朱政 余駿雯 楊中方 胡天天 金依霖 何加敏

(1.復(fù)旦大學(xué)護(hù)理學(xué)院,上海 200032;2.上海市循證護(hù)理中心,上海 200032;3.紐約大學(xué)護(hù)理學(xué)院,紐約 10010)

隨著信息技術(shù)和大數(shù)據(jù)分析技術(shù)的不斷發(fā)展,以及真實(shí)世界復(fù)雜科學(xué)研究理念的變革,癥狀網(wǎng)絡(luò)的概念逐漸突破了以往的研究范式,即聚焦于單個(gè)癥狀并必須控制其他變量。自從2015年Fried等[1]學(xué)者在1篇評論文章中首次提出“癥狀網(wǎng)絡(luò)”的概念以來,該方法已經(jīng)在精神病理學(xué)、慢性病癥狀管理、腫瘤長期隨訪和患者自我管理中得到應(yīng)用[2-4]。癥狀網(wǎng)絡(luò)不僅提供了癥狀的發(fā)生率和嚴(yán)重程度指標(biāo),還能通過節(jié)點(diǎn)指標(biāo)和網(wǎng)絡(luò)指標(biāo)來反映癥狀在網(wǎng)絡(luò)中的關(guān)鍵作用。這種方法在某種意義上拓寬了臨床醫(yī)務(wù)人員對癥狀測量維度的認(rèn)知,從表觀機(jī)制層面分析癥狀共生問題。自從2021年復(fù)旦大學(xué)團(tuán)隊(duì)在中文護(hù)理期刊發(fā)表了第一篇關(guān)于癥狀網(wǎng)絡(luò)的研究[5]以來,該方法已成為護(hù)理領(lǐng)域研究復(fù)雜問題的一種必要分析技術(shù)。根據(jù)癥狀數(shù)據(jù)的類型,癥狀網(wǎng)絡(luò)可以分為3類:同期網(wǎng)絡(luò),基于橫斷面癥狀數(shù)據(jù);時(shí)態(tài)/個(gè)體化網(wǎng)絡(luò),基于單個(gè)個(gè)體癥狀數(shù)據(jù);動態(tài)網(wǎng)絡(luò)(dynamic network),基于重復(fù)測量的群體面板癥狀數(shù)據(jù)。其中,同期網(wǎng)絡(luò)是最常見的類型。本文將從癥狀同期網(wǎng)絡(luò)的定義、常用網(wǎng)絡(luò)特異性指標(biāo)以及R軟件的實(shí)現(xiàn)等方面進(jìn)行介紹,旨在為推廣和規(guī)范癥狀組學(xué)領(lǐng)域的研究提供借鑒和參考。

1 癥狀同期網(wǎng)絡(luò)的定義和常用網(wǎng)絡(luò)特異性指標(biāo)

1.1同期網(wǎng)絡(luò)的定義 同期網(wǎng)絡(luò)是指在同一測量時(shí)間點(diǎn)上,同一患者群體所表現(xiàn)出的癥狀所構(gòu)成的網(wǎng)絡(luò)。同期網(wǎng)絡(luò)是基于橫斷面數(shù)據(jù)構(gòu)建的。該網(wǎng)絡(luò)的構(gòu)建可以為研究者提供無法解釋的癥狀發(fā)生率和嚴(yán)重程度等信息,有助于臨床實(shí)踐者更好地識別某一疾病人群中癥狀發(fā)生的機(jī)制和精準(zhǔn)干預(yù)的靶點(diǎn)。同期網(wǎng)絡(luò)可以幫助研究者理清復(fù)雜情境下的共病和多因多果的癥狀問題,并對挖掘疾病的特異性靶點(diǎn)起到良好的作用。例如有學(xué)者[3]使用來自SCANS數(shù)據(jù)庫的1 065例癌癥生存者的橫斷面數(shù)據(jù),對與癌癥長期生存有關(guān)的13個(gè)癥狀進(jìn)行了分析,結(jié)果發(fā)現(xiàn)盡管“疲乏”的發(fā)生率和嚴(yán)重程度較高,但它并不是在長期生存中具有核心作用的癥狀。然而,同期網(wǎng)絡(luò)僅基于橫斷面數(shù)據(jù),無法建立真正的因果關(guān)系。在進(jìn)行癥狀的因果推斷時(shí),需要結(jié)合相應(yīng)的理論加以解釋。

1.2同期網(wǎng)絡(luò)中常用的網(wǎng)絡(luò)特異性指標(biāo) 同期網(wǎng)絡(luò)的特異性指標(biāo)可以分為節(jié)點(diǎn)指標(biāo)、網(wǎng)絡(luò)指標(biāo)、網(wǎng)絡(luò)擬合指標(biāo)和差異性檢驗(yàn)指標(biāo)4類。在本期?？械摹鞍Y狀網(wǎng)絡(luò)的特異性指標(biāo)”一文中已經(jīng)詳細(xì)介紹了各類網(wǎng)絡(luò)特異性指標(biāo)的定義和臨床意義,在本文中,僅總結(jié)了同期網(wǎng)絡(luò)中常用特異性指標(biāo)的類型和種類,見表1。

表1 同期網(wǎng)絡(luò)中常用的網(wǎng)絡(luò)特異性指標(biāo)一覽

2 癥狀網(wǎng)絡(luò)分析內(nèi)容和R軟件的實(shí)現(xiàn)

不同網(wǎng)絡(luò)類型需要采用不同的分析方法。如動態(tài)網(wǎng)絡(luò)可以采用交叉滯后面板網(wǎng)絡(luò)模型或時(shí)變向量自回歸模型進(jìn)行分析。本文將重點(diǎn)介紹同期網(wǎng)絡(luò)的基礎(chǔ)分析內(nèi)容,并介紹如何使用R軟件進(jìn)行實(shí)現(xiàn)。常用癥狀網(wǎng)絡(luò)分析方法,見表2。

表2 常用癥狀網(wǎng)絡(luò)分析方法一覽

2.1數(shù)據(jù)準(zhǔn)備和清理 癥狀網(wǎng)絡(luò)分析的數(shù)據(jù)準(zhǔn)備和清理需要注意以下幾點(diǎn)問題。(1)癥狀數(shù)據(jù)收集:收集患者自我報(bào)告或?qū)I(yè)人員記錄的癥狀信息。數(shù)據(jù)收集方式可以包括面對面訪談、問卷調(diào)查、電子醫(yī)療記錄或移動應(yīng)用等多種形式。(2)癥狀數(shù)據(jù)編碼:對癥狀信息進(jìn)行編碼,將其轉(zhuǎn)化為數(shù)值型數(shù)據(jù),以便進(jìn)行網(wǎng)絡(luò)分析。(3)癥狀數(shù)據(jù)轉(zhuǎn)化:將癥狀數(shù)據(jù)轉(zhuǎn)化為構(gòu)建癥狀網(wǎng)絡(luò)所需的形式,可以提取需要的變量并保存為CSV格式。(4)癥狀數(shù)據(jù)整理:由于網(wǎng)絡(luò)分析不允許存在缺失值,因此需要對收集到的癥狀數(shù)據(jù)進(jìn)行整理,包括去除無效數(shù)據(jù)或處理缺失數(shù)據(jù)等操作。(5)設(shè)置癥狀發(fā)生率閾值:有些癥狀的發(fā)生率較低,在總樣本中只出現(xiàn)1～5次,這可能導(dǎo)致網(wǎng)絡(luò)分析時(shí)出現(xiàn)錯(cuò)誤。建議剔除此類癥狀。

完成數(shù)據(jù)整理后,需要進(jìn)行以下步驟:設(shè)置工作目錄、讀取數(shù)據(jù),并導(dǎo)入qgraph命令包。qgraph是一個(gè)R語言的命令包,主要用于構(gòu)建同期癥狀網(wǎng)絡(luò)圖模型。該包的主要功能是利用圖形和統(tǒng)計(jì)方法來可視化網(wǎng)絡(luò)數(shù)據(jù),以幫助研究者更好地理解網(wǎng)絡(luò)結(jié)構(gòu)和關(guān)系。讀取方式,見框1,掃二維碼獲取框1。

2.2命名和定義群組 如果需要研究多個(gè)癥狀群之間的關(guān)系,并且涉及到多個(gè)癥狀,就需要對這些癥狀進(jìn)行命名和分類。如果使用了標(biāo)準(zhǔn)化量表,可以根據(jù)原量表的維度直接進(jìn)行分類。但如果原量表沒有明確的維度區(qū)分,建議先進(jìn)行因子分析或主成分分析來探索癥狀群。

2.3可視化 使用qgraph命令包可以將癥狀網(wǎng)絡(luò)進(jìn)行可視化。在示例代碼(框1)中,cor(myData)表示癥狀網(wǎng)絡(luò)的數(shù)據(jù)來源,需要使用cor命令來構(gòu)建相關(guān)系數(shù)矩陣。layout參數(shù)用于指定網(wǎng)絡(luò)的布局方式,可以選擇spring(彈簧布局)或circle(圓形布局)。labels參數(shù)用于指定節(jié)點(diǎn)的標(biāo)簽,groups參數(shù)用于表示節(jié)點(diǎn)的分組信息。label.scale參數(shù)控制節(jié)點(diǎn)標(biāo)簽的大小是否隨節(jié)點(diǎn)大小的變化而變化,label.cex參數(shù)表示標(biāo)簽的大小尺寸,node.width參數(shù)表示節(jié)點(diǎn)的大小,color參數(shù)表示不同群組的顏色。qgraph包含許多其他參數(shù)和選項(xiàng),可參考qgraph命令包的說明文檔[8]。癥狀網(wǎng)絡(luò)分析可視化結(jié)果示例,見圖1。

圖1 癥狀網(wǎng)絡(luò)分析可視化結(jié)果示例

2.4中心化指標(biāo)分析 在癥狀網(wǎng)絡(luò)中,中心性指標(biāo)是用來描述節(jié)點(diǎn)在網(wǎng)絡(luò)中核心地位的重要指標(biāo),主要包括強(qiáng)度中心性、緊密中心性和中介中心性。這些指標(biāo)可以用來確定核心癥狀(節(jié)點(diǎn)),成為臨床癥狀管理和干預(yù)的重點(diǎn)。通過針對核心癥狀進(jìn)行干預(yù),可以使原本與該節(jié)點(diǎn)有關(guān)聯(lián)的其他節(jié)點(diǎn)失去“靶點(diǎn)”的效果,并將干預(yù)作用傳播到核心癥狀周圍的節(jié)點(diǎn),從而最終導(dǎo)致其他癥狀的緩解或消失。使用Centrality命令可以獲取網(wǎng)絡(luò)中心性指標(biāo)的數(shù)值。其中,強(qiáng)度中心性(Strength)是最具有說服力的指標(biāo),數(shù)值越大表示該癥狀在機(jī)制上是最核心的癥狀。在癥狀網(wǎng)絡(luò)中,采用spring布局時(shí),核心癥狀通常位于圖形的中央位置。中心化指標(biāo)分析結(jié)果示例,見圖2。

圖2 中心化指標(biāo)分析結(jié)果示例

2.5橋梁分析 如果癥狀在多個(gè)癥狀群之間起到橋梁的作用,可以探索橋梁癥狀。使用Bridge命令可以獲取癥狀的橋梁中心性指標(biāo),其中橋梁強(qiáng)度中心性是最具有說服力的指標(biāo)。該指標(biāo)的數(shù)值越大,代表該癥狀在機(jī)制層面上可能是連接2個(gè)癥狀群的關(guān)鍵癥狀。橋梁中心性指標(biāo)需要結(jié)合癥狀網(wǎng)絡(luò)進(jìn)行解釋,以明確具體連接哪2個(gè)癥狀群之間的橋梁。

2.6邊緣精確性和節(jié)點(diǎn)穩(wěn)定性分析 網(wǎng)絡(luò)分析的邊緣精確性和節(jié)點(diǎn)穩(wěn)定性分析是通過對原始數(shù)據(jù)進(jìn)行重復(fù)抽樣來評估網(wǎng)絡(luò)結(jié)果的可信程度的一種方法。這種方法可以在不同的數(shù)據(jù)集上評估網(wǎng)絡(luò)結(jié)果的一致性,并確定結(jié)果的穩(wěn)健性和可靠性。常用的分析方法之一是基于自助重采樣(bootstrapping)技術(shù),它通過多次隨機(jī)抽樣生成多個(gè)數(shù)據(jù)集,并在每個(gè)數(shù)據(jù)集上重新計(jì)算網(wǎng)絡(luò)指標(biāo)。然后,通過計(jì)算這些指標(biāo)的平均值、標(biāo)準(zhǔn)誤差、置信區(qū)間等統(tǒng)計(jì)指標(biāo)來評估網(wǎng)絡(luò)指標(biāo)的精確性和穩(wěn)定性。具體的分析代碼可以參考框1中的示例。

在解讀邊緣精確性分析結(jié)果時(shí),常需要考慮2個(gè)方面。(1)關(guān)注網(wǎng)絡(luò)指標(biāo)的平均值和標(biāo)準(zhǔn)誤差。網(wǎng)絡(luò)指標(biāo)的平均值可以反映網(wǎng)絡(luò)的整體水平,而標(biāo)準(zhǔn)誤差則反映了指標(biāo)估計(jì)的精度。(2)要考慮網(wǎng)絡(luò)指標(biāo)的置信區(qū)間,即指標(biāo)值的95%置信區(qū)間(CIs)。置信區(qū)間可以反映指標(biāo)的精確性。如果多次抽樣得到的網(wǎng)絡(luò)指標(biāo)在不同數(shù)據(jù)集上變化較小,那么置信區(qū)間將較窄;反之,如果變化較大,則置信區(qū)間較寬。精確性檢驗(yàn)結(jié)果示例,見圖3。

圖3 精確性檢驗(yàn)結(jié)果示例

節(jié)點(diǎn)穩(wěn)定性分析是評估網(wǎng)絡(luò)中測量結(jié)果(例如中心性指標(biāo))可靠性和準(zhǔn)確性的過程。常用的節(jié)點(diǎn)穩(wěn)定性分析方法包括重復(fù)計(jì)算和重復(fù)抽樣。重復(fù)計(jì)算是指在相同的網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性條件下,多次計(jì)算網(wǎng)絡(luò)指標(biāo)以評估其穩(wěn)定性和一致性。如可以使用不同的隨機(jī)數(shù)種子生成多個(gè)相同的網(wǎng)絡(luò),并計(jì)算中心性指標(biāo),然后對結(jié)果進(jìn)行比較。如果結(jié)果一致,說明該指標(biāo)的計(jì)算較為穩(wěn)定和可靠。具體的穩(wěn)定性分析代碼可參考框1。對于節(jié)點(diǎn)穩(wěn)定性分析的結(jié)果解讀,通常需要計(jì)算統(tǒng)計(jì)指標(biāo)(如標(biāo)準(zhǔn)誤、置信區(qū)間和偏差)并繪制直方圖和箱線圖。標(biāo)準(zhǔn)誤越小、置信區(qū)間越窄,表示網(wǎng)絡(luò)指標(biāo)的計(jì)算越穩(wěn)定。直方圖和箱線圖可展示網(wǎng)絡(luò)指標(biāo)的分布情況,有助于確定異常值和數(shù)據(jù)的偏斜程度。通常情況下,指標(biāo)數(shù)值>0.25被認(rèn)為可接受,數(shù)值>0.5表示穩(wěn)定性較好。節(jié)點(diǎn)穩(wěn)定性檢驗(yàn)結(jié)果,見圖4。

圖4 節(jié)點(diǎn)穩(wěn)定性檢驗(yàn)結(jié)果

3 討論

3.1常見問題解析:同期網(wǎng)絡(luò)的最小樣本量估算 確定網(wǎng)絡(luò)分析中的最小樣本量主要取決于研究問題和網(wǎng)絡(luò)特性,例如網(wǎng)絡(luò)的大小和復(fù)雜性。并沒有一種通用的方法可以直接確定最小樣本量,因此最小樣本量的確定通常依賴于以下幾個(gè)因素。(1)研究設(shè)計(jì):如果研究設(shè)計(jì)需要比較不同網(wǎng)絡(luò)之間的差異,可能需要更大的樣本量以確保亞組之間的統(tǒng)計(jì)效能。根據(jù)研究設(shè)計(jì)和假設(shè)檢驗(yàn)的需求,樣本量的要求會有所不同。(2)網(wǎng)絡(luò)的復(fù)雜性:對于更大、更復(fù)雜的網(wǎng)絡(luò),通常需要更大的樣本量以捕捉網(wǎng)絡(luò)的細(xì)節(jié)和變異。相反,對于小型、簡單的網(wǎng)絡(luò),可能需要較小的樣本量。最小樣本量通常需要大于節(jié)點(diǎn)數(shù)的20倍或250～350例以上[10]。可以通過R軟件的netPower計(jì)算統(tǒng)計(jì)效能[11]。(3)分析方法:不同的網(wǎng)絡(luò)分析方法對樣本量的要求也有所不同。一些方法可能需要大量的數(shù)據(jù)才能得出可靠的結(jié)果,而其他方法可能對數(shù)據(jù)的數(shù)量要求較低。(4)研究目標(biāo):如果研究關(guān)注網(wǎng)絡(luò)的全局屬性,通常需要更大的樣本量來確保對整個(gè)網(wǎng)絡(luò)進(jìn)行準(zhǔn)確的推斷。但如果只對網(wǎng)絡(luò)中的特定部分感興趣,可能可以使用較小的樣本量。(5)節(jié)點(diǎn)中心性的穩(wěn)定性:如果網(wǎng)絡(luò)的節(jié)點(diǎn)中心性穩(wěn)定性較好,通常可以使用較小的樣本量。節(jié)點(diǎn)中心性穩(wěn)定性指標(biāo)一般要求>0.25才可接受[12]。(6)邊緣權(quán)重的精確性:如果網(wǎng)絡(luò)中邊緣權(quán)重的估計(jì)比較準(zhǔn)確,那么置信區(qū)間將較窄,反之則較寬。邊緣權(quán)重的精確性會影響對網(wǎng)絡(luò)結(jié)構(gòu)的準(zhǔn)確度。一般來說,樣本量的確定需要通過統(tǒng)計(jì)效能分析或模擬研究來進(jìn)行。這需要與有經(jīng)驗(yàn)的網(wǎng)絡(luò)分析專家合作來確定合適的樣本量。

3.2常見問題解析:檢驗(yàn)混雜因素對結(jié)果的影響 網(wǎng)絡(luò)分析中控制混雜因素的影響的方法有多種[13-15],包括(1)控制變量層次建模法:該方法通過將可能影響結(jié)果的混雜因素和協(xié)變量引入模型中進(jìn)行控制,以消除這些因素對結(jié)果的影響,并檢驗(yàn)是否存在混雜因素對模型結(jié)論造成影響。通過引入相關(guān)變量來控制混雜因素,可以減少其對網(wǎng)絡(luò)分析結(jié)果的干擾。(2)亞組分析:在網(wǎng)絡(luò)分析中進(jìn)行亞組分析,例如將參與者按照某個(gè)特征(如性別)進(jìn)行分類,然后對每個(gè)亞組分別進(jìn)行網(wǎng)絡(luò)分析。這樣可以檢驗(yàn)混雜因素是否是導(dǎo)致模型結(jié)果異質(zhì)性的重要因素。通過比較亞組之間的網(wǎng)絡(luò)特性差異,可以評估混雜因素對網(wǎng)絡(luò)分析結(jié)果的影響。(3)基于匹配的方法:這種方法通過將不同群組中的參與者進(jìn)行匹配,使得群組之間的混雜因素和協(xié)變量得到控制,從而減少其對網(wǎng)絡(luò)分析結(jié)果的影響。匹配可以基于一些特征或變量,使得匹配后的群組在混雜因素上更加相似,從而消除混雜因素的影響。

4 小結(jié)

本文介紹了癥狀同期網(wǎng)絡(luò)分析方法的基本概念和常用網(wǎng)絡(luò)特異性指標(biāo),以及如何使用R軟件來實(shí)現(xiàn)。癥狀同期網(wǎng)絡(luò)分析方法的目的是幫助醫(yī)護(hù)人員更好地理解癥狀共生的機(jī)制,確定癥狀管理的重點(diǎn),制定個(gè)體化的方案,并促進(jìn)精準(zhǔn)護(hù)理的發(fā)展。我們希望本文能對初學(xué)者了解癥狀網(wǎng)絡(luò)分析方法有所幫助,并為該領(lǐng)域的研究者提供一定的參考價(jià)值。