基于數(shù)據(jù)類型的癥狀網(wǎng)絡(luò)分類:同期網(wǎng)絡(luò)動態(tài)網(wǎng)絡(luò)和個體化網(wǎng)絡(luò)

楊中方 金依霖 何加敏 朱政,2,3 胡天天 余駿雯

(1.復(fù)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)

隨著信息技術(shù)的快速發(fā)展和大數(shù)據(jù)時代的到來,癥狀網(wǎng)絡(luò)的應(yīng)用逐漸受到廣泛關(guān)注。癥狀管理會隨著個人結(jié)果以及人、健康/疾病或護理環(huán)境的變化而發(fā)生改變,是一個從多維角度開展護理研究的過程[1]。癥狀管理可幫助理解癥狀(群)間的作用機制、制定及檢驗健康管理策略以及評估干預(yù)效果,是一種指導(dǎo)選擇健康管理策略的概念,具有很強的普適性[2]。癥狀網(wǎng)絡(luò)區(qū)別于傳統(tǒng)的醫(yī)學研究,能夠?qū)Y狀和疾病之間的關(guān)系加以整合,通過分析癥狀網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和網(wǎng)絡(luò)特性,從更全面的視角發(fā)現(xiàn)疾病或癥狀之間潛在的病理機制和關(guān)聯(lián)模式。癥狀網(wǎng)絡(luò)通過分析癥狀與癥狀間的交互關(guān)系,有助于了解不同癥狀之間的關(guān)聯(lián)程度、相互作用以及可能的因果鏈條,從而為個體化的精準診療和照護提供支持,促進臨床決策的制定。同時通過分析癥狀網(wǎng)絡(luò)中的癥狀變化和網(wǎng)絡(luò)演化,可以追蹤疾病或癥狀的發(fā)展路徑和風險因素,預(yù)測疾病的預(yù)后。鑒于癥狀網(wǎng)絡(luò)的重要研究意義,本文旨在介紹基于數(shù)據(jù)類型分類的3種主要癥狀網(wǎng)絡(luò)類型:同期網(wǎng)絡(luò)、動態(tài)網(wǎng)絡(luò)和時序/個體化網(wǎng)絡(luò)。對于每種類型,本文將詳細闡述其數(shù)據(jù)基礎(chǔ)、網(wǎng)絡(luò)模型、分析方法及在健康管理相關(guān)研究中的應(yīng)用案例,以便幫助讀者更好地理解癥狀網(wǎng)絡(luò)在解決現(xiàn)實問題中的潛力和優(yōu)勢。

1 基于數(shù)據(jù)類型的分類

基于癥狀的數(shù)據(jù)類型,癥狀網(wǎng)絡(luò)可分為同期癥狀網(wǎng)絡(luò)、動態(tài)癥狀網(wǎng)絡(luò)和時序/個體化癥狀網(wǎng)絡(luò)。在所有類型的癥狀網(wǎng)絡(luò)中,每個節(jié)點代表一個癥狀。網(wǎng)絡(luò)中的邊代表2個節(jié)點之間的條件獨立關(guān)系,邊越粗,2個節(jié)點之間的關(guān)聯(lián)性越強[3]。構(gòu)建癥狀網(wǎng)絡(luò)最常用的統(tǒng)計分析軟件為R語言,通過R語言的qgraph軟件包可實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的可視化。不同類型的癥狀網(wǎng)絡(luò)具有不同的數(shù)據(jù)特點、網(wǎng)絡(luò)模型和分析方法,具體如下。

1.1同期網(wǎng)絡(luò) 同期網(wǎng)絡(luò)是指在特定時間點或時間段內(nèi)收集的數(shù)據(jù)所構(gòu)成的網(wǎng)絡(luò),用于理解疾病或癥狀間的關(guān)聯(lián)性[4]。見圖1。

圖1 同期癥狀網(wǎng)絡(luò)示例

1.1.1同期網(wǎng)絡(luò)概述 同期網(wǎng)絡(luò)是一種偏相關(guān)網(wǎng)絡(luò),常用于分析橫截面橫斷面數(shù)據(jù)[4],但目前也出現(xiàn)了采用時間序列數(shù)據(jù)來構(gòu)建同期網(wǎng)絡(luò)的研究。在Curtiss等[5]的研究中,研究者使用了時間序列網(wǎng)絡(luò)模型來評估34例焦慮癥和抑郁癥患者積極和消極情緒的同期網(wǎng)絡(luò)結(jié)構(gòu),以識別積極情緒和消極情緒節(jié)點在時間序列數(shù)據(jù)構(gòu)建的同期網(wǎng)絡(luò)中是否表現(xiàn)出更強的中心性,以厘清積極情緒、消極情緒與基于智能手機的體育鍛煉估計值之間的動態(tài)關(guān)系。在同期網(wǎng)絡(luò)中,同價節(jié)點表現(xiàn)出正關(guān)聯(lián)(如悲傷和焦慮之間等),相反價的節(jié)點表現(xiàn)出負關(guān)聯(lián)(如悲傷和快樂之間等)。這一結(jié)果證明在橫斷面和時間序列水平上,同價情感狀態(tài)之間存在穩(wěn)健的正相關(guān)關(guān)系,而相反價情感狀態(tài)之間存在負相關(guān)關(guān)系。

同期網(wǎng)絡(luò)往往為無向關(guān)聯(lián)網(wǎng)絡(luò),常通過彈簧布局算法來生成[6]。該算法可將具有較強關(guān)聯(lián)的節(jié)點放置在網(wǎng)絡(luò)的中心位置,相互之間比較接近。同期網(wǎng)絡(luò)分析中還可識別出與總體嚴重程度明顯相關(guān)的協(xié)變量,以厘清在控制了混雜因素后癥狀之間的真正關(guān)系。同期網(wǎng)絡(luò)的準確性和穩(wěn)定性采用Bootstrapping方法來評估,可使用R軟件的bootnet包實現(xiàn)。通過計算邊緣權(quán)重值的95%置信區(qū)間(CIs)來評估準確性,CIs通常使用非參數(shù)引導(dǎo)法來構(gòu)建。通過計算節(jié)點預(yù)期影響的相關(guān)穩(wěn)定性系數(shù)來評估穩(wěn)定性,通常采用個案剔除自舉法實現(xiàn)。相關(guān)穩(wěn)定系數(shù)最好是>0.5,至少要>0.25[6]。

同期網(wǎng)絡(luò)可通過節(jié)點的中心性指標從機制角度識別核心癥狀。用以下3種中心性指標進行中心性分析:強度中心性、中介中心性和緊密中心性[3]。從機制的角度來看,強度中心性、中介中心性和緊密中心性越高的癥狀,被認為越重要。較高的強度中心性意味著該癥狀更有可能與其他癥狀一起出現(xiàn)。中介中心性是由1個節(jié)點作為2個節(jié)點之間最短路徑上橋梁的次數(shù)來衡量的。中介中心度較高的節(jié)點具有更大的網(wǎng)絡(luò)影響力。緊密中心性是由1個癥狀節(jié)點和所有其他節(jié)點之間的平均距離(逆向距離)表示。路徑越短,緊密中心度值越大。∑s(2個節(jié)點之間所有Spearman系數(shù)的絕對值)被用作表示網(wǎng)絡(luò)密度的指標。

同期網(wǎng)絡(luò)使用mgm(mgm是R中的軟件包,被用于存儲“混合”數(shù)據(jù),如順序等級變量和連續(xù)變量,并利用這些數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)模型。這個軟件包的全稱就是“mgm”)來確定每個節(jié)點的可預(yù)測性[7]。節(jié)點可預(yù)測性是評估網(wǎng)絡(luò)中所有其他節(jié)點對給定節(jié)點的預(yù)測程度的指標[8]。具有較高可預(yù)測性的癥狀表明可以通過其鄰近節(jié)點來控制該癥狀。相反,如果可預(yù)測性較低,需要直接對癥狀進行干預(yù)或?qū)ふ揖W(wǎng)絡(luò)外的標記。同期網(wǎng)絡(luò)往往需要進行差異測試,來確定不同變量間的網(wǎng)絡(luò)連接和中心性的估計是否不同。Zhu等[6]的研究在基于多態(tài)相關(guān)矩陣的最小絕對收縮和選擇算子正則化的部分相關(guān)網(wǎng)絡(luò)中,對邊緣權(quán)重和中心性指數(shù)進行了自舉式差異檢驗。

1.1.2同期癥狀網(wǎng)絡(luò)的應(yīng)用領(lǐng)域 Bringmann等[9]采用同期網(wǎng)絡(luò)構(gòu)建抑郁癥癥狀的網(wǎng)絡(luò)結(jié)構(gòu)模型,發(fā)現(xiàn)失重癥(即“喪失快樂”)是最中心的節(jié)點,與其他癥狀表現(xiàn)出高度的連接性。此外,網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)2個節(jié)點群落,這與抑郁癥的憂郁型和非典型亞型的表現(xiàn)一致。Fisher等[10]在情緒和焦慮癥患者的異質(zhì)樣本中進行了一項時間序列研究,發(fā)現(xiàn)消極情緒和積極情緒在同期網(wǎng)絡(luò)結(jié)構(gòu)中高度集中,但抑郁和焦慮2個主要癥狀卻不在同期網(wǎng)絡(luò)中。積極的情緒節(jié)點表現(xiàn)出最大的出強度中心性,預(yù)測了下一個時間點的其他幾個節(jié)點。Curtiss等[11]研究了雙相情感障礙患者和健康者的情感與體動儀記錄的身體活動的同期網(wǎng)絡(luò)結(jié)構(gòu)。結(jié)果顯示,2組患者的積極情感和消極情感節(jié)點的中心性沒有明顯差異。此外,健康組人群的身體活動在同期網(wǎng)絡(luò)中表現(xiàn)出比雙相情感障礙人群更多的連通性,這表明身體活動在情緒心理病理學中對情感的影響起著突出作用。目前,國內(nèi)研究者較少發(fā)表同期癥狀網(wǎng)絡(luò)分析的文章,有研究[12]在對2 927例HIV陽性患者構(gòu)建同期網(wǎng)絡(luò)發(fā)現(xiàn),隨著患者HIV陽性年限的增加,16個HIV相關(guān)的心理癥狀發(fā)生率及其嚴重程度下降,但網(wǎng)絡(luò)的總連接密度上升,提示HIV陽性年限越長,患者的心理變得更加脆弱,更容易通過一個心理癥狀快速激活其他癥狀。

1.2動態(tài)癥狀網(wǎng)絡(luò) 動態(tài)癥狀網(wǎng)絡(luò)是描述在不同時間點或時間段內(nèi),癥狀之間交互關(guān)系動態(tài)變化的網(wǎng)絡(luò)[13]。與同期網(wǎng)絡(luò)不同,動態(tài)網(wǎng)絡(luò)關(guān)注的是癥狀隨時間推移而發(fā)生的變化。見圖2。

圖2 動態(tài)癥狀網(wǎng)絡(luò)示意圖

1.2.1動態(tài)癥狀網(wǎng)絡(luò)概述 當癥狀在幾個時間點測量時,就可以估計橫斷面(同期)的癥狀間聯(lián)系(在同一時間點t;a)和縱向(時滯或時間)的癥狀間聯(lián)系(從t～t+1;b),其節(jié)點間的聯(lián)系具有方向性,所構(gòu)建網(wǎng)絡(luò)為有向網(wǎng)絡(luò)。另外,節(jié)點之間的所有時間性連接都互為等效,而且相互之間的聯(lián)系可能強度不等。值得注意的是,動態(tài)網(wǎng)絡(luò)分析并不局限于具有離散和等距測量時間點的研究。此外,盡管通常真實世界中只能測量相對較少的離散時間點的結(jié)果,但原則上這些結(jié)果可以代表連續(xù)的時間過程。

動態(tài)癥狀網(wǎng)絡(luò)通常采用多級向量自回歸(vector autoregression, VAR)方法的修改版本分析多個時間窗口間(即面板數(shù)據(jù))多種癥狀的短期動態(tài)變化。多種癥狀從一個時刻到另一個時刻之間的時間動態(tài)由VAR模型表示[14]。在VAR模型中,時間點t的因變量(如癥狀“悲傷”)在自變量的滯后t-1面板上進行回歸。通常為了考慮個體之間的差異,假設(shè)所有回歸系數(shù)在人群水平上呈正態(tài)分布,可獲得由固定(平均)和隨機(個體)效應(yīng)組成的多級模型。

1.2.2動態(tài)癥狀網(wǎng)絡(luò)的應(yīng)用領(lǐng)域 因其關(guān)注短期癥狀動態(tài)變化,動態(tài)癥狀網(wǎng)絡(luò)常被應(yīng)用于心理精神疾病領(lǐng)域的機制研究。正如相關(guān)的認知理論[15-16]認為,認知過程的變化(例如消極思維)會導(dǎo)致情感等癥狀的短期動態(tài)變化,動態(tài)癥狀網(wǎng)絡(luò)的研究目的正在于此。在臨床實踐中通?？梢杂^察到,當患者的一種癥狀(例如睡眠問題)得到緩解,其他癥狀(如頭疼)也會逐漸減弱,這預(yù)示著康復(fù)的開始。相關(guān)研究[17-18]通過對抑郁癥和壓力性生活事件等因素構(gòu)建動態(tài)癥狀網(wǎng)絡(luò)發(fā)現(xiàn),抑郁癥危險因素和壓力性生活事件對抑郁癥狀有不同的影響。癥狀之間的相關(guān)性直接受到生活壓力事件的影響,并且不能用潛在常見原因的變化來解釋,這進一步支持了癥狀之間具有自主相互影響的觀點。動態(tài)癥狀網(wǎng)絡(luò)能夠客觀地描述癥狀之間的相互作用,可以為臨床研究和實踐提供重要線索。梁一鳴等[19]使用動態(tài)網(wǎng)絡(luò)模型分析了197名地震兒童幸存者4年的創(chuàng)傷后應(yīng)激綜合征首次出現(xiàn)癥狀縱向數(shù)據(jù),結(jié)果發(fā)現(xiàn),閃回的中心性居高不下,侵入性想法和創(chuàng)傷線索引發(fā)生理性反應(yīng)的中心性隨時間推移而增強,而創(chuàng)傷線索引發(fā)情感反應(yīng)和未來無望的中心性呈弱化趨勢,這為建立災(zāi)后階段性干預(yù)模型提供了見解。

1.3個體化癥狀網(wǎng)絡(luò) 個體化癥狀網(wǎng)絡(luò)是指基于個體的特定特征、行為或癥狀組數(shù)據(jù)構(gòu)建的網(wǎng)絡(luò)[4]。個體化網(wǎng)絡(luò)描述了不同個體癥狀之間的關(guān)系和相互作用,突出了個體之間的差異性和個體特征在網(wǎng)絡(luò)中的重要性。通過建立個體的癥狀網(wǎng)絡(luò),結(jié)合個體的人口學資料、社會經(jīng)濟學資料和疾病資料等多維數(shù)據(jù),可實現(xiàn)精準的癥狀風險評估、個體化的預(yù)防、治療和護理,提高個體健康結(jié)果的預(yù)測準確性和健康管理效果。

1.3.1個體化癥狀網(wǎng)絡(luò)概述 單個個體的癥狀會隨著時間推移發(fā)生動態(tài)變化,所以個體化癥狀網(wǎng)絡(luò)包含同期網(wǎng)絡(luò)和動態(tài)網(wǎng)絡(luò)。單個個體的密集時間序列數(shù)據(jù)可構(gòu)建個體化癥狀網(wǎng)絡(luò),作為理解該動態(tài)變化的有效途徑[4]。這些密集的時間序列數(shù)據(jù)可以通過生態(tài)瞬間評估(ecological instantaneous assessment, EMA)收集[20],也稱為經(jīng)驗抽樣法(experience sampling method, ESM)。EMA是一種在個體的自然狀態(tài)下實時收集數(shù)據(jù)的方法,用以評估個體在日常生活中的行為、情緒、感受和環(huán)境,有助于減少回憶偏倚,獲得更真實和準確的信息。個體化癥狀網(wǎng)絡(luò)通常采用VAR的統(tǒng)計方法來估計,該方法多用于大型數(shù)據(jù)集的分析[21]。值得注意的是,VAR分析本身側(cè)重于對時間關(guān)系(不同測量窗口之間發(fā)生的關(guān)系)的估計,即動態(tài)網(wǎng)絡(luò)。然而,VAR模型的殘差則可以進一步用于估計同期關(guān)系(發(fā)生在同一測量窗口的關(guān)系),即同期網(wǎng)絡(luò)。

VAR方法的主要局限性在于,即使用于估計同期網(wǎng)絡(luò),其結(jié)果也取決于所使用的滯后間隔。如果滯后間隔短于動態(tài)的時間范圍,則可能無法發(fā)現(xiàn)有意義的關(guān)系(例如食欲不振導(dǎo)致的體重減輕可能在幾天或幾周內(nèi)發(fā)生,而不是幾小時內(nèi))。相反,如果關(guān)系發(fā)生或變化過快,它也可能無法被檢測(例如關(guān)系的影響若在幾分鐘后消散,則可能無法在每小時或更長時間間隔測量個體化數(shù)據(jù)的設(shè)計中捕獲它)。最佳滯后間隔通常是未知的,不同變量的最佳滯后間隔不同,甚至同一變量可能因個體而異。滯后間隔時間的選擇通常依賴研究者的臨床和科研經(jīng)驗及研究的可行性。

1.3.2個體化癥狀網(wǎng)絡(luò)的應(yīng)用領(lǐng)域 個體化網(wǎng)絡(luò)常用于研究個體隨著時間推移可能出現(xiàn)的心理動態(tài)變化。如Kroeze等[22]將1例患有焦慮和抑郁癥狀的67歲女性患者作為個體化網(wǎng)絡(luò)分析對象,對其情緒和情境相關(guān)變量進行2周的密集監(jiān)測并進行EMA,結(jié)果發(fā)現(xiàn)感覺放松會增加體力活動,從而在接下來的幾個小時內(nèi)引起身體不適。身體不適會因為其癥狀與其擔心的軀體(焦慮)癥狀相似而產(chǎn)生壓力。這讓個體更加深刻地認識到,以軀體癥狀表現(xiàn)出來的壓力在她的焦慮癥中起著核心作用,這對關(guān)于如何應(yīng)對由軀體(焦慮)癥狀引起的壓力具有啟示作用。個體化癥狀網(wǎng)絡(luò)的局限性在于監(jiān)測到的癥狀動態(tài)可能無法推廣到任何其他時態(tài),這值得進一步探索。此外,個體化網(wǎng)絡(luò)還被用于研究日常生活中物質(zhì)使用的預(yù)測因素和后果,不同時間間隔的渴望和使用之間的關(guān)系[23],以及物質(zhì)使用動機[24]。

2 小結(jié)

癥狀網(wǎng)絡(luò)是描述和分析疾病的癥狀之間相互關(guān)系的網(wǎng)絡(luò)模型。根據(jù)數(shù)據(jù)類型的不同,將癥狀網(wǎng)絡(luò)分為同期網(wǎng)絡(luò)、動態(tài)網(wǎng)絡(luò)和時序/個體網(wǎng)絡(luò)3種類型。盡管3種癥狀網(wǎng)絡(luò)在不同領(lǐng)域的應(yīng)用前景廣闊,但仍存在潛在挑戰(zhàn)。首先,癥狀網(wǎng)絡(luò)的構(gòu)建需要大量的數(shù)據(jù),并且對數(shù)據(jù)的質(zhì)量和準確性有較高的要求,因此,研究人員需要開發(fā)更精確和可靠的算法和代碼來篩選和處理數(shù)據(jù),以提高癥狀網(wǎng)絡(luò)分析結(jié)果的準確性和可靠性。其次,癥狀網(wǎng)絡(luò)的分析和結(jié)果解釋需要結(jié)合專業(yè)領(lǐng)域知識和專家經(jīng)驗,以確保對網(wǎng)絡(luò)結(jié)果的正確解讀和有效應(yīng)用。此外,隱私和倫理問題也需要充分考慮,特別是在個體化醫(yī)療和健康數(shù)據(jù)共享的場景中,應(yīng)確保在使用癥狀網(wǎng)絡(luò)時保護用戶的隱私和數(shù)據(jù)安全。盡管如此,癥狀網(wǎng)絡(luò)研究在健康管理中的作用和意義仍不容忽視。首要作用在于發(fā)現(xiàn)癥狀關(guān)聯(lián),能夠揭示不同癥狀之間的關(guān)聯(lián)模式,幫助我們了解某些癥狀可能與其他癥狀共同出現(xiàn)、相互影響的規(guī)律,這有助于早期發(fā)現(xiàn)和診斷復(fù)雜的疾病,提高對疾病的認知水平。預(yù)測疾病風險也可通過癥狀網(wǎng)絡(luò)分析實現(xiàn),這有助于實施精準的健康干預(yù)措施,降低疾病風險,提高患者的整體健康水平。癥狀網(wǎng)絡(luò)還可通過對不同患者癥狀網(wǎng)絡(luò)的比較,更好地理解個體之間的差異,從而制定出更適合個體需求的醫(yī)療方案,為個性化醫(yī)療奠定了基礎(chǔ)。隨著健康大數(shù)據(jù)的不斷積累,癥狀網(wǎng)絡(luò)研究將有更豐富的數(shù)據(jù)可供分析,從而更全面地認識不同癥狀之間的關(guān)聯(lián)。同時,數(shù)據(jù)處理技術(shù)的不斷提升也將使得癥狀網(wǎng)絡(luò)的構(gòu)建和分析更加高效和準確,從而實現(xiàn)更加精準的預(yù)防和早期干預(yù),這將對提高整體健康水平和降低醫(yī)療成本產(chǎn)生積極影響。未來研究可探索將癥狀網(wǎng)絡(luò)與其他數(shù)據(jù)源和模型進行整合,以獲得更全面和深入的研究結(jié)果。此外,研究人員應(yīng)進一步拓展癥狀網(wǎng)絡(luò)的應(yīng)用領(lǐng)域,包括健康政策制定和醫(yī)療資源分配等方面,以提升癥狀網(wǎng)絡(luò)在更廣泛范圍內(nèi)的價值和影響力。