個體化癥狀網絡的應用方法及實現

胡天天 余駿雯 何加敏 金依霖 楊中方 朱政,2,3

(1.復旦大學護理學院,上海 200032;2.上海市循證護理中心,上海 200032;3.紐約大學護理學院,紐約 10010)

近年來,隨著大數據分析技術的不斷發展,癥狀網絡的概念迅速興起[1-3],為臨床和現實生活中理解多種癥狀之間的復雜關系提供了新的視角[4-5],這一研究范式已逐漸應用于心理學、精神病學和臨床醫學等多個領域[6-8]。從功能上看,癥狀網絡不僅可以提供癥狀的發生率和嚴重程度等指標,還可以通過節點特征指標和網絡整體特征指標,反映癥狀在網絡中的交互作用。基于癥狀的數據類型,通常癥狀網絡具有以下3種類型分類:同期網絡、個體化網絡和動態網絡。本文將從個體化癥狀網絡的定義、常用網絡特異性指標、R軟件的實現和局限性等方面對基于單個個體癥狀數據的個體化網絡進行介紹,旨在為推廣和規范癥狀組學領域的研究提供理論支持,為將來的精準癥狀管理和干預提供理論基礎和指導。

1 個體化癥狀網絡定義和常用網絡特異性指標

1.1個體化癥狀網絡的定義 個體化癥狀網絡(temporal/individualized symptom network)是指在某一段測量時間段內,患者個體所表現出的癥狀所構成的具有時效性特征的癥狀網絡。個體化癥狀網絡與同期網絡不同之處在于,個體化癥狀網絡是基于個體多個時間點的橫斷面數據構建而成。基于癥狀數據的3種類型網絡可視化,見圖1。

圖1 基于癥狀數據的3種類型網絡可視化

個體化癥狀網絡可以為研究者提供實時的患者個體化癥狀發生率和嚴重程度等信息,同時也能協助臨床醫護人員更好地掌握患者多種癥狀的動態變化,以及更好地識別個體精準干預的時間點和靶點。個體化癥狀網絡同樣可以幫助研究者了解個體在某段時間內多因多果的癥狀問題,對于挖掘個體癥狀干預時間點具有特殊意義。本研究團隊于2020年6月-2021年12月采用經驗取樣法,對144例上海市公共衛生臨床中心VCT門診就診的HIV感染者每周開展11次調查, 1個月為1周期,然后分別在第1個月、第4個月和第7個月共3個周期開展前瞻性隊列調查。經過進行6個月的軀體癥狀隨訪,本研究團隊發現個體癥狀網絡連通性具有其特殊的預測價值,這也從側面驗證了癥狀個體化癥狀網絡對于患者健康特殊預測意義[9]。以下相關方法部分將基于以上述案例展開具體闡述。

1.2個體化癥狀網絡中常用的網絡特異性指標 個體化癥狀網絡中常用的網絡特異性指標同樣包括節點指標、網絡指標、網絡擬合指標和差異性檢驗指標4類,見表1。其節點指標包括強度/橋梁強度中心性、緊密度/橋梁緊密度中心性、中介/橋梁中介中心性和(橋梁)預期影響系數;網絡指標包括邊緣權重系數、網絡連接性、網絡密度和模塊度;網絡擬合指標包括邊緣權重的精確性和中心性的穩定性,差異性檢驗指標包括網絡差異性、節點差異性和邊緣差異性。

表1 個體化癥狀網絡中常用的網絡特異性指標

2 個體化癥狀網絡分析內容和R軟件的實現

2.1個體化癥狀網絡分析內容 個體化癥狀網絡數據包含每個受試者對每個癥狀的得分或等級。其中,對于不同個體網絡,生成實時的個體化癥狀網絡需要根據實際情況進行多次調試,若數據發生率過低,可能無法生成網絡。如本研究團隊經對144例患者進行長達6個月的軀體癥狀隨訪中,根據實際情況進行調試發現4周里所得癥狀數據即4次(每周1次)數據可以生成較為有意義的實時個體化癥狀網絡[9]。

2.2個體化癥狀網絡R軟件的實現 個體化癥狀網絡R軟件的實現和同期網絡的步驟類似,癥狀網絡可視化前的步驟包括對癥狀數據收集、編碼、轉化、整理以及在命名和定義群組。個體化癥狀網絡可視化步驟,見圖2(掃后文二維碼獲取)。

2.2.1數據準備和清理 個體化癥狀網絡分析的數據準備和清理需要特別要注意以下幾點:(1)個體化癥狀數據收集和歸類:數據收集過程當中要注意對于收集時間點的記錄,以及根據不同時間對每個個體的數據進行歸類。(2)轉化個體化癥狀數據時需記錄數據收集時間:將個體的癥狀數據轉化為構建個體化癥狀網絡所需的形式時,可以將需要的變量提取出來保存為csv格式。按照時間順序,個體化癥狀數據將會生成多個csv格式數據,注意與收集時間進行對應。數據整理完后需要設置工作目錄、讀取數據、讀取qgraph命令包。

2.2.2命名和定義群組 如果需要探索個體多個癥狀群之間的關系,仍然需要對這些癥狀進行命名和分類。如果研究使用了標準化量表,那么可以根據量表中推薦的維度和分量表對癥狀進行分類。但是,如果原量表沒有維度區分,或者研究者想要探索一組癥狀是否以某種方式與另一組癥狀相關聯,那么建議使用因子分析或主成分分析來探索癥狀群。

2.2.3可視化 個體化癥狀網絡同樣可以使用qgraph命令將癥狀網絡可視化,其基本R語言和同期癥狀網絡分析R語句類似。但是,由于個體化癥狀網絡相比于同期網絡的R語句要求也為更加精細,label.cex,vsize,cut,node.width等參數都需要根據具體情況進行調整(label.cex可以用來控制樹狀圖中標簽的大小,默認值為1;vsize用于控制樹狀圖中節點的大小,默認值為0.5;cut用于控制樹狀圖中節點的形狀,默認值為0.5,可調整范圍為0～1;node.width用于控制樹狀圖中節點的寬度,默認值為1),個體化癥狀網絡分析R語句,見框1,掃二維碼獲取圖2和框1。本研究團隊于2020-2021年經對144例患者進行長達6個月的軀體癥狀數據收集以及清理之后,采用框1代碼進行可視化分析,便于對患者個體在單個時間的癥狀和癥狀群進行捕獲和收集,并進行縱向比較和分析,辨別患者個體癥狀發生變化的干預最佳時間點和最佳癥狀或是癥狀群[9]。

2.2.4中心化指標分析 在個體化癥狀網絡中,中心性指標是描述節點核心地位的重要指標,主要包括強度中心性、緊密中心性和中介中心性。這些指標可以用來確定核心癥狀,為臨床癥狀管理干預措施的制定提供指導;同時個體化癥狀網絡考慮了時間因素,和中心性指標的結合還可以用來確定臨床癥狀管理干預較為精準的時間點,同時也有助于研究人員更好地跟蹤網絡中的動態變化。其中強度中心性是網絡中心性指標中最有說服力的指標,數值越大表示該癥狀是機制上越核心的癥狀。在癥狀網絡中,使用spring布局,可使核心癥狀居于圖中央。

2.2.5橋梁分析 橋梁中心性指標可用于探索連接不同癥狀群、不同疾病或同一疾病不同亞組的橋梁癥狀,可以使用"bridge"命令獲取。其中,橋梁強度中心性(Bridge Strength)是最有說服力的指標,數值越大代表該癥狀在機制層面上可能是連接2個癥狀群的關鍵癥狀。

3 討論

3.1測量次數和頻率對于個體化癥狀網絡構建的重要性 時間是評估和管理個體化癥狀網絡的關鍵因素,因為癥狀的出現、持續時間和嚴重程度都會隨著時間的推移而發生變化。既往研究[10-11]表明,癥狀網絡存在交叉滯后現象,即不同癥狀之間的發展不是同步的,這可能是由于不同癥狀在發病機制和病理生理機制上的存在差異,而患者的個體癥狀也會隨著時間產生變化。Klipstein等[12]在對個體化癥狀網絡的探索過程當中,也闡述研究結果外推性要考慮到兩個測量時間之間的距離。同樣,這也是研究個體化癥狀網絡的重點和難點。因此,建議研究者不斷在此方向給予探索,同時臨床醫護人員進行癥狀管理時,需要考慮到癥狀的動態變化趨勢,并制定較為及時相應的個體化干預策略。

3.2個體化癥狀網絡的意義 個體化癥狀網絡是一種主要用于研究個體中癥狀變化的網絡模型。個體化癥狀網絡的主要特點是充分考慮了個體的獨特性對網絡演化的影響。這種網絡模型有以下幾方面的意義:(1)揭示個體的獨特性。傳統的網絡模型往往忽略了個體之間的差異性[10],而個體化癥狀網絡能夠更好地捕捉到不同個體的特點,這有助于研究人員更深入地理解癥狀網絡中各個個體的癥狀特點和干預時機。(2)預測未來網絡演變。未來可以借助個體化癥狀數據建構個體化癥狀網絡模型,構建更為精確的預測方法,實時掌握患者癥狀信息和預測其癥狀走向,根據其變化并及時給予干預措施。

3.3個體化癥狀網絡和信息化系統的結合,促進癥狀的生態瞬時評估 隨著信息化系統的發展,個體化網絡與信息化系統相結合是未來研究的發展方向,既往研究[12-13]當中,將個體化心理癥狀數據用于疾病的診斷和治療是未來的一個方向。個體化癥狀網絡未來可以也借助信息化系統低成本、高效管理的優勢,將個體病例中的癥狀和患者自我報告的癥狀結合,同時結合疾病和治療方案等信息,形成個體化的病史檔案,將這些信息與時間軸相結合,以反映病情的發展和演變,更好捕捉疾病發展的動態變化。有研究[13-14]顯示,個體化的特定癥狀網絡通常具備著同期網絡的優勢,也考慮到了時間的因素。一方面,能確定患者的核心癥狀;另一方面,能夠較為及時確定患者相關癥狀需要干預的時間,以此幫助患者更好管理病情。此外,傳統的量表研究常常給患者帶來一定的量表測量負擔,從而影響數據收集質量,同時,受試者的自我評估可能存在一定的主觀性和回憶偏倚[15-16]。個體化癥狀網絡與信息化系統相結合的生態順勢評估則可減少這一局限性,利用患者實時自我報告數據形成個體化數據網絡和數據庫,實現對個體癥狀的實時監測和跟蹤和更精細的個體化評估,有助于探索疾病過程中患者多種癥狀的干預靶點和干預時機。此外,如果將個體化癥狀網絡的應用與其他生態瞬時的指標如連續血糖監測(CGM)、動態心電圖或腦電圖(EEG)等指標結合起來,可以更加全面地評估受試者的身體和心理健康狀態。如結合CGM可以獲得更全面的代謝信息,從而更好地評估糖尿病患者的身體狀況;結合動態心電圖或腦電圖可以獲得更全面的心理和認知信息,從而更好地評估受試者的心理狀況。因此,個體化網絡結合生態瞬時評估在臨床和研究中具有廣闊的前景,可以為身體和心理健康的評估提供更加全面、客觀和準確的數據。

4 小結

本研究從個體化癥狀網絡的定義、常用網絡特異性指標、R軟件的實現、個體化癥狀網絡的意義和應用等方面對基于個體癥狀數據的個體化網絡進行了介紹。個體化癥狀網絡作為一種具有重要意義的網絡模型,為研究者研究復雜系統中個體內動態關系提供了新的分析工具和分析思路,有助于揭示網絡演化的本質并為實際問題提供解決方案;同時,其也具備著揭示個體獨特性、預測未來網絡演變、提高癥狀監測的準確性與全面性以及構建更精細的個體化評估及干預等諸多價值。希望本研究能為該領域的研究者提供一定的參考價值。