癥狀網絡分析在癌癥病人焦慮、抑郁癥狀管理中的應用研究進展

作者簡介"張娟，"碩士研究生在讀

* 通訊作者"李秀川，E-mail：lixiuchuan2005@yeah.net

引用信息"張娟，徐令婕，王潤秋，等.癥狀網絡分析在癌癥病人焦慮、抑郁癥狀管理中的應用研究進展［J］.循證護理，2025，11（1）：97-100.

摘要""從癥狀網絡分析的概念、基本原理、方法出發，闡述其在癌癥病人焦慮、抑郁癥狀管理方面的應用，以及我國未來的研究方向，以期為癌癥病人焦慮、抑郁的研究提供新思路。

關鍵詞""癌癥；癥狀網絡分析；焦慮；抑郁；綜述

doi：10.12102/j.issn.2095-8668.2025.01.017

2020年全球癌癥統計數據顯示，2020年全球癌癥新增病例為1 930萬人，死亡人數近1 000萬人，我國新發癌癥病例為457萬人，占全球癌癥新發人群總數的23.7%，死亡病例達300萬例［1］。癌癥對我國公眾健康產生了重大影響。研究顯示，焦慮和抑郁是癌癥病人最常見的心理癥狀，癌癥病人相關焦慮、抑郁發病率是普通人群的5倍［2?3］，會導致癌癥病人的生活質量降低、治療依從性差、預后較差和自殺風險增加［4?5］。癌癥本身及其治療的影響會導致一系列互相影響、互相依存的并存癥狀發生，影響癌癥病人的生活質量［6］，這些癥狀需要更有效的管理。以往研究大多將癥狀看作一個整體，網絡分析（network approach，NA）不僅將一個癥狀看作一個整體，而是將癥狀內部各變量的復雜關系及其關聯強度以可視化的形式展現出來，更為直觀地展現各變量的重要程度及復雜的關系，從而更好地探索癥狀的異質性。近年來，癥狀網絡分析在癌癥病人焦慮、抑郁的研究中有一定的發展。目前，國外研究報道了對患有抑郁癥狀的不同人群的癥狀網絡分析［7?10］，但我國對癌癥病人焦慮、抑郁癥狀的網絡分析認識較少，如何探究癌癥病人焦慮、抑郁癥狀的中心癥狀及關聯程度，提升我國癌癥病人的生活質量，是我國癌癥病人癥狀管理領域亟須解決的問題。本研究對網絡分析在癌癥病人焦慮、抑郁方面應用的研究進展進行綜述，以期為我國更好地進行癌癥病人焦慮、抑郁心理問題管理提供參考。

1 網絡分析

1.1 網絡分析的概念

網絡分析是一種可以對多個變量間的復雜關系進行分析并可視化的新興統計方法［11］。該方法將癥狀或變量描繪成“節點”（空間的點），癥狀或者變量之間相互作用的關聯程度描繪為“邊緣”’（關聯強度的線），關鍵節點即有最大和最強邊緣的節點（中心癥狀），可以對這些系統進行全面的復雜性表示、分析和研究［12］。在這個框架下，心理變量被理解為直接相互影響，而不是由一個未被觀察到的潛在實體引起的［13］。而且，網絡分析不僅可以識別中心性指標，還可以檢測各個變量在網絡中的相互關聯程度。一般中心性越高的變量代表其在網絡中的影響越強，干預中心性指標會對整個網絡的激活程度和維護越有效，所以網絡中的中心性指標可以作為干預研究的核心靶點［7］。

1.2 網絡分析的基本原理

復雜網絡分析最早應用在物理學和數學領域［14?15］，蓬勃發展于解釋相互作用的復雜關系。Barabási［16］總結最終形成一套實證研究方法，即網絡分析。該方法在臨床心理學［17?18］、精神病理學［18］、人格研究［19］等醫學領域中應用廣泛。2010年，Danks等［20］首次提出，這種探索性方法有利于建立精神病理學網絡的因果關系。2013年，Borsboom等［12］將網絡分析真正用于精神病理學研究中，首次通過癥狀網絡對精神病理學中的重度抑郁、焦慮、自殺等精神障礙建立了可視化模型，開啟了網絡分析方法在精神病理學某種精神障礙中的應用。精神障礙被概念化為因果相關癥狀的系統，而不是對潛在障礙的影響［17］。癌癥病人焦慮、抑郁的發生機制以及如何相互作用尚不清楚，基于網絡分析生成多維度癥狀體驗的癥狀網絡可以提供更多的數據分析，這些數據具有臨床意義。所以，網絡分析方法為癌癥病人抑郁和焦慮開發更精確和個性化的干預措施并提供癥狀管理的新思路。

1.3 癥狀網絡分析方法

網絡分析需要使用R軟件、Gephi軟件實現。分析指標包括網絡建立與可視化、中心性可預測性分析和網絡準確性和穩定性。網絡模型可視化使用R包的Qgraph［21］，采用高斯圖形模型構建網絡，使用擴展貝葉斯準則結合圖形套索算法選擇更穩定的正則化偏相關網絡［22］。拓展葉貝斯信息準則通過超參數來控制模型的稀疏程度，一般將超參數設置為0.5是最適合的數值［23］；中心性可預測性分析，在中心性指標中，強度中心性是較穩定的中心性指標。節點的強度中心性是計算所有連在一個節點上的邊權值的絕對值之和。使用R軟件中的Mgm包分析節點的可預測性，具有高預測性值的癥狀表明可以通過其鄰近節點來控制該癥狀。相反，如果可預測性值較低，則需要直接干預。網絡準確性和穩定，使用R軟件中的Bootnet實現，邊權值的準確性是通過非參數自助數來計算邊權值95%置信區間來檢測的［24］。相關穩定性是由樣本自降自助法計算得出的。研究表明，相關穩定性系數最好高于0.50且不低于0.25［25］。

2 網絡分析在癌癥病人焦慮、抑郁癥狀管理中的應用

2.1 探究癌癥病人焦慮、抑郁群體癥狀異質性

焦慮、抑郁等心理問題在癌癥病人中非常普遍［26］，一般是普通人群的4倍［27］。Hartung等［28］研究發現，癌癥病人的抑郁癥狀在網絡中往往較少依賴于其他癥狀，而是受網絡之外因素影響。癌癥病人與一般人群相比引起該癥狀的重要差異主要來源于睡眠、食欲及乏力等，且癌癥病人抑郁癥狀中能量喪失和食欲改變關聯程度最強，其次是自殺和情緒低落癥狀。有學者探究前列腺癌病人抑郁癥狀的網絡結構，其數據代表了更廣泛的非臨床抑郁亞樣本，引起前列腺癌病人抑郁癥狀是快感缺乏，與一般人群不同［29］。多項研究針對整個癌癥群體，較少有分病種討論［30?32］，提示在之后研究中可以探討不同腫瘤類型病人焦慮、抑郁的異質性。

2.2 中心癥狀及橋梁癥狀識別

中心癥狀是網絡分析中關聯強度最強的節點，在癥狀網絡中將強關聯節點放置在圖的中心，將弱關聯節點放在外圍［33］。橋梁癥狀是將兩種或兩種以上不同疾病聯系起來的癥狀［12］，可作為判斷癥狀出現的早期指標，對網絡結構的發展路徑具有深刻意義［34］。一項對803例乳腺癌病人的焦慮、抑郁及復發恐懼的網絡分析研究，確定了焦慮群體中的“難以放松”是整個網絡中的中心癥狀，“悲傷情緒”是抑郁群體的中心癥狀，“感到害怕”“無法控制的擔憂”及“煩躁不安”是連接復發恐懼、抑郁和焦慮群體的最強橋梁癥狀［35］。Hartung等［28］對4 020例癌癥病人構建的網絡發現，抑郁癥狀群體中最中心的癥狀是焦慮不安。Bobevski等［30］從癥狀群出發，構建了由1 463例癌癥病人的大樣本癥狀網絡，發現抑郁癥狀群的最中心癥狀是疲勞，抑郁和自殺的橋梁癥狀是“絕望”和“情緒低落”。研究者探索前列腺癌的抑郁癥狀的網絡分析結果發現，“快感缺失”是最中心的癥狀［29］。Li等［36］采用中文版病人健康問卷對177例抑郁癥病人的軀體癥狀進行評估，結果顯示，“心跳加速或劇烈跳動”是整個網絡中最核心癥狀。中心癥狀是整個網絡影響最大的癥狀，是制定干預措施的最佳目標，以此制定干預措施可以減少其他癥狀的發生，也可以對癥治療，起到最優的效果。橋梁癥狀是兩種疾病聯系的癥狀，可以探討共病發生的因果關系，如果以此為干預目標，可以減少共病的發生。

2.3 抑郁、焦慮社區網絡識別

社區是相互高度連接的節點集群，但僅與其他集群中的節點適度連接［37］，即橋梁癥狀。Bobevski等［30］構建了由1 463例癌癥病人士氣低落的癥狀網絡，確定了4個社區群體，分別是希望和意義的喪失、非特定情緒、誘捕以及抑郁癥狀，發現抑郁癥狀是集中的社團。有學者使用網絡分析方法確定了癌癥病人化療期間的癥狀群，包括疲勞、焦慮抑郁、癌癥治療相關毒性及惡心4個癥狀集群，并討論了癥狀集群對癌癥病人生活質量的影響［6］。Yang等［35］對803例乳腺癌病人最易出現的焦慮、抑郁及復發恐懼社團研究發現，焦慮、抑郁及復發恐懼之間存在復雜關系，為臨床乳腺癌病人出現這3個癥狀的干預提供了新的思路。網絡分析的可視化更直觀地識別癥狀群組，以更好地解釋癌癥病人抑郁、焦慮的潛在發生機制。

2.4 焦慮、抑郁的潛在風險因素和保護因素識別

癌癥病人由于疾病的特殊性，會產生很多心理問題，各個心理問題相互關聯。焦慮和抑郁是癌癥病人最常見的心理癥狀［3］。準確識別風險因素，有利于預防與治療，并提高病人的生活質量。一項對癌癥病人的疲勞、抑郁和焦慮癥狀以及外部影響因素構建了網絡模型研究，發現無助和身體癥狀與疲勞之間的關系是潛在的危險因素；疾病接受程度是保護因素。研究者確定了抑郁、焦慮和疲勞癥狀與潛在危險和保護因素之間的復雜聯系［31］，及時預防可以減少不利癥狀的出現和發展。

2.5 網絡干預方法

網絡干預方法是一個最近開發的方法［38］，它可以用于研究治療的特異性，直接和間接作用的序貫流程，突出可能的治療效應演進途徑，有助于理解治療機制，并可以揭示其優化線索［39］。Fishbein等［32］對接受與承諾治療（acceptance and commitment therapy，ACT）的113例癌癥幸存者焦慮運用網絡分析干預方法，該研究首次將網絡干預分析應用于過程和結果變量的組合，確定了對每個結果的獨特干預效果。結果發現，ACT解決癌癥特異性焦慮形式似乎減少了更廣泛的焦慮癥狀，而焦慮相關結果的改善是干預對自我同情影響的一種機制。網絡干預方法更適用于臨床，可以在干預過程中監控治療效果，及時調整干預措施，以可視化網絡形式看到干預對各種癥狀的影響。該方法是檢測干預措施有效的實用、新興方法。

3 對我國癌癥病人抑郁、焦慮癥狀管理的啟示

3.1 識別較為精準的干預目標

網絡分析可以簡單、直觀地識別中心性癥狀，并以此作為干預措施的目標，對網絡結構的某些方面進行干預可以使系統或網絡返回到更健康的狀態，識別潛在風險和保護因素，在癥狀形成前進行及時干預，阻止不利癥狀的出現［31］；識別不同疾病的橋梁癥狀，針對該癥狀制定有效的干預措施，及時有效阻斷共病的發展［35］。

3.2 開展癥狀的縱向研究，提高癌癥病人生活質量

近年來，使用網絡分析對癌癥病人焦慮、抑郁開展的研究多為橫斷面研究，無法探究癥狀的因果關系，也無法探究癥狀的潛在危險和保護因素［3，6，11，28?32］。提示下一步可以開展縱向研究，通過時間變化進行動態監測，探究癥狀發生的規律，以更好地對因果關系進行實證研究；其次可以開展外部因素分析，如癌癥預后、治療方式、經濟負擔及社會支持等；最后可以開展各種類型癌癥群體的癥狀研究，以探索其異質性。

3.3 繼續探索癌癥病人焦慮、抑郁與其他癥狀的關聯

癌癥病人的心理問題一般都是同時發生的［6］，焦慮、抑郁癥狀與其他心理問題存在相關性，但其中的復雜關系尚在探究中，繼續探索之間的關系，減少癌癥病人的共病，以提高病人的生活質量以及生存質量。

3.4 加強癌癥病人焦慮、抑郁癥狀網絡干預

網絡干預是一個新的方法，用于檢查干預的直接和間接影響，還可以對新的人群，甚至個人層面制定個性化的干預措施［32］。目前，國內外癌癥病人群體的焦慮、抑郁癥狀使用該方法較少，下一步研究方向可以對癌癥病人抑郁、焦慮進行網絡干預分析。

4 小結

網絡分析在癥狀管理方面的應用是研究熱點，但目前在我國癌癥病人中研究較少。抑郁、焦慮癥狀是癌癥病人最易發生的，共存于其他癥狀并且相互關聯。網絡分析以可視化的方式展示抑郁、焦慮癥狀間的相互關系。不僅讓臨床護理人員易于找到關鍵問題而且病人也可以參與其中，了解自己的癥狀，更方便臨床干預治療。未來，網絡分析的研究方向應向個體化層面、縱向研究、各類癌癥病種的研究以及干預驗證發展，探討癌癥病人焦慮、抑郁的發生機制、因果關系和危險因素，以期提高我國癌癥病人生活質量和生存率。

參考文獻：

[1] SUNG H，FYERLA J，SIEGEL R L，et al.Global cancer statistics 2020：globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA Cancer J Clin，2021，71（3）：209-249.

[2] 張凱，劉英杰，遲婷，等.癌癥患者焦慮、抑郁情緒與醫療社會支持的相關性研究[J].甘肅醫藥，2021，40（10）：886-888；906.

[3] GRASS L，CARUSO R，RIBA M B，et al.Anxiety and depression in adult cancer patients：ESMO clinical practice guideline[J].ESMO Open，2023，8（2）：101155.

[4] HARTUNG T J，BRAHLER E，FALLER H，et al.The risk of being depressed is significantly higher in cancer patients than in the general population：prevalence and severity of depressive symptoms across major cancer types[J].Eur J Cancer，2017，72：46-53.

[5] WANG X，WANG N，ZHONG L D，et al.Prognostic value of depression and anxiety on breast cancer recurrence and mortality：a systematic review and Meta-analysis of 282 203 patients[J].Molecular Psychiatry，2020，25（12）：3186-3197.

[6] MATZKA M，K?CK-HóDI S，JAHN P，et al.Relationship among symptom clusters，quality of life，and treatment-specific optimism in patients with cancer[J].Supportive Care in Cancer，2018，26（8）：2685-2693.

[7] MCELROY E，FEARON P，BELSKY J，et al.Networks of depression and anxiety symptoms across development[J].Journal of the American Academy of Child and Adolescent Psychiatry，2018，57（12）：964-973.

[8] GRASSIE H L，KENNEDY S M，HALLIDAY E R，et al.Symptom-level networks of youth-and parent-reported depression and anxiety in a transdiagnostic clinical sample[J].Depression and Anxiety，2022，39（3）：211-219.

[9] RAMOS-VERA C，BARRIENTOS A S，VALLEJOS-SALDARRIAGA J，et al.Network structure of comorbidity patterns in U.S.adults with depression：a national study based on data from the behavioral risk factor surveillance system[J].Depression Research and Treatment，2023，2023：9969532.

[10] SU Y Y，LI M Z，MENG X F.Symptom patterns in the co-occurrence of depressive and generalized anxiety symptoms：a network analysis of a Canadian nationally representative sample[J].Journal of Affective Disorders，2024，351：888-894.

[11] BEARD C，MILLNER A J，FORGEARD M J，et al.Network analysis of depression and anxiety symptom relationships in a psychiatric sample[J].Psychological Medicine，2016，46（16）：3359-3369.

[12] BORSBOOM D，CRAMER A O.Network analysis：an integrative approach to the structure of psychopathology[J].Annual Review of Clinical Psychology，2013，9：91-121.

[13] EPSKAMP S，FRIED E I.A tutorial on regularized partial correlation networks[J].Psychological Methods，2018，23（4）：617-634.

[14] ERDOS P，RéNYI A.On random graphs I[J]. Publ Math， 1959（4）：290-297.

[15] ISING E.Beitrag zur theorie des ferromagnetismus[J].Zeitschrift Für Physik，1925，31（1）：253-258.

[16] BARABáSI A.The network takeover[J].Nature Physics，2011，8：14-16.

[17] BORSBOOM D.A network theory of mental disorders[J].World Psychiatry，2017，16（1）：5-13.

[18] BORSBOOM D，FRIED E I，EPSKAMP S，et al.False alarm？A comprehensive reanalysis of \"evidence that psychopathology symptom networks have limited replicability\" by Forbes，Wright，Markon，and Krueger（2017）[J].Journal of Abnormal Psychology，2017，126（7）：989-999.

[19] COSTANTINI G，EPSKAMP S，BORSBOOM D，et al.State of the art personality research：a tutorial on network analysis of personality data in R[J].Journal of Research in Personality，2015，54：13-29.

[20] DANKS D，FANCSALI S，GLYMOUR C，et al.Comorbid science？[J].Behav Brain Sci，2010，33（2/3）：153-155.

[21] SHARPEE T O，DESTEXHE A，KAWATO M，et al.25th annual computational neuroscience meeting：CNS-2016[J].BMC Neuroscience，2016，17（Suppl 1）：54.

[22] FRIEDMAN J，HASTIE T，TIBSHIRANI R.Sparse inverse covariance estimation with the graphical lasso[J].Biostatistics，2008，9（3）：432-441.

[23] CHANG W C，WONG C S M，OR P C F，et al.Inter-relationships among psychopathology，premorbid adjustment，cognition and psychosocial functioning in first-episode psychosis：a network analysis approach[J].Psychological Medicine，2020，50（12）：2019-2027.

[24] HASLBECK J M B，FRIED E I.How predictable are symptoms in psychopathological networks？A reanalysis of 18 published datasets[J].Psychological Medicine，2017，47（16）：2767-2776.

[25] EPSKAMP S，BORSBOOM D，FRIED E I.Estimating psychological networks and their accuracy：a tutorial paper[J].Behavior Research Methods，2018，50（1）：195-212.

[26] MARINOVIC D A，HUNTER R L.Examining the interrelationships between mindfulness-based interventions，depression，inflammation，and cancer survival[J].CA，2022，72（5）：490-502.

[27] BORTOLATO B，HYPHANTIS T N，VALPIONE S，et al.Depression in cancer：the many biobehavioral pathways driving tumor progression[J].Cancer Treatment Reviews，2017，52：58-70.

[28] HARTUNG T J，FRIED E I，MEHNERT A，et al.Frequency and network analysis of depressive symptoms in patients with cancer compared to the general population[J].Journal of Affective Disorders，2019，256：295-301.

[29] SHARPLEY C F，CHRISTIE D R H，ARNOLD W M，et al.Network analysis of depression in prostate cancer patients：implications for assessment and treatment[J].Psycho-Oncology，2023，32（3）：368-374.

[30] BOBEVSKI I，KISSANE D W，VEHLING S，et al.Demoralisation and its link with depression，psychological adjustment and suicidality among cancer patients：a network psychometrics approach[J].Cancer Medicine，2022，11（3）：815-825.

[31] SCHELLEKENS M P J，WOLVERS M D J，SCHROEVERS M J，et al.Exploring the interconnectedness of fatigue，depression，anxiety and potential risk and protective factors in cancer patients：a network approach[J].Journal of Behavioral Medicine，2020，43（4）：553-563.

[32] FISHBEIN J N，HASLBECK J，ARCH J J.Network intervention analysis of anxiety-related outcomes and processes of acceptance and commitment therapy（ACT）for anxious cancer survivors[J].Behaviour Research and Therapy，2023，162：104266.

[33] GALDERISI S，RUCCI P，KIRKPATRICK B，et al.Interplay among psychopathologic variables，personal resources，context-related factors，and real-life functioning in individuals with schizophrenia：a network analysis[J].JAMA Psychiatry，2018，75（4）：396-404.

[34] HENRY T R，MARSHALL S A，AVIS N E，et al.Concordance networks and application to clustering cancer symptomology[J].PLoS One，2018，13（3）：e0191981.

[35] YANG Y，SUN H W，LUO X，et al.Network connectivity between fear of cancer recurrence，anxiety，and depression in breast cancer patients[J].Journal of Affective Disorders，2022，309：358-367.

[36] LI Y，JIA S M，CAO B H，et al.Network analysis of somatic symptoms in Chinese patients with depressive disorder[J].Frontiers in Public Health，2023，11：1079873.

[37] CRAMER A O J，WALDORP L J，VAN DER MAAS H L J，et al.Comorbidity：a network perspective[J].Behavioral and Brain Sciences，2010，33（2/3）：137-193.

[38] HASLBECK J M B，WALDORP L J.Mgm：estimating time-varying mixed graphical models in high-dimensional data[J].Journal of Statistical Software，2020，93（8）：1-46.

[39] BLANKEN T F，VAN DER ZWEERDE T，VAN STRATEN A，et al.Introducing network intervention analysis to investigate sequential，symptom-specific treatment effects：a demonstration in co-occurring insomnia and depression[J].Psychother Psychosom，2019，88（1）：52-54.

（收稿日期：2024-06-22;修回日期：2024-12-10）

（本文編輯"張建華）