shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

关键词趋势追踪器

追踪生物医学研究关键词的发表速度和趋势变化，识别新兴热点、衰退领域和研究动能转移，为选题决策、基金申请和文献综述提供数据支持

personAuthor: aipoch-aihubclawhub
open_in_newRepositorydownloadDownload package

关键词趋势追踪器

追踪生物医学研究关键词在学术文献中的发表速度（velocity）和趋势变化，量化研究热度的时间演变模式。

适用场景

  • 选题决策：评估研究方向是上升期、平台期还是衰退期
  • 基金申请：用趋势数据论证课题的前沿性或临床紧迫性
  • 文献综述：识别领域内概念替代、方法迭代、疾病关注度转移
  • 竞争分析：对比多个技术路线或治疗靶点的研究热度
  • 职业规划：选择有增长潜力的研究赛道

触发条件

当用户提到以下需求时使用本技能：

  • "这个关键词的研究趋势如何"
  • "帮我看看 XX 领域是不是热点"
  • "对比几个技术的发表速度"
  • "这个疾病的研究热度是上升还是下降"
  • "keyword velocity"、"publication trend"、"research momentum"
  • "track keyword growth"、"emerging topic detection"

核心功能

1. 时间序列发表量统计

为指定关键词生成逐年（或逐季度/逐月）发表量曲线，计算：

  • 绝对增长：每年新增论文数
  • 相对增长率：年同比增长百分比
  • 累积发表量：总文献池规模
  • 加速度指标：增长率的变化率（二阶导数）

2. 多关键词对比分析

并行追踪 2-6 个关键词，输出：

  • 标准化趋势曲线（归一化到 0-100 或按基线年标准化）
  • 交叉点识别（某关键词超越另一关键词的时间节点）
  • 相对市场份额（各关键词占总相关文献的比例）

3. 趋势模式分类

基于曲线形态将关键词归类为：

  • 指数增长型：持续加速上升（如 CRISPR 2012-2020）
  • 线性增长型：稳定匀速增长（成熟领域标配）
  • S 型增长型：早期缓慢→快速爆发→平台期（典型技术生命周期）
  • 衰退型：峰值后持续下降（被替代的旧技术/概念）
  • 周期波动型：受政策、疫情、临床事件驱动的周期性起伏

4. 领先指标识别

检测可能预示趋势转折的信号：

  • 早期加速：发表量连续 2-3 个季度环比增长 >30%
  • 顶部钝化：增长率连续下降但绝对量仍在高位
  • 复合词爆发：含目标关键词的新组合词突然激增（如"AI + 病理学"）
  • 高影响因子期刊渗透：CNS 级期刊开始接收该主题（跨越鸿沟信号）

工作流程

步骤 1：关键词规范化

  • 接收用户输入的关键词（可以是疾病、技术、药物、生物标志物等）
  • 识别同义词和缩写变体（如"CAR-T" vs "chimeric antigen receptor T cell"）
  • 构建布尔检索式以覆盖所有相关文献

步骤 2：时间切片检索

使用 PubMed/Web of Science 数据：

检索公式示例（CRISPR 趋势分析）：
2015: ("CRISPR"[Title/Abstract] OR "Cas9"[Title/Abstract]) AND 2015[PDAT]
2016: ("CRISPR"[Title/Abstract] OR "Cas9"[Title/Abstract]) AND 2016[PDAT]
...
2025: ("CRISPR"[Title/Abstract] OR "Cas9"[Title/Abstract]) AND 2025[PDAT]

对每个时间段统计命中文献数，构建时间序列。

步骤 3：趋势计算与可视化

生成以下输出：

数据表格：

年份 | 发表量 | 同比增长 | 累积总量 | 占当年生物医学文献比例
2015 | 1,245  | -       | 1,245   | 0.05%
2016 | 2,103  | +68.9%  | 3,348   | 0.08%
...

趋势曲线：折线图或面积图，标注关键拐点

增长率热力图：按年份和季度展示增长速度的二维色阶图

步骤 4：情境化解读

为趋势数据提供研究情境：

  • 历史事件对照：标注可能影响趋势的里程碑（FDA 批准、重大临床试验结果、诺奖授予等）
  • 领域基线对比：对比该关键词与整体生物医学文献增长率（判断是相对增长还是随大盘）
  • 地理分布变化：追踪主要发表国家的转移（如从欧美主导到中国贡献激增）

输出格式

简洁版（单关键词）

## 关键词趋势分析：[关键词]

**检索范围**：2015-2025，PubMed Title/Abstract
**总文献量**：12,345 篇
**趋势类型**：指数增长型

### 关键指标
- 2015 基线：245 篇/年
- 2025 当前：3,891 篇/年
- 十年复合增长率（CAGR）：32.1%
- 峰值年份：2024（4,102 篇）

### 趋势判断
✅ 持续上升期，未见饱和迹象
⚠️ 2024-2025 增长率从 45% 降至 12%，可能进入平台期

### 建议
- **适合新课题**：该领域仍在快速扩张，竞争激烈但机会多
- **注意细分**：寻找尚未饱和的子方向（如特定疾病应用、新递送系统）

对比版（多关键词）

生成并行趋势曲线 + 交叉点分析表 + 相对份额饼图。

高级版（含预测）

使用时间序列模型（ARIMA/指数平滑）推测未来 2-3 年趋势，标注预测区间。

真实案例

案例 1：免疫检查点抑制剂 vs CAR-T 细胞疗法

研究问题：肿瘤免疫治疗两大技术路线的研究热度对比

分析结果：

  • PD-1/PD-L1 抑制剂：2013-2018 指数增长，2019 后进入线性增长（年均 +15%）
  • CAR-T：2017 后快速爆发，2020 增长率超越 PD-1，但 2023 后增速放缓
  • 交叉点：2021 年 CAR-T 年发表量首次超过 PD-1 单抗

选题启示：

  • PD-1 已成熟，适合做联合疗法、生物标志物、耐药机制等细分课题
  • CAR-T 仍在上升期但竞争白热化，需聚焦实体瘤、通用型 CAR-T 等前沿方向

案例 2："Long COVID"关键词爆发追踪

时间线：

  • 2020 Q1-Q3：几乎无文献（疾病刚出现）
  • 2020 Q4：34 篇（概念提出）
  • 2021 全年：892 篇（+2,523% 同比）
  • 2022 全年：2,341 篇（+162%）
  • 2023-2024：平台期（约 2,500-2,800 篇/年）

模式：典型的"新发公共卫生事件"驱动型 S 曲线，2023 后进入稳态

基金申请建议：

  • 2021-2022：绝佳申请窗口（热点初起，竞争适中）
  • 2024 后：需强调独特角度（如特定人群、机制创新）以突出重围

案例 3："Gut-Brain Axis"（肠脑轴）长期趋势

跨度：2000-2025

模式识别：

  • 2000-2010：低基线期（<100 篇/年）
  • 2011-2016：线性增长期（年均 +18%）
  • 2017-2023：加速增长期（年均 +35%，复合词如"microbiome-gut-brain axis"激增）
  • 2024-2025：增速略降但绝对量仍在高位（约 1,800 篇/年）

领域成熟度：进入主流但尚未饱和，适合做疾病特异性应用（如肠脑轴与阿尔茨海默病、自闭症、抑郁症等）

案例 4：技术替代案例 - 二代测序取代微阵列

对比关键词：

  • "Microarray"：2005 年峰值（约 8,000 篇/年），2010 后持续衰退，2025 年仅约 800 篇
  • "Next-generation sequencing / NGS"：2010 起步，2015 超越 Microarray，2025 约 12,000 篇/年

交叉年份：2015（技术范式转移完成）

启示：识别此类替代趋势可避开夕阳技术，及时转向新平台

数据源与工具

本技能主要依赖：

  • PubMed/MEDLINE：通过 Entrez API 或直接检索统计发表量
  • Web of Science / Scopus（如可访问）：提供引用数据和学科分类
  • Google Scholar（补充）：覆盖预印本和灰色文献
  • 分析工具：Python (pandas, matplotlib) 或 R 用于时间序列分析
  • 趋势可视化：生成折线图、面积图、热力图

注意事项

检索陷阱

  • 同义词遗漏：必须包含缩写、全称、历史术语（如"iPSC"也要搜"induced pluripotent stem cell"）
  • 过度泛化：某些词（如"AI"、"cancer"）过于宽泛，需与具体情境组合
  • 语言偏倚：PubMed 主要英文文献，中文数据库（CNKI、万方）需单独统计

趋势解读误区

  • 混淆绝对量与相对增长：某关键词发表量增加可能只是因为整体生物医学文献增长
  • 短期波动 ≠ 长期趋势：单年暴涨可能受单个重大事件驱动（如疫情、FDA 批准），需看 3-5 年连续数据
  • 发表量 ≠ 科学价值：高发表速度可能反映热度而非突破性进展

局限性

  • 滞后性：文献从投稿到发表通常滞后 6-18 个月，最新趋势需结合预印本
  • 质量差异：发表量不区分高影响因子期刊与低质期刊
  • 地域与资金驱动：某些趋势受政策导向（如中国"双一流"学科建设）而非纯科学逻辑

进阶应用

1. 子领域细分追踪

对热门关键词进一步拆解，如：

  • "CRISPR" → "CRISPR base editing"、"CRISPR prime editing"、"CRISPR screening"
  • 识别哪个子技术增速最快

2. 跨学科渗透分析

追踪某关键词在不同学科的发表分布变化：

  • 例如"Machine Learning"从计算机科学渗透到病理学、放射学、药物设计的时间线

3. 作者机构追踪

统计发表该关键词文献的主要国家/机构，识别：

  • 领跑者：最早布局且持续产出的团队
  • 追赶者：近期快速进入的新兴力量
  • 地域转移：研究中心从欧美向亚洲转移的时间节点

4. 与资助数据联动

结合 NIH RePORTER、NSFC 等基金数据库，分析：

  • 基金立项是否领先于文献爆发（通常领先 2-3 年）
  • 资助强度与发表量的相关性

常见问题

Q：趋势追踪需要多长时间窗口？
A：至少 5 年数据以识别真实趋势；10 年以上可看完整技术生命周期；新兴领域可缩短到 3 年但需更高频次（季度级）。

Q：如何判断一个关键词值得追踪？
A：初步检索显示近 3 年发表量 >100 篇/年，或连续两年增长率 >50%，或出现在高影响因子期刊综述中。

Q：能预测未来趋势吗？
A：可基于历史数据做短期（1-2 年）外推，但科学发现、政策变动、临床试验结果等突发事件会打破预测；预测主要用于识别"如果当前模式延续"的情景。

Q：如何将趋势分析用于基金申请？
A：在立项依据中用趋势曲线论证"该方向正处于快速增长期"（上升期课题）或"尽管发表量大但关键问题未解决"（成熟期课题的新角度），避免选择已衰退的方向。

适用研究类型：所有生物医学领域的选题论证、文献综述、竞争分析
输出时长：单关键词 5 分钟；多关键词对比 10-15 分钟；含预测和深度解读 20 分钟
依赖工具：web_search（文献检索）、数据分析能力（统计与可视化）