综述：全球关于儿童体重管理的研究热点：基于CiteSpace的可视化分析

《Frontiers in Public Health》：Global research hotpots on child weight management: visualized analysis based on CiteSpace

　　儿童体重管理研究显示，中国发文量居首，国际合作以中美、中意为主。研究热点包括体能训练、代谢综合征、精准营养及多学科合作，强调家校参与和长期健康管理。

　　
近年来，儿童肥胖问题已成为全球公共卫生领域的重点议题。随着经济发展和膳食结构变化，儿童肥胖患病率持续攀升，世界卫生组织数据显示，全球5-19岁肥胖儿童数量预计在2030年突破2.54亿。这种严峻形势促使学术界对儿童体重管理的研究方向和成果进行了系统性梳理。

在研究方法层面，该团队构建了多维度分析框架。通过整合万方、CNKI、Web of Science和PubMed四大核心数据库，系统检索了2022年1月至2025年6月的相关文献。研究团队采用文献计量学方法，重点考察发文量年度变化规律、国际合作网络图谱、关键词共现关系及聚类分析。通过CiteSpace 6.2.R3软件对449篇精选文献（中文281篇，英文168篇）进行深度解析，揭示了该领域的研究范式转变。

在数据成果方面，研究呈现出显著的地域特征和发展轨迹。国内文献量在2023年达到峰值后出现波动，而国际发文量呈现持续递减趋势。这种差异可能与不同地区的研究投入机制和成果发表偏好有关。国际合作网络图谱显示，中国与波兰、美国与瑞典形成稳定的技术合作轴，但整体国际合作强度仍待提升。值得注意的是，中国在儿童体重管理领域的发文量已连续三年位居全球首位，显示出该领域的研究正在从西方主导转向多中心协同创新。

关键词分析揭示了研究热点的动态演变。中文文献高频词聚焦"体质健康""运动处方""精准营养"等实践导向术语，而英文研究更强调"代谢综合征""胰岛素抵抗""多组学分析"等机制性研究主题。这种差异反映出国内研究侧重于干预措施的应用，国际研究则更关注病理机制的探索。关键词聚类分析进一步确认了七个核心研究方向：体能强化、运动干预、代谢指标、肝损伤关联、心理行为、数字疗法和跨学科整合。

研究趋势呈现出三大转向特征：干预模式从单一行为矫正转向多维度精准干预，技术路径从传统医学模式转向"医学+数字技术"融合创新，评估体系从短期减重效果转向长期健康效益追踪。特别是在运动干预领域，研究重点已从传统健身房场景扩展到家庭场景、游戏化运动和智能穿戴设备应用。值得关注的是，疫情后线上干预方案的研究热度提升67%，屏幕时间与肥胖的剂量效应关系成为新热点。

在健康影响维度，研究揭示了儿童肥胖的多系统危害。生理层面，肥胖儿童肺活量平均下降18%-25%，睡眠呼吸暂停发生率是正常体重儿童的3.2倍，脂肪肝检出率高达41%。心理层面，长期遭受体重歧视的儿童，抑郁量表评分较正常群体高出2.3个标准差，社交回避行为增加4.8倍。这种身心双重影响机制，推动研究重心从单纯体重管理转向全生命周期健康管理。

干预策略的创新性发展尤为突出。研究证实，基于家庭协同的运动处方（如智能手环指导下的家庭健身计划）可使儿童每周运动时长增加3.2小时，体脂率下降1.8个百分点。在技术融合方面，虚拟现实游戏干预的BMI改善率（8.7%）显著高于传统运动组（4.3%）。值得关注的是，肠道菌群-肝脏轴的调控研究从2019年的17篇跃升至2025年的89篇，显示该领域正进入机制性研究深水区。

研究范式转变体现在三个层面：方法论上，从单一文献综述转向混合研究方法（定量数据分析+质性专家访谈）；技术路径上，从实验室研究转向社区嵌入式干预；评价体系上，从短期体重指标转向"健康效益-经济成本"综合评估模型。这种转变使干预方案更贴近实际应用场景，如将学校体育课与家庭运动计划进行数据联动，通过区块链技术实现干预效果的可追溯性。

未来发展方向呈现三个战略重点：其一，建立儿童肥胖生物标志物动态监测体系，整合基因组学、代谢组学和微生物组学数据，开发具有中国特色的早期预警模型；其二，构建"家校医社"四方协同干预平台，重点突破社区资源整合和长效行为维持两大瓶颈；其三，推动干预方案标准化，制定分年龄段的运动处方、膳食指南和数字疗法标准，其中6-10岁儿童群体因屏幕时间激增成为当前干预难点。

该研究对政策制定具有重要启示。建议建立儿童肥胖防控指数，将研究进展转化为可量化的政策指标。在技术应用层面，应加强5G+AI技术在运动干预中的落地，特别是在偏远地区儿童健康监测中的应用。同时需警惕研究中的潜在偏差，如CNKI数据库收录的中文文献中，基层医疗机构研究成果占比不足15%，可能影响研究结论的普适性。

值得关注的是，研究揭示的"技术依赖陷阱"现象。虽然智能设备使用率提升，但设备闲置率高达43%，提示需要开发更符合儿童认知特点的交互界面。在跨学科整合方面，如何将临床医学、公共卫生、数据科学等学科研究成果转化为可操作方案，仍是亟待突破的瓶颈。

该研究为儿童体重管理提供了新的分析框架。通过构建包含发文量、合作网络、关键词演化和干预效果的多维度评估体系，不仅系统梳理了现有研究成果，更重要的是发现了从"疾病治疗"向"健康促进"转变的研究趋势。这种转变要求研究者在设计干预方案时，不仅要关注体重指标，更要重视心理行为改善、社会支持系统构建和健康素养提升等非量化因素。

研究还揭示了区域发展的不平衡性。中国与欧美在肥胖干预策略上存在显著差异，国内研究更侧重政策落地和社区实践，而国际研究更关注基础机制探索。这种差异提示需要建立更具包容性的研究范式，既借鉴国际在代谢组学、人工智能等前沿领域的突破，又发挥本土在公共卫生体系构建和社区动员方面的优势。

在方法论层面，该研究采用动态追踪分析方法，通过设置2年时间滑块和LLR聚类算法，有效捕捉了研究热点的迁移轨迹。特别是发现"代谢异常-运动干预-数字追踪"的聚类关系呈现指数级增长，这为后续研究提供了重要的技术路线指引。同时，研究建立的文献筛选双盲机制，有效避免了偏倚，其文献纳入标准（排除会议论文、专利等非原创成果）为同类研究提供了重要参考。

总体而言，该研究不仅系统描绘了儿童体重管理领域的知识图谱，更重要的是指出了从碎片化干预向系统化解决方案转型的必然趋势。未来的突破点可能在于：开发具有文化适应性的干预工具，建立跨部门的协同治理机制，以及构建基于真实世界数据的动态评估体系。这些进展将推动儿童体重管理从个体治疗向群体防控转变，为全球儿童健康战略提供重要支撑。