個體化癥狀網絡連通性對HIV感染者健康預后的預測作用

胡天天 蔣濤 溫環 李檉 李玲 孫美艷 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)

抗逆轉錄病毒療法的廣泛使用使得人類免疫缺陷病毒(human immunodeficiency virus,HIV)感染者的壽命得到了極大的延長[1-2];使得艾滋病(acquired immunodeficiency syndrome,AIDS)也從一種致命的急性疾病逐漸轉變為一種可控制的慢性疾病[3-5]。但同時,由于機會性感染、藥物副作用、慢性疾病和老齡化等因素,HIV感染者面臨復雜的癥狀群;也因此,癥狀網絡的概念應運而生[6-8],為理解多種癥狀之間的復雜關系提供了新的視角。近年來,對癥狀網絡連通性作為一種預后指標,受到了越來越多的關注[9-10]。癥狀網絡連通性是指網絡內所有節點強度之和[11-12]。既往研究[9]也闡述了每個個體癥狀網絡連通性對于個體健康層面的預測價值仍在不斷探索。因此,本研究擬探索癥狀個體化網絡連通性與HIV感染者的健康指標,包括CD4+T細胞計數、軀體健康和生活質量水平的關系,旨在探索癥狀個體化網絡連通性在預測HIV感染者治療預后的應用價值。這將有助于更全面地理解和管理HIV感染者的健康,為臨床實踐者提供更有效的治療策略。

1 對象與方法

1.1研究對象 本研究選取上海市公共衛生臨床中心AIDS自愿咨詢檢測門診(voluntary counseling and testing,VCT)就診的HIV感染者。根據患者的年齡、性別、教育水平、經濟水平、醫保情況等進行最大差異選樣,經樣本量公式:n=Z2σ2/d2(Z為置信區間、n為樣本容量、d為抽樣誤差范圍、σ為標準差,一般取0.5),(并以27個癥狀平均發生率為結局指標、考慮到該機構的年門診量及20%的樣本流失率,納入144例感染者)。本研究已通過復旦大學護理學院倫理委員會批準(審批號:IRB#TYSQ2020-05-04)。納入標準:(1)18歲以上的HIV感染者。(2)正在該中心接受住院治療或門診隨訪。(3)神志清楚,能正確閱讀文字和回答問題且能熟練操作手機。(4)自愿加入本研究。排除標準:診斷患有與HIV相關的神經認知疾病而無法完成問卷。

1.2研究工具

1.2.1自制HIV感染者一般資料調查表 包括一般人口學資料、社會經濟學資料、健康相關資料。一般人口學資料包括:年齡、性別、民族、主要照顧者。社會經濟學資料包括:教育程度、婚姻狀況、就業狀態宗教信仰。健康相關資料包括: HIV確診年限、服用抗病毒藥物使用年限、 CD4+T細胞水平。其中感染者健康相關資料由調查員提取隨訪檔案中的信息。此外在第1個月、第4個月和第7個月的最后1周收集CD4+T細胞計數、生活質量和軀體健康水平,參與者被問及以下2個問題:“你的生活質量如何?”以及“您的整體身體健康狀況如何?”選項每項條目采用 5級評分,其中 1分表示非常好,2分表示較好,3分表示中等,4分表示較差,5分表示非常差,分數越高表明生活質量和軀體健康越不好。

1.2.2患者自我報告癥狀 采用AIDS癥狀自評量表(sign and symptom checklist for persons with HIV diseases,HSSC)[5],該量表包含 27 個條目,測量感染者 7 d 內包括疲乏、睡眠障礙、頭痛等 27 種 HIV 相關癥狀的嚴重程度。每項條目采用 4 級評分,其中 0分表示無癥狀,1分表示輕度,2分表示中度,3分表示嚴重,分值越大表明癥狀嚴重程度越高。該量表具有良好的信效度,內容效度指數CVI=0.918,既往研究[5]中該量表的 Cronbach′s α系數為 0.947。

1.3資料收集方法 本研究采用經驗取樣法,以1個月為1個周期,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,于每個周期中每周開展1次數據收集,在為期7個月的時間里共計收集數據12波,并形成面板數據后進行分析。研究采取HSSC對癥狀的發生和嚴重程度進行調查,同時將使用每個周期的癥狀信息分析個性化癥狀網絡。

1.4質量控制 本研究團隊成員針對調查內容與方法對調查人員進行了統一嚴格的培訓。調查前研究人員給予充分說明,使研究對象了解本研究的目的與意義,在幾秒內或是數十秒內完成的問卷將會被剔除;每次收集數據結束時,調查員立即檢查后臺數據是否填寫完整,發現錯漏與不合邏輯的項目時,請調查對象補填和修正。

1.5統計學方法

1.5.2癥狀網絡構建和網絡連通性計算 本研究使用R包qgraph進行網絡分析。本研究在第1個月、第4個月和第7個月使用Fruchterman-Reingold(FR)算法和spring布局生成個體癥狀網絡,該網絡基于從27個自我報告的癥狀中收集的12波的數據。在FR算法中,將中心性最高的節點放置在網絡中心,將特征相似的節點放置在更靠近的位置。同時使用Centrality命令可以獲取網絡中心化指標的數值進行記錄。網絡連通性被計算為節點強度的總和。

1.5.3隨機效應回歸模型 本研究采用Hausman分析,確定采用隨機效應模型,分別進行網絡連通性、嚴重程度與logCD4、軀體健康和生活質量水平之間的縱向回歸分析。在模型1～模型3中,自變量包括網絡連通性、年齡和性別;模型4 ～模型6中的自變量包括癥狀嚴重程度、年齡和性別;模型1～模型6因變量皆為logCD4、生活質量和軀體健康水平。

2 結果

2.1研究對象 一般資料比較在144例符合隊列研究條件的HIV感染者中,137例HIV感染者完成了基線和隨訪時的所有問卷,其中7例HIV感染者因拒絕參加隨訪問卷調查而被排除在外。流失率為4.86%。隨訪組平均年齡為(30.5±6.3)歲,流失組平均年齡為(30.8±4.3)歲。2組一般資料比較差異無統計學意義(P>0.05),具有可比性,見表1。

表1 研究對象的一般資料

2.2癥狀網絡強度和癥狀嚴重程度情況 見圖1。圖1顯示,144例HIV感染者中27種癥狀在12個收集周期中的嚴重程度和強度變化,可見,癥狀網絡的強度的變化和癥狀嚴重程度的變化并不同步。在可視化結果中,27種癥狀的嚴重程度呈現持續降低趨勢,而癥狀的單個節點強度呈現上升趨勢。27種癥狀中疲乏、頭暈、頭痛、發熱和注意力集中是最為嚴重的癥狀,根據網絡連通性,理解上存在困難、注意力難以集中、惡心或嘔吐、反應變慢和健忘也是整個網絡當中較為核心的癥狀。

圖1 癥狀網絡連通性和癥狀嚴重程度在整個縱向研究過程中的變化

2.3網絡連通性、癥狀嚴重程度和CD4+T細胞、軀體健康水平和生活質量之間的縱向關系 隨機效應模型顯示,癥狀網絡的連通性越高,軀體健康水平越低(β=0.003,P=0.036)。隨機效應模型顯示,癥狀嚴重程度越高,軀體健康水平(β=-0.016,P<0.001)和生活質量越差(β=-0.017,P<0.001)。其縱向關系,見表2和表3。

表2 logCD4、軀體健康和生活質量水平分別和網絡連通性之間的縱向關系(n=137)

表3 logCD4、軀體健康和生活質量水平分別和癥狀的嚴重程度之間的縱向關系

模型2擬合指標如下,R=0.132,R2=0.018,調整后R2=0.015,F=7.235,P=0.007,AIC=1533.29,BIC=1901.080

模型3擬合指標如下,R=0.159,R2=0.025,調整后R2=0.023,F=10.577,P=0.004,AIC=1533.287,BIC=1901.082

3 討論

3.1網絡連通性是軀體健康水平的特異性指標 本研究發現,相較于與軀體健康和生活質量水平都相關的癥狀嚴重程度,網絡連通性顯示出其作為特異性軀體健康預測指標的潛在價值。這意味著網絡連通性在區分預測軀體健康水平和生活質量方面上,具有更高的鑒別力。關于網絡連通性的價值,既往研究中存在不少爭議:Borkulo等[9]在探索癥狀網絡結構與抑郁病程的關系時,認為網絡連通性具有潛在的預測價值,能夠識別在重度抑郁癥預后中起關鍵作用的癥狀,但Schweren等[12]采用Borkulo的同樣研究方法,卻并未得出相同的結論,他們因此主張,應謹慎對待將群體水平的網絡連通性作為疾病預后的指標。然而,本研究卻實證了個體化網絡連通性在預測軀體健康水平方面的特異性作用,這一發現在網絡分析領域具有創新意義。因此,利用癥狀網絡連通性這一指標,有望為癥狀管理預后預測提供新的視角和工具,協助臨床醫護人員和患者進行更有效的專業照護和自我管理,從而確定癥狀的干預靶點和干預時機,以實現更快捷、直觀的臨床決策。

3.2網絡連通性和癥狀嚴重程度的變化并不完全同步 本研究發現,癥狀網絡連通性和癥狀嚴重程度在整個縱向研究過程中都有所波動,且變化趨勢并不一致。在可視化結果中,27種癥狀的嚴重程度展現出持續下降的趨勢,而單個癥狀節點的強度則呈現上升趨勢。既往研究[12]關注了特定癥狀的內部結構連通性與癥狀嚴重程度的關系,并提出連通性與癥狀嚴重程度可能相互影響。有關研究[12-13]也指出,網絡連通性與癥狀嚴重程度之間的聯系仍需深入探討。在此背景下,我們認為癥狀網絡連通性可能與除癥狀嚴重程度之外的其他因素有所關聯,例如年齡、性別、疾病類型和心理狀況等,這些因素值得我們進一步研究。基于此,我們團隊提出了 “癥狀熵值”假說,隨著癥狀嚴重程度的降低,網絡連通性會表現出先升高再降低的趨勢,而癥狀熵值可能成為個體易感階段的一種指標。目前,這一假說仍在探索階段。

3.3癥狀嚴重程度變化較為穩定,癥狀節點強度變化不穩定 本研究發現,疲乏是HIV感染者最主要的核心癥狀,這一結果與Zhu等[14]研究相吻合。既往研究[14-15]顯示,疲乏其對HIV感染者的影響將長期存在,同時也將成為HIV感染者面臨的主要癥狀問題;一旦病毒載量下降到500拷貝以下,疲乏的嚴重程度可能會過渡到穩定階段[14]。同時,疲乏與患者治療因素(包括病毒載量、抗藥物病毒的使用)、合并癥以及心理因素(如抑郁)顯著相關[16-17],在這些因素的影響下,疲乏仍舊可能會進入不穩定階段。因此,本研究建議把疲乏評估和干預作為臨床對HIV感染者的基本管理措施。此外,雖然在27個癥狀中,疲乏是最嚴重的癥狀,但在這些癥狀的嚴重程度變化相對穩定的同時,其癥狀節點強度變化并不穩定。本研究結果顯示,在27個癥狀單個節點強度排序前列當中,位處前列的為患者心情相關的癥狀,故本研究猜測癥狀的網絡連通性和患者心理狀況密切相關,值得進一步的探索。因此,建議AIDS護理人員在對患者自我報告癥狀收集時對患者心理癥狀進行評估。

綜上所述,本研究發現癥狀的個體化網絡連通性展現出作為軀體健康水平特異性預測指標的潛力。相對于癥狀的嚴重程度,網絡連通性能夠更準確地區分HIV感染者的軀體健康水平以及在廣義健康問題上的差異。這一發現為我們提供了新的視角和工具,通過癥狀網絡連通性的度量,可以更深入地理解HIV感染者的軀體健康水平,包括那些可能被傳統評估方法忽視的復雜關聯性。在實踐中,這一發現具有重大意義,為預測、干預和管理HIV感染者軀體癥狀提供了新的思路和策略。通過構建和分析個體化的癥狀網絡,醫療專業人員可以得出更精確的健康狀況預測,定制出更個性化的干預措施,有效地改善和管理感染者的健康狀況。癥狀網絡連通性的應用為癥狀管理開辟了新的途徑,對于提高患者的生活質量,以及優化公共衛生資源的分配,都具有重要的實用價值。