锁定 AI、环境、肿瘤三大逆势赛道 + 15 个最值得拜访的高 IF 机构

雷达图的形状是解读的起点：它呈现出一个明显的「单角塌陷」轮廓——机构识别率（92.5%）、领域词典命中率（84.5%）、有效 IF 覆盖率（75.6%）三个维度贴近外环，生物医学类命中率（71.5%）居中，非临床交叉命中率（36.4%）向内收缩，而高 IF 占比（10.1%）几乎塌到圆心。

这不是数据质量问题，而是影响力分布的真实形状。高 IF 占比低，与 1.2 节提到的右偏分布是同一枚硬币的两面：绝大多数文献的 IF 处于中低区间，只有约十分之一进入 10 分以上。把这条边与另外五条边放在同一张图上，能立刻看清「结构完整度高、影响力稀疏」这一组合特征。

阅读方式：外环五条边（覆盖率、命中率、识别率）代表数据可用性，它们的面积决定这份报告能做多细的分析；内环这条边（高 IF 占比）代表研究对象本身的性质，它不会因为采集改进而变大。因此，任何「高 IF 占比只有 10%」的结论都应理解为「生物医学顶刊本就稀缺」，而非「数据有问题」。

口径提醒：机构识别率 92.5% 意味着仍有约 7.5% 的机构名无法解析（多为出版社/编辑部条目），机构榜只反映「可识别机构」的格局；有效 IF 覆盖率 75.6% 则已扣除 5,464 条 IF 缺失记录，且该缺失非随机——IF 非空但机构缺失的 107 条平均 IF 高达 34.10，剔除它们会轻微低估顶尖成果。

这张分布图是整个报告质量口径的地基。右偏形态不是统计细节，而是意味着：任何用「平均 IF」做排序的榜单，本质上都在测量少数顶刊的拉动力，而不是多数文献的真实水平。均值 5.703 与中位数 4.711 之间 0.992 的落差，正好等于整个 8–10 分区间（1,692 篇）的平均贡献。

真正值得关注的是三个临界区：8–10 分（1,692 篇）是高 IF 的「蓄水池」——这批文献只要再往上推 1 分就能改变高 IF 占比，是政策干预效率最高的区间；5–6 分（2,680 篇）是最大单峰，代表全球生物医学的「中位水平」；≥25 分仅 154 篇，却贡献了均值中相当可观的权重，这也是为什么 IF 缺失非随机（缺失条目均值 34.10）会系统性压低报告读数。

分析提示：由于右尾极厚，任何以均值为基准的国家/机构比较都应同时报告中位数与高 IF 占比，否则会把「有 1 篇 Nature」和「有 20 篇 IF 11 分刊」误判为同一水平。

环形图的视觉叙事被两块颜色主导：深蓝（中国 34.67%）+ 中蓝（美国 13.27%）合计 47.94%，几乎占据半圆；但真正最大的单一板块其实是「其他」41.36%，其体量是美国的 3 倍以上。这个结构说明：全球生物医学产出既不是「中美两极」，也不是「均匀分布」，而是「双寡头 + 超长尾」——长尾国家合计规模巨大，但被切成上百个碎片，任何单一国家都无法形成第三极。

更值得注意的对比是土耳其：发文量第 4（632 篇），但平均 IF 仅 3.77、高 IF 占比 0.63%（4 篇）。它与中国的规模差距只有 9.5 倍，但高 IF 篇数差距是 209 倍（836 vs 4）。这说明发文量排名与影响力排名在长尾区间几乎完全脱钩——靠低门槛期刊堆出的「高产」，在 IF 维度上近乎归零。

口径提醒：由于本周 IF 缺失对中国偏倚较低（11.6%）而美国偏高（31.9%），环形图中中国的实际份额可能被轻微高估，真实区间约为 29.8%–34.7%。

这是全报告信息密度最高的一张图。三个柱子的相对高低，揭示的是不同国家科研体系的「质量来源」完全不同。中国的绿色柱（非临床交叉 6.647）明显高于蓝色柱（生物医学 5.819），形成倒挂；美国恰好相反（6.031 > 5.868）。倒挂意味着：中国的 IF 优势不是来自临床/基础医学的真实科研质量，而是来自材料、环境、化学这些「IF 天生更高」的学科。

做一个反事实推算：若把中国与美国的学科结构互换（即中国只保留生物医学口径），中国的平均 IF 将从 6.384 降至 5.819，低于美国的 6.031 达 0.212。也就是说，中国在纯生物医学赛道上实际是落后的，当前的领先是「结构红利」而非「质量红利」。韩国呈现同样的倒挂（6.237 vs 5.221），说明这不是中国独有现象，而是「交叉学科强、临床学科弱」的东亚模式共性。

日本、土耳其提供了反面参照：它们的交叉类 IF 只有 5.013 / 3.862，既没守住临床，也没抓住交叉，属于「双低」。全球合计口径（5.703 / 5.508 / 5.839）则是一个「无结构偏差」的基准线——任何国家只要生物医学柱高于这条线，说明其临床研究质量超过全球平均。

第二梯队的条形长度（规模）与末端 IF 数值之间，几乎看不出正相关——这说明「中等规模」并不自动带来「中等质量」。榜单实际裂成三级：

• 欧洲精品型：德国（485 篇 / IF 6.46）、法国（285 / 6.28）、英国（459 / 6.07）、西班牙（320 / 6.13）。四国高 IF 占比在 10.31%–15.79%，全部高于中国（13.99%）或与之持平，且法国的 15.79% 是全表最高。这证明不需要 34% 的份额，也能拿到顶级质量。
• 亚洲规模型：韩国（505 / 5.70）、印度（493 / 4.85）。体量与中国接近量级，但质量明显掉档。印度尤其典型：发文量第 2（493），IF 却只有 4.85，高 IF 占比 6.69%。
• 数量虚胖型：巴西（344 / 4.14，高 IF 1.45%）、波兰（309 / 5.04，高 IF 1.29%）。发文量进榜，但高 IF 篇数仅为个位数——这类国家在 IF 维度上几乎可以忽略。

从政策视角看，欧洲精品型国家的共同特征是「临床医学 + 公共卫生 + 长期队列」为主轴，而不是材料/化学。这恰好呼应 2.2 节的结论：高质量的生物医学产出来自临床体系，而非交叉学科的数量堆叠。

把「发文量」列和「平均 IF」列并排看，会发现颜色深浅呈现明显的负相关纹路：发文量最大的几行（临床医学 3,103、肿瘤学 2,552、神经科学 2,199）在 IF 列颜色普遍偏浅；发文量最小的几行（材料 1,230、化学 729、生物信息 502）反而颜色最深。这不是巧合，而是一条「结构—速度—影响」的因果链：

• 临床/实验密集型研究受限于患者样本量、伦理审批、多中心协调，产出周期长、单篇创新幅度有限，天然更适合中等 IF 期刊；
• 材料/化学/计算类研究可模块化、可快速迭代、可高频发表，与高 IF 期刊的发表节奏高度适配。

数据里有三个「异类」值得单独标记：环境·气候·职业健康（1,298 篇 / IF 6.296 / 高 IF 12.48%）——规模接近明星区，质量也不差，是被低估的第三极；临床医学（3,103 篇 / IF 4.978 / 高 IF 6.99%）——体量第 2 但两项质量指标几乎垫底；内分泌·生殖·妇儿（IF 4.674）——全领域最低，且体量中等偏上，属于「量大质弱」的典型。

解读边界：IF 高低不等于科学价值高低。临床医学 IF 偏低，部分原因是其读者群与引用周期与基础研究不同。本图呈现的是期刊影响因子维度的格局，不能直接等同于「学科重要性」。

这张散点图用两条虚线把 21 个领域切成四个战略区域，但真正的信息藏在点的分布密度里。右上「明星领域」只有 4 个点，其中 2 个是紫色（非临床交叉）；右下「规模领域」聚集了 7 个点，几乎全部是蓝色（生物医学）——临床、肿瘤、神经、消化、心血管、影像、内分泌挤在同一象限。这意味着：生物医学的「大规模」和「高影响」在结构上互斥，想同时要规模和质量，唯一被数据验证的路径是跨到交叉学科。

左下「长尾领域」有 8 个点，是数量最多的象限，包括 AI（980 / 5.43）、公卫（1,099 / 5.485）、医学教育（855 / 4.477）。这些领域单看都不差，但都没有达到「规模+质量」的双重门槛。左上「利基高地」只有 2 个点（化学 729 / 6.197、生物信息 502 / 5.933），却是单位效率最高的区域——每篇文献的 IF 贡献远高于其他象限。

战略含义：对资源有限的机构，进入「利基高地」的投入产出比高于在「规模领域」继续堆量。数据不支持「先把规模做大、质量自然会上来」的假设——规模领域的 7 个点没有一个自然移动到了明星区。

热力表把中美差异拆成 21 个「可行动的赛道」，但最值得停留的不是中国在分子机制（+7.13 pp）和肿瘤（+3.87 pp）的领先，而是差值列的对称性：中国领先最大的四项（机制 +7.13、肿瘤 +3.87、材料 +3.74、消化 +3.65）与美国领先最大的四项（神经 −6.94、临床 −6.90、公卫 −4.79、医学教育 −4.16）在数值上几乎镜像。两国优势不是「各有千秋」，而是「你强的地方我弱，我强的地方你弱」的完全互补。

这种互补背后的机制差异很清晰：中国领先的赛道（机制、材料、消化）具备「实验可控、数据可积累、成果可快速迭代」的特征；美国领先的赛道（神经、临床、公卫、教育）具备「需要长期队列、临床网络、伦理框架、人才梯队」的特征。前者是投入驱动，后者是制度驱动。这解释了为什么中国的追赶速度在左侧赛道很快，在右侧赛道很慢——制度能力无法靠短期经费买到。

另一个隐藏信号：临床医学美国 21.50% vs 中国 14.61%，意味着每 5 篇美国文献就有 1 篇是临床研究。考虑到临床研究是 RCT、指南、综述的源头，这项差距的「杠杆效应」远大于数值本身——它影响的是整个医学证据体系的输出端。

分组横条把 21 个领域排成 21 组「蓝青对决」，视觉上能快速识别出三类区块：

• 蓝长青短（中国优势区）：分子机制（24.13 vs 17.00）、肿瘤（17.99 vs 14.12）、材料（8.28 vs 4.55）、消化（13.35 vs 9.70）、AI（6.81 vs 4.46）。这些领域的共同点是「可工程化」——实验条件、数据规模、迭代速度决定产出。
• 青长蓝短（美国优势区）：临床（21.50 vs 14.61）、神经（17.26 vs 10.32）、心血管（12.02 vs 9.81）、公卫（9.00 vs 4.22）、医学教育（7.34 vs 3.18）。共同点是「制度依赖」——需要长期积累的队列、临床网络、保险数据、照护体系。
• 蓝青接近（共同战场）：免疫（17.19 vs 14.16）、影像（7.38 vs 8.57）、骨骼肌肉（6.51 vs 6.82）、营养运动（4.08 vs 4.59）。这些领域两国占比都在中高位，是同质化竞争最激烈、审稿标准最严苛的区域。

值得注意的是「共同战场」里的免疫·感染：中国 17.19%、美国 14.16%，两国都高，但该领域高 IF 转化率中国仅 14.02%、美国 16.49%。中国在此并未形成质量优势，说明高占比如果不同时转化为高 IF，就只是「同质化规模」而非「差异化优势」。

零轴把 21 个领域切成两个阵营：正差 10 个、负差 11 个，几乎五五开。但两边的极值分布很不对称——正差最大的 4 项都在 +3.6 到 +7.1 之间，负差最大的 4 项都在 −4.1 到 −6.9 之间。橙色的尾巴更长，说明美国的优势项比中国的优势项更极端。

把正负两组分别贴标签：蓝色组 = 「实验室里能赢的」（机制、材料、化学、生信、AI、环境）；橙色组 = 「真实世界里才能赢的」（神经、临床、公卫、教育、心血管、内分泌）。这张图实际上描绘了中国科研体系的「能力边界」：在受控实验条件下，中国已经赢了大半；在需要真实世界数据和制度支撑的条件下，中国还没开始赢。

风险提示：能力边界不是永久边界，但它划定了「短期投入能改变」和「短期投入不能改变」的分界。材料、AI、生信类差距可以通过经费快速缩小；临床、公卫、教育类差距只能通过体系化建设在 5–10 年尺度上缩小。

条形长度（发文量）与颜色深浅（平均 IF）的组合，把 20 家机构分成三种截然不同的科研模式：

• 「长条深色」——平台驱动型：中国科学院，113 篇（并列第 1）+ IF 9.88（前 3 深），是唯一实现量质双优的机构。它的产出集中在分子机制（23.3%）与材料·工程（14.0%），画像与国家战略科技力量高度吻合。
• 「短条深色」——人才驱动型：清华大学，仅 37 篇（第 18）但 IF 11.97（全表最深）、高 IF 占比 51.4%。这是「少而极精」的极致样本——用 1/3 的体量拿到了最高的单位质量。
• 「长条浅色」——临床驱动型：首都医科大学（71 / 5.22）、南京医科大学（46 / 4.99）、重庆医科大学（38 / 5.65）、北京协和医学院（41 / 4.78）。体量可观但颜色偏浅，是临床型机构的典型画像，与 4.4 节「临床医学是中国短板」互为印证。

四川大学、浙江大学、上海交通大学属于「规模优先」路径：条长排名前列（113 / 96 / 79），但颜色中等（6.61 / 6.53 / 6.70），高 IF 占比仅 16%–20%。这说明规模优势不会自动转化为质量优势——它们与中科院、清华之间的差距，是科研组织模式而非经费体量的差距。

矩阵的颜色分布揭示出头部机构之间的「领域分工」已经形成，而非同质化堆叠：

• 中科院：分子·遗传（23.3）与材料·工程（14.0）两列最深，是唯一的「基础+交叉」双轮结构；
• 复旦大学：肿瘤学一列达到 18.4，是 Top10 中该列最深，形成明确的「肿瘤标签」；
• 首都医科大学：神经科学 11.0，显著高于其他机构（多数在 5–7 之间），是唯一在神经领域形成浓度优势的机构；
• 清华大学：材料·工程 16.6 + AI·计算 6.8，是「非医科强校靠交叉拿高 IF」的典型；
• 四川大学、浙江大学、上海交通大学：各行颜色分布较均匀（多数格子 5–15），属于「综合型」布局，没有单点极端优势。

矩阵的稀疏性同样重要：多数格子颜色中等（<10），说明头部机构尚未形成绝对的领域垄断。这意味着错位竞争的空间仍然存在——新进入者不必在所有领域正面竞争，只需在某一列做出深度即可建立标签。

八个 KPI 里，最反直觉、也最值得记住的是「高 IF 篇数绝对下降」：全球 2,247 → 1,746（−501 篇），中国 1,113 → 836（−277 篇）。这不是「分母变大导致占比被稀释」——在产出总量增长 8.06% 的背景下，高影响力成果的分子本身在萎缩。占比下降可以解释为稀释，但篇数下降只能解释为真实的产出减少。

中国 −24.89% 的跌幅大于全球 −22.30%，说明中国不仅没有「跑赢大盘」，还略低于大盘。结合 6.5 节的中美差距数据：美国同期仅 −0.59%（平均 IF），中国 −9.84%。这意味着本周的质量下滑不是全球同步波动，而是中国侧额外叠加了约 −9% 的下行。

排除法：机构识别率（92.57→92.52）、平均命中领域数（2.191→2.215）几乎不动，说明不是字段质量波动导致的假象。这份下滑是数据本身的信号，不是采集噪声。

把 12 项指标的变化率放在同一根轴上，第一个冲击是「涨的少、跌的多」：只有 3 项为正（全球发文量 +8.06%、中国发文量 +4.77%、全球平均命中领域数 +1.10%），其余 9 项全部为负。而且正值的幅度（个位数）远小于负值的幅度（两位数）——规模在温和扩张，质量在快速收缩。

第二个冲击来自「中国 vs 全球的对称性」。在每一个可对应的指标上，中国的跌幅都比全球更深：

• 发文量：全球 +8.06% vs 中国 +4.77%（中国增速约为全球的六成）；
• 平均 IF：全球 −5.12% vs 中国 −9.84%（中国跌幅近全球两倍）；
• 高 IF 篇数：全球 −22.30% vs 中国 −24.89%；
• 高 IF 占比：全球 −28.11% vs 中国 −28.29%（几乎同步触底）。

把这四条并排读，得到的是一个清晰的判断：本周是一次「全球性的高 IF 产出低谷」，但中国在低谷中跌得更深。高 IF 占比双双暴跌约 28%，说明这不是中国独有的问题，而是整周采集窗口内顶刊产出集体偏少；但中国在平均 IF 和篇数上的额外跌幅，说明中国侧的波动幅度被放大了。

唯一稳定的正信号是「平均命中领域数 +1.10%」——学科交叉度没有下降，甚至略有上升。这说明质量回落不是「研究变窄」导致的，研究广度保持稳定。

外推边界：由于只有两周数据，且本周存在明显的采集窗口效应（W1 有一个 IF 8.138 的异常高点拉高了基线），本图呈现的是单周快照而非趋势。建议至少再取 2–3 周数据，确认高 IF 占比的 −28% 是持续现象还是一次性波动。

正负两组呈现出清晰的「计算+环境 vs 临床+影像」对立，这不是随机波动，而是结构性的方向分化：

• 增长的四个领域（AI +1.13、环境 +1.13、生信 +0.59、肿瘤 +0.53）全部具备「数据驱动、可快速迭代、可批量产出」的特征。其中 AI 从 369 → 454 篇（+23.0%），是唯一实现「占比与篇数双升」的赛道。
• 下降的五个领域（心血管 −2.13、影像 −2.00、临床 −1.52、神经 −1.47、免疫 −1.46）中有四个是传统的临床/实验密集型。心血管（−92 篇）和影像（−90 篇）的绝对篇数都在下降，不是被其他领域稀释。

如果这个趋势延续，中国将在交叉/计算赛道进一步集中，而在临床/实验赛道进一步边缘化。这与 4.4 节识别的「中国临床短板」形成叠加效应——短板领域不仅没有补上，还在继续相对萎缩。

对上一版结论的修正：上一版仅用「周内前后半周」做代理，得出「肿瘤学 −8.83 pp 大幅收缩」。两周真正对齐后，肿瘤学其实是增长的（+7.7%，占比 +0.53 pp）。此前观察到的只是周内波动，这正是缺少真实跨周基准会犯的错误。

这张 bump 图里，线条的陡峭程度比排名数字更有信息量。四川大学从 #3 升到 #1（+12 篇）与中国科学院从 #1 降到并列 #1（−20 篇）的两条线在图中形成交叉——这代表单周 43 篇的相对变化，相当于一个中型机构的全部周产出。复旦大学 #5→#8（−15 篇）、吉林大学 #7→#12（−21 篇）的两条下行线同样陡峭。

这引出一个关于「机构榜可信度」的重要判断：在 40–130 篇的量级上，任何机构的周产出波动都在 ±20% 以上。Top10 的门槛只有 25–30 篇，意味着只要连续两周产出偏低，就会直接掉榜。因此单周排名几乎不具备稳定性——上周 Top10 中 9 家仍在榜（换手率 10%），但次序变化覆盖了 8 家。

方法建议：机构评估必须使用 4 周滚动窗口，并同时报告「发文量」与「高 IF 篇数」两个指标。单周名次只能作为监测信号，不能作为资源分配依据。新进 Top10 的郑州大学、南京医科大学与掉出的吉林大学，都需要至少再观察 3 周才能确认是否形成趋势。

两根柱子从上周到本周的收缩幅度（58% 与 67%）比绝对差距更值得关注。做一次归因拆解：

• 美国两项指标几乎不动：平均 IF 5.942 → 5.907（−0.035），高 IF 占比 14.03% → 12.19%（−1.84 pp）；
• 中国两项均大幅下滑：平均 IF 7.081 → 6.384（−0.697），高 IF 占比 19.51% → 13.99%（−5.52 pp）。

这意味着差距收缩 100% 由中国一侧造成，美国只是「没有变好」，中国是「明显变差」。这是一个非常重要的定性区分——如果差距缩小是因为美国上升，那是健康竞争；如果是因为中国下降，那是单边失血。

外推风险：若中国高 IF 占比按本周 −5.52 pp 的幅度再降一周，将跌至 8.5% 附近，低于美国当前水平（12.19%），届时中国的整体质量优势将被完全抹平。但需要强调：本周高 IF 篇数下降是全球现象（全球 −22.3%），因此不宜单周定论。关键观察点是：下周全球回升时，中国是否同步回升。如果全球回升而中国不回升，则确认是中国结构性问题；如果同步回升，则本周更可能是采集窗口内的偶发低谷。

柱高与柱顶数字的组合，揭示了中美两种完全不同的高 IF 策略。中国是「宽口径」：836 篇高 IF，是美国的 3.0 倍，但平均 IF 只有 15.903；美国是「窄口径」：279 篇，但平均 IF 16.586。差额 0.683 看似不大，但它对应的是「10–15 分区间」与「20 分以上区间」的结构差异。

更精细的证据来自中位数：中国 14.224 > 美国 13.113。这意味着中国的「中位高 IF 文献」其实比美国更硬——中国的问题不在腰部，而在头部。美国的高 IF 分布更偏向极端值（≥20 分），这批文献虽然数量少，但拉高了均值。中国的 836 篇里，有相当比例集中在 10–14 分区间。

战略含义：中国的总量优势已经建立，继续扩大 836 这个数字的边际收益在递减。真正需要改变的是「IF≥20 顶刊篇数」这个更窄的指标。从数据看，中国高 IF 的「含金量升级」比「总量扩张」更紧迫。

这张图的核心是条长与转化率的错位。按条长排序，分子机制（182 篇）第一、材料（164）第二；但按转化率排序，材料（33.13%）第一、环境（19.69%）第二、化学（15.05%）第三。分子机制虽然高 IF 篇数最多，转化率却只有 12.62%——每 8 篇才出 1 篇高 IF。而材料每 3 篇就出 1 篇。

把视角换成「效率引擎」：材料·工程（33.13%）、环境·气候（19.69%）、化学·药化（15.05%）三个交叉领域，用相对较小的发文体量，贡献了不成比例的高 IF 篇数。反过来，临床医学（9.16%）、肿瘤学（9.21%）、神经科学（8.91%）、消化·肝肾（6.77%）四个大体量领域，转化率全部低于全局 10.13%。

结构性风险：中国高 IF 的「效率引擎」在交叉学科，而非传统生物医学。这意味着一旦交叉领域的 IF 红利消退（期刊 IF 调整、评价政策转向），中国的高 IF 总量优势将迅速缩水。当前的高 IF 结构是「单点依赖」而非「多点支撑」。

这张图把 7.1 节的「总量领先、质量略逊」具体到领域，揭示出中美在高 IF 层面的竞争本质上是「错位竞争」：

• 中国高 IF 的三根长蓝条：材料（19.62%）、环境（10.65%）、分子机制（21.77%）——其中材料比美国高 +11.38 pp，环境高 +6.35 pp；
• 美国高 IF 的三根长青条：分子机制（24.73%）、神经（17.20%）、临床（16.85%）、心血管（16.85%）——其中神经比中国高 −10.62 pp，心血管高 −11.71 pp，临床高 −7.28 pp。

两国在高 IF 层面的优势领域几乎完全不重叠：中国的优势集中在「材料+环境+机制」，美国的优势集中在「神经+临床+心血管」。这意味着双方在顶刊层面实际上是在不同的赛道上竞争，而不是在同一个赛道上你追我赶。

风险判断：中国的总量优势建立在材料/环境两条赛道上。如果这两条赛道的 IF 红利因期刊政策调整而减弱，中国的高 IF 总量将失去主要支撑。相比之下，美国的高 IF 分布在四条以上赛道（神经、临床、心血管、分子机制），结构更分散、抗风险能力更强。

这张图把排序基准从「篇数」换成了「平均 IF」，因此它回答的问题不再是「谁产出最多」，而是「谁的单篇含金量最高」。排序结果出现了明显的洗牌：

• 吉林大学高居榜首（IF 21.38），但高 IF 篇数只有 9 篇——条短而色浅，是典型的「少而极精」；
• 中国科学院平均 IF 16.68 只排第 6，但色深明显最深（43 篇），是唯一「量质双高」的机构；
• 清华大学（19 篇 / 17.55）、复旦大学（14 篇 / 16.84）、北京师范大学（10 篇 / 16.82）三家的条长与色深都处中上，是「中等规模顶级质量」的稳定样本；
• 四川大学（20 篇 / 14.47）、中山大学（16 篇 / 14.45）虽然高 IF 篇数排第 2、第 5，但平均 IF 垫底——量大但单篇含金量偏低。

这张图的真正价值在于「条长」与「色深」的错位：如果两家机构条长接近但色深差别很大，说明它们的高 IF 产出规模不同；如果色深接近但条长差别很大，说明它们的单篇质量不同。只有中科院一家在两个维度上都领先，其余机构都只能占据其中一个。

另一个值得注意的结构信号：Top15 中有 5 家是非传统医科强校——清华大学、北京师范大学、南京大学、天津大学、东南大学。它们的高 IF 几乎全部来自材料/化学/AI 等交叉领域，而非临床医学。这说明中国的顶刊产出正在从「医学院校」向「综合大学 + 交叉平台」迁移。传统医科院校如果不在交叉领域布局，将在高 IF 榜单上持续边缘化。