症状多层网络的类型和应用

朱政 胡天天 金依霖 何加敏 余骏雯 杨中方

(1.复旦大学护理学院,上海 200032;2.上海市循证护理中心,上海 200032;3.纽约大学护理学院,纽约 10010)

症状多层网络是一个结构化的数据模型,它通过连接和分析各种疾病的症状和相关指标(例如生物学指标、患者报告指标等),为我们提供了深入理解疾病与其相关现象间复杂关系的方式[1-2]。然而,大多数疾病的表现不能简单地被各种症状的集合所代表,特别是在考虑到疾病指标和影响因素的情况下,仅仅通过解读症状网络的结果会有一定的局限性[3]。此外,疾病的发展和症状的出现之间存在着复杂的关系。许多疾病或疾病的指标可以影响多个症状的发生和严重程度,而大多数症状也可以被多个疾病或指标所影响。因此,症状多层网络提供了一个研究疾病—症状、疾病指标—症状以及症状与其他变量之间复杂系统的范式。在本文中,旨在介绍症状多层网络的基本概念、类型和临床应用。症状多层网络可以用于研究不同疾病之间的共同症状,以及症状与疾病指标之间的关联。它可以帮助医生和研究人员更好地理解疾病的复杂性,并且在诊断、治疗和预防方面有着潜在的临床应用。

1 症状多层网络的基本概念

1.1症状多层网络的组成 症状多层网络的分层框架能够实现各层次之间和之内的耦合,揭示了传统单层症状网络无法达到的现象。它被广泛应用于多个领域,例如探索健康功能和症状之间的复杂关系、不同症状在多种合并症中的角色,以及不同症状在疾病动态中的作用[4-6]。多层网络的优势在于能够描述多种不同类型变量与症状的相互作用,这是传统单层网络方法所无法实现的。在单层网络中,边缘代表节点之间的连接,可以是有向的或无向的[7]。多层网络包括不同层次的节点和边缘,这些节点存在于不同的层次中,代表着不同形式的相互作用,并通过连接形成一个层次结构。这些层次结构可以用来表示不同类型的症状、疾病和健康相关指标,或者是不同时间点的测量结果。在同一层内,节点之间的边缘被称为层内连接,而不同层次的节点之间的边缘则被称为层间连接。症状多层网络示意图,见图1。图1中的下层代表由症状群组成的症状层,中层代表由健康功能组成的功能层,而症状层与健康层之间存在层间连接,相互联系在一起[8]。

注:(a)功能层示意图;(b)症状层示意图;(c)多层网络示意图(上层为健康相关生活质量,中层为健康相关功能,下层症状群)。图1 症状多层网络示意图

注:(a)多重网络;(b)互联网络。图2 多重网络与互联网络

1.2症状多层网络的类型 多层网络主要包括2种类型,即多重网络和互连网络,见图2[1-2]。在多重网络中,层间连接仅能连接表示不同层中相同节点的连接。例如不同测量时间点上的同一组症状。如图2a中,7个症状群在3个时间点中的组内和组间相互作用。而在互连网络中,层间连接可以连接不同节点之间的连接,不同层通常代表不同类型的变量。层间连接的结构可用于区分多层网络的不同类型。当层间连接只能将节点连接到不同层中代表相同内容的节点时,网络被称为多重网络。当层间连接可以将节点连接到不同层中的其他节点时,网络被归类为互连网络。

1.3相关概念操作性定义 多层网络除了包括节点、边缘等与传统网络类似的元素之外,还具有更高的复杂性,可以表示更多的交互层次和复杂的关系。不同层次之间的交互可以通过层间边缘来表示。多层网络在表示和分析症状时提供了更丰富的信息。症状多层网络的相关概念和操作性定义,见框1,扫二维码获取框1。

2 症状多层网络的应用

2.1动态网络 症状动态网络是一种特殊类型的多层网络,它基于在多个时间点对一组症状进行测量结果的构建[9-10]。每个时间点形成了网络的一个独立层级,这样我们就可以观察到同一群体在不同时间点上症状的变化情况。动态网络示意图,见图3。例如在t1时间点、t2时间点、t3时间点等形成了各自的网络层。症状A在t1时间层中的表现除了与t1时间层中其他症状有关,还可能与t2和t3时间层中的症状A以及其他症状存在关联。动态网络分析的主要方法包括网络结果分析法、交叉滞后网络分析法和时变向量自回归分析法,这3种方法都有各自特定的应用场景。

注:(a)基于2013(t1)、2015(t2)和2018(t3)3波数据所形成的多层网络;(b)改网络的入预测性和出预测性结果。图3 动态网络示意图

例如Zhu等[9]使用了来自中国健康与退休纵向研究的2013(t1)、2015(t2)和2018(t3)3波数据,以识别和分析随时间变化的不同抑郁症状之间的相互作用。通过构建动态网络,研究者可以确定哪些症状对其他症状有最大的影响,以及哪些症状最受其他症状的影响。这些发现可以提供有关抑郁症状复杂动态的证据,从而为制定针对我国人群更有效的干预策略提供支持。研究中采用了时变向量自回归模型来识别十种随时间动态相互作用的抑郁症状。最终的分析涵盖了共计3 558名中老年人。研究结果显示,“感到害怕”是基于节点中心性与其他九种抑郁症状相比最强的预测因素。因此,在理解了恐惧的原因之后,可以将减少恐惧的策略纳入针对有抑郁症状的中老年人的多模式干预措施中。

2.2功能—症状网络 功能—症状网络是一种通过图形形式将症状与健康相关功能之间的关系进行可视化的分析方法[8]。这种网络的核心观念在于健康的各项功能不是由某个单一的因素决定的,而是由多种症状之间的互动和交互关系所构筑成的复杂系统。这种网络视角改变了我们对健康的理解方式,从传统的疾病视角转变为更为复杂、动态的健康视角。在功能层中,每个节点代表一种健康功能,而连接这些节点的边代表功能之间的关联或相互作用。边的强度可以表示功能之间关联的强度,而节点的中心性可以表示一种功能在网络中的重要性或影响力。

例如朱政[8]的研究采用了1 214例HIV感染者来构建功能—症状网络。该网络包括了5个症状群,分别是认知功能障碍、情绪障碍、消耗性综合征、头痛头晕症状群以及皮肤—肌肉—关节障碍,还包括了9个与艾滋病相关的功能,如自我疾病管理能力、基本功能、心理功能、躯体功能、认知功能、社会关系、社会活动、抗病药物服药依从性和自我感知歧视,以及健康相关生活质量层。研究旨在探索这些层级之间的关联性。结果显示,心理功能是这11个功能中最重要的节点,而情绪障碍、认知功能障碍和消耗性综合征症状群与心理功能之间的关系最为紧密。这些研究结果有助于我们理解艾滋病患者的功能和症状之间的复杂关系,并为制定干预策略提供了依据。

2.3疾病—症状网络 既往研究[4]在人类疾病的理解方面已取得了显著的突破。尽管在遗传学和蛋白质组学领域已有进展,但对于基因型和表现型之间的联系,特别是症状和体征之间的联系,仍然需要进一步的探索。在临床诊断和治疗中,症状扮演着核心的角色。症状是疾病最直接、可观察的特征,也是临床疾病分类的基础。通过阐明2种疾病是否因为共享症状、基因或蛋白质—蛋白质相互作用而相互关联,有助于弥合实验室生物学的发现和临床解决方案之间的鸿沟。在疾病研究中,疾病—症状网络是一种日益重要的工具,它帮助我们理解疾病的构成,特别是疾病中各种症状之间的关系。这种网络方法为疾病症状之间的复杂关系提供了一个生动的可视化工具,有助于我们更好地理解和解释疾病的演变过程。

例如Zhou等[4]利用PubMed数据库和相关的医学主题词(MeSH)元数据构建了一个基于症状的人类疾病网络(Human Symptoms Disease Network,HSDN)。该网络使用症状的相似性来量化不同疾病之间的连接强度。通过整合疾病—基因关联和蛋白质—蛋白质相互作用的数据,研究了不同疾病症状的相似性与共享基因或蛋白质—蛋白质相互作用程度之间的关系。结果显示,不同疾病症状的相似性与它们共享的基因和蛋白质—蛋白质相互作用之间存在着紧密的相关性。此外,疾病临床表现的多样性与其背后的细胞机制的多样性之间也存在着密切的关联。这一发现进一步证明,即使在复杂的中介因素影响下,疾病在个体层面(例如症状)和分子层面(例如基因和蛋白质—蛋白质相互作用)的表现形式仍然显示出稳健的相关性。该研究为我们提供了一条新的探索路径,利用基于症状的网络作为一个丰富的资源,以定量方式回答系统医学领域的各种问题。这种网络的建立不仅能够帮助临床工作者更好地理解疾病的特点,还有助于揭示疾病的分子机制和病理生理学基础。通过深入研究疾病症状之间的关系,可以为临床诊断和治疗提供更准确和个体化的方法,推动系统医学的发展。

3 小结

在本文中,介绍了症状多层网络的基本概念和临床应用。在临床应用中,这种网络方法有助于揭示症状间、症状与其他变量间的多重交互,从而帮助专业人员深入理解某症状背后的多种原因和机制。通过识别症状之间的核心关系,可以更为精确地为患者提供个体化的治疗建议,预测患者可能的疾病进展,并及时进行干预。同时,监测这种网络的变化可以有效评估治疗效果,明确哪些治疗对一组症状有效,而对另一组可能产生副作用。此外,症状多层网络强调了疾病的整体性,即疾病不仅仅是单一症状的累积,而是症状、功能和其他指标之间互动的结果。这为医疗专业人员提供了一个更为全面和系统的诊断视角。

症状多层网络分析已成为理解疾病症状与指标关联的重要工具,尤其在解析症状表现模式的异质性对疾病的影响方面。然而,这种分析方法在处理慢性疾病时会面临挑战,因为疾病的表现无法仅以症状的集合来简化。疾病的发展和症状的出现之间的关系十分复杂,许多疾病或疾病指标可以影响多个症状的发生和严重程度,同时大多数症状可以被多个疾病或指标影响。症状多层网络为未来研究提供了一个研究疾病—症状、疾病指标—症状、症状与其他变量之间复杂系统的框架。