾病類14個、藥物類64個、設(shè)備類4個，總量與MeSH大致相當(dāng)。與MeSH不同的是，Emtree僅疾病、藥物或設(shè)備類主題詞才搭配副主題詞。

3 詞表詳細(xì)比較

3.1 ELSEVIER的觀點

ELSEVIER從收錄術(shù)語數(shù)量、詞表結(jié)構(gòu)及覆蓋范圍、更新頻率等方面詳細(xì)比較了Emtree與MeSH：Emtree收錄術(shù)語數(shù)量更多，在藥物類主題方面覆蓋范圍更廣、更新速度更快，更方便用戶查閱最新文獻(xiàn)等，具體見表1[23]。

3.2 補(bǔ)充比較

主題詞的表現(xiàn)形式不一，各有優(yōu)缺點。Emtree的自然語序形式更為直觀，更易于識別和理解；而MeSH的倒置形式則是為了使用戶在利用主題詞字順表、索引表或在檢索輸入過程中能夠更便捷地識別與選擇同族詞匯，這種倒置表達(dá)形式可在一定程度上彌補(bǔ)檢索系統(tǒng)沒有分類檢索功能的不足[4]。

Emtree收詞量比MeSH大，二者的側(cè)重點和新詞處理方式大同小異。Emtree收錄主題詞82 067個[22]，約為MeSH的2.8倍。其中“化學(xué)品和藥物”類所占比例最重，達(dá)39.54%；其后依次為“過程、參數(shù)和設(shè)備”類(14.30%)及“疾病”類(11.58%)。“化學(xué)品和藥物”類收錄的可用于檢索的同義詞在其同義詞表中所占比例更高，達(dá)60%[23]。正因為如此，ELSEVIER在產(chǎn)品介紹時特別強(qiáng)調(diào)Embase側(cè)重于藥物、疾病與設(shè)備檢索。

筆者統(tǒng)計2018年的MeSH詞表發(fā)現(xiàn)，“D化學(xué)品和藥品”類占整個MeSH詞表的38.37%，其后依次為“C疾病”類(占19.70%)，“E分析、診斷與治療用技術(shù)及設(shè)備”類(占8.69%)。三者累積達(dá)66.76%，比Emtree還略高一些，說明MeSH從總體上也是側(cè)重于藥物、疾病與設(shè)備的。在數(shù)據(jù)更新方面，二者均使用了自動標(biāo)引與人工標(biāo)引相結(jié)合的方式。2009年，Embase引入自動標(biāo)引技術(shù)，會議摘要、預(yù)出版文獻(xiàn)以及處理過程中的文獻(xiàn)均采用自動標(biāo)引技術(shù)[24]，PubMed則要更早些。新主題詞替換舊主題詞時，Embase將會回溯更新數(shù)據(jù)[24]；而PubMed僅在副主題詞更替時才會回溯更新數(shù)據(jù)，主題詞變更時則不作處理，這就需要用戶在主題詞檢索過程中關(guān)注主題詞的變化情況。二者的新詞處理方法相似：在Embase的數(shù)據(jù)標(biāo)引過程中，標(biāo)引人員遇到新詞時可將其作為候選詞(candidate term)直接編入Emtree[25]；PubMed的標(biāo)引人員在遇到新詞時可將其放到增補(bǔ)概念表中，用戶可在MeSH中直接檢索，增補(bǔ)概念表每周更新，與Emtree的每年更新3次相比，更新頻率更快[26]。

在入口詞或同義詞方面，NLM宣稱PubMed的入口詞有9萬多條，增補(bǔ)概念表收錄詞匯超過24萬條，二者累積量超過了Emtree的同義詞。Embase將MeSH詞匯完全收入后大多作為入口詞或同義詞，為用戶從PubMed轉(zhuǎn)到Embase提供了方便。在藥物方面，其同義詞數(shù)量總體上超過MeSH。

以“阿司匹林”為例，MeSH直接采用“Aspirin”，收錄入口詞共19個，利用MeSH Browser查詢到增補(bǔ)概念表中映射到該詞的記錄共104個；Emtree采用的是“acetylsalicylic acid”，其同義詞數(shù)量多達(dá)268個?？梢奅mtree的主題詞標(biāo)引粒度更細(xì)。

表1 Emtree與MeSH的不同點

*2018年5月的數(shù)據(jù)

盡管二者副主題詞數(shù)量大致相當(dāng)，但標(biāo)引方式大相徑庭。在PubMed中，任一類主題詞均有可與之匹配的若干副主題詞，且副主題詞間是分級的，最多可存在3個層級，如“外科學(xué)-治療-移植。若用戶檢索某一主題時選擇了其副主題詞“治療”或“外科學(xué)”，其檢索結(jié)果均包含了“移植”的相關(guān)內(nèi)容。讓人難以理解的是，PubMed檢索系統(tǒng)實現(xiàn)了自動擴(kuò)展檢索副主題詞功能，卻沒有在用戶檢索操作界面中將副主題詞的層級清晰直觀地體現(xiàn)出來，這種功能上的缺失可能會使用戶感到困擾。在主題檢索過程中，PubMed檢索系統(tǒng)會自動屏蔽那些無法與之匹配的副主題詞，如以“肝腫瘤”作主題詞時，系統(tǒng)會屏蔽 “化學(xué)合成”“藥理學(xué)”“治療應(yīng)用”等副主題詞。在Embase中，僅有疾病、設(shè)備和藥物3類主題詞可搭配副主題詞：藥物類副主題詞共64個，其中47個為給藥途徑類副主題詞，其他17個副主題詞中有5個為主要副主題詞；疾病類副主題詞14個，2個為主要副主題詞；設(shè)備類副主題詞4個，于2014年引入，其中2個為主要副主題詞[27]。此外，在Embase中副主題詞與主題詞的結(jié)合不如PubMed緊密，Embase強(qiáng)調(diào)其副主題詞可獨立于特定主題，可單獨檢索，因而被稱為自由浮動(free-floating)或浮動(floating)副主題詞[21]。這樣做的好處是在標(biāo)引或檢索時組配更加靈活，缺點則是可能會產(chǎn)生檢索噪音。

4 實例分析

4.1 主題標(biāo)引

前已述及，Emtree主題詞數(shù)量是MeSH的2.8倍，因而從理論上來說，Embase收錄文獻(xiàn)的主題詞數(shù)量應(yīng)超過PubMed，加拿大藥物與生物技術(shù)局的最新研究證實了該推斷。研究顯示，Embase的檢索結(jié)果中平均有3～4個主要主題詞和最多50個次要主題詞，而MEDLINE記錄平均只有10～20個主題詞[14]。

此外，二者在副主題詞標(biāo)引方面差異明顯。如PubMed中可與“阿司匹林”組配的副主題詞共有30個，Embase僅有17個副主題詞，Embase只是在“給藥途徑”方面細(xì)分出47種不同給藥方式；再如以“肝腫瘤”作為主題詞檢索時，PubMed可與之匹配的副主題詞達(dá)49個，而Embase則僅有14個。Emtree在副主題詞組配方面存在小“瑕疵”，如藥物類主題詞可組配“藥物治療”，而疾病類主題詞可組配“副作用”，邏輯上不太合理；PubMed則處理得更好，藥物類主題組配“治療應(yīng)用”，疾病類主題則組配“治療”，“副作用”只與化學(xué)及藥物類主題詞組配。究其原因，筆者認(rèn)為是標(biāo)引方法不同所致，Embase采用浮動或自由浮動副主題詞的方式進(jìn)行標(biāo)引，而PubMed則采用先組式標(biāo)引方式，主題詞與副主題詞關(guān)系緊密，存在嚴(yán)格的邏輯主從關(guān)系。

長期以來，PubMed對中醫(yī)藥文獻(xiàn)的收錄與標(biāo)引缺乏足夠重視，而Embase宣稱在亞洲文獻(xiàn)的收集方面超過PubMed。筆者以點代面，以“龍膽瀉肝湯”為例，考察比較二者中醫(yī)文獻(xiàn)收錄及標(biāo)引情況。經(jīng)檢索發(fā)現(xiàn)，MeSH將龍膽瀉肝湯收入SRCs中，并映射到主題詞“Drugs,Chinese Herbal”下，可直接檢索。在檢索過程中也發(fā)現(xiàn)存在因翻譯差異造成重復(fù)收錄的情況，如2008年收錄“l(fā)ongdanxiegan decoction”，2010年收錄“l(fā)ongdanxiegan tang”。此外發(fā)現(xiàn)類似的情況還存在因漢語拼音與拉丁文翻譯不同、劑型缺省、詞形差異等原因造成的重復(fù)收錄[28]。Emtree則將“l(fā)ongdanxiegan tang”列入候選詞表中，未見有術(shù)語重復(fù)收錄的情況，檢出的文獻(xiàn)也比PubMed的多。

4.2 主題檢索

筆者使用中發(fā)現(xiàn)，在一般情況下，Embase的檢索結(jié)果往往比PubMed的多。以“阿司匹林”為例，在PubMed與Embase中選擇主題途徑檢索，檢索日期為2018-06-01，分別得到42 330和195 434篇文獻(xiàn)。在對檢索結(jié)果的進(jìn)一步篩選時，Embase檢索系統(tǒng)的優(yōu)勢就體現(xiàn)出來，可根據(jù)每一篩選項尤其是自動浮動副主題詞以及其后列出的檢索結(jié)果適時調(diào)整檢索策略。

Embase在2017年改版后不僅增加了藥物安全警示導(dǎo)引(PV Wizard)、循證醫(yī)學(xué)(PICO)等檢索途徑，恢復(fù)了設(shè)備檢索途徑，而且大大提升了檢索結(jié)果處理能力。一是在藥物、疾病及設(shè)備等3類主題檢索時，用戶可在檢索結(jié)果列出后進(jìn)一步限定副主題詞；二是系統(tǒng)會在檢索結(jié)果頁的左部列出來源、藥物、疾病、設(shè)備、浮動副主題詞、年齡、性別、研究類型、出版類型、期刊名稱、出版年、作者、會議摘要、藥物商品名、藥物廠商名、設(shè)備商品名及設(shè)備廠商名17類篩選項，點擊“疾病”“藥物”或“設(shè)備”中的任一類，系統(tǒng)會列出檢索結(jié)果中包含該類主題，再點擊其后的“details”圖標(biāo)后，系統(tǒng)會彈出“主要副主題詞”選擇框，待用戶選擇后，系統(tǒng)還會進(jìn)一步彈出與之相關(guān)的其它主題詞的列表供用戶進(jìn)一步限定。Embase的浮動副主題詞文獻(xiàn)篩選功能在一定程度上相當(dāng)于PubMed的多主題詞合并檢索，但不同的是，Embase的用戶可根據(jù)檢索結(jié)果適時優(yōu)化檢索策略。該功能還可為用戶帶來很多益處，如幫助用戶從藥物的角度獲取文獻(xiàn)中涉及藥物不良反應(yīng)、藥物聯(lián)用、藥物比較等細(xì)節(jié)性的內(nèi)容；從疾病領(lǐng)域出發(fā)，對文獻(xiàn)進(jìn)行篩選，進(jìn)行疾病分析；查尋一些在研或上市的藥物名稱等。浮動副主題詞文獻(xiàn)篩選功能的實現(xiàn)主要得益于Embase的“三重標(biāo)引(Triple Indexing)”機(jī)制，如表2所示[29]。

二者在主題檢索中還有其他一些小功能，如“AutoComplete”功能，即在輸入主題詞時能從主題詞表中將所有以這些字母開頭的數(shù)據(jù)提示給用戶，供用戶選擇。

表2 Embase三重標(biāo)引示例

5 結(jié)語

綜上所述，從發(fā)展歷程上看，MeSH歷史久遠(yuǎn)，體系結(jié)構(gòu)成熟穩(wěn)定，被許多其他醫(yī)學(xué)文獻(xiàn)檢索系統(tǒng)直接借鑒或間接參考；Emtree也不例外，不僅借鑒了其規(guī)范化控制，還將MeSH術(shù)語納入自身的同義詞表。從構(gòu)成關(guān)系上看，二者結(jié)構(gòu)類似，Emtree體量更大，但從入口詞與同義詞數(shù)量來看，利用增補(bǔ)概念擴(kuò)充MeSH可從數(shù)量上接近Emtree。從主題標(biāo)引上看，二者各有特色，PubMed在規(guī)范性方面更為出色，Embase的篇均標(biāo)引量更高。在檢索功能方面，PubMed更注重降低用戶的學(xué)習(xí)成本，操作簡捷易用，而Embase在用戶友好性方面更勝一籌。