在当今医疗体系日益复杂的背景下，健康素养（health literacy）已成为影响个体健康决策和医疗服务质量的关键因素。世界卫生组织在2016年《上海宣言》中明确将健康素养列为健康的重要决定因素，然而研究表明仍有约半数成年人缺乏应对复杂医疗系统所需的健康素养技能。健康素养不足不仅导致医疗服务使用效率低下，还与不良健康结局、住院率增加密切相关，尤其对老年人、慢性病患者和农村地区居民等弱势群体影响更为显著。
尽管已有大量研究探讨健康素养的重要性，但针对初级卫生保健（Primary Health Care， PHC）这一医疗体系基础环节的健康素养研究仍缺乏系统性梳理。为此，由Muhammet Damar和Andrew David Pinto领导的研究团队在《Atención Primaria》发表了题为"Trends in health literacy discussions within primary health care research: A topic analysis using machine learning techniques"的研究论文，通过结合文献计量学和机器学习技术，首次对PHC领域的健康素养研究进行了全面分析。
研究人员采用多方法融合的研究策略，主要关键技术包括：1）从Web of Science核心合集中系统检索并筛选393篇PHC领域的健康素养研究文献；2）运用文献计量学方法分析国家、机构、期刊的贡献度和影响力；3）采用潜在狄利克雷分配（Latent Dirichlet Allocation， LDA）主题建模技术对关键词和摘要进行无监督机器学习分析，识别研究主题结构。研究队列涵盖来自54个国家823个机构的1869位研究人员发表的文献，数据收集截止至2025年7月27日。
研究结果部分呈现了丰富的研究发现：
文献计量分析显示，PHC领域健康素养研究呈现快速增长趋势，年增长率达13.91%。美国（28.49%）、澳大利亚（20.10%）和英国（7.63%）是研究成果最多的国家。71.50%的论文发表在开放获取期刊，反映了该领域知识的广泛可及性需求。Bradford定律分析识别出《Australian Journal of Primary Health》《BMC Primary Care》等核心期刊群。
主题建模研究通过LDA分析识别出十大研究主题集群：健康公平与可持续性、用药依从性、老龄化、生活方式因素管理（如体力活动和饮食）、慢性疾病管理、医患沟通、可持续学习、社会人口学影响、农村健康干预、疫情应对（如COVID-19）以及医疗机构和政策制定者角色。这些主题共同构成了PHC领域健康素养研究的多维知识框架。
具体研究主题深入分析发现，学校健康素养教育对促进健康公平具有基础性作用，而老年人群的健康素养不足则与疾病管理困难和医疗成本增加显著相关。在慢性病管理方面，健康素养水平直接影响患者对饮食建议和体力活动指南的依从性，低健康素养人群的自我管理能力普遍较差。研究还强调医患沟通质量对健康素养提升的关键作用，建议采用个性化、动态化的干预策略。
社会人口学特征分析表明，健康素养水平存在明显的性别、语言和社会经济地位差异，文化适宜的医疗服务对少数民族和移民群体尤为重要。农村地区由于资源限制和数字鸿沟等问题，健康素养促进面临独特挑战。COVID-19大流行期间，健康素养在应对错误信息和疫苗犹豫方面发挥了关键作用，凸显了权威健康信息传播的重要性。
研究结论与讨论部分强调，健康素养是一个多维度概念，其发展不仅有助于个体过上更健康的生活、有效管理疾病，还能预防各种严重健康状况，提高整体生活质量和医疗服务满意度。持续的健康素养倡议、有效沟通以及患者和医疗专业人员的共同投入都至关重要。
该研究的重要意义在于为PHC领域的健康素养研究提供了首个全面的知识图谱，通过机器学习技术揭示了研究热点和发展趋势。研究结果对政策制定者、医疗机构和教育工作者具有重要启示：应将健康素养教育纳入学校课程体系，开发移动技术支持的个人化健康素养应用，建立集中化的证据支持系统确保健康信息的可及性和准确性。特别是在农村和偏远地区，通过数字技术创新健康素养促进模式，有望显著缩小健康差距，推动健康公平实现。