个体化症状网络的应用方法及实现

胡天天 余骏雯 何加敏 金依霖 杨中方 朱政,2,3

(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)

近年来,随着大数据分析技术的不断发展,症状网络的概念迅速兴起[1-3],为临床和现实生活中理解多种症状之间的复杂关系提供了新的视角[4-5],这一研究范式已逐渐应用于心理学、精神病学和临床医学等多个领域[6-8]。从功能上看,症状网络不仅可以提供症状的发生率和严重程度等指标,还可以通过节点特征指标和网络整体特征指标,反映症状在网络中的交互作用。基于症状的数据类型,通常症状网络具有以下3种类型分类:同期网络、个体化网络和动态网络。本文将从个体化症状网络的定义、常用网络特异性指标、R软件的实现和局限性等方面对基于单个个体症状数据的个体化网络进行介绍,旨在为推广和规范症状组学领域的研究提供理论支持,为将来的精准症状管理和干预提供理论基础和指导。

1 个体化症状网络定义和常用网络特异性指标

1.1个体化症状网络的定义 个体化症状网络(temporal/individualized symptom network)是指在某一段测量时间段内,患者个体所表现出的症状所构成的具有时效性特征的症状网络。个体化症状网络与同期网络不同之处在于,个体化症状网络是基于个体多个时间点的横断面数据构建而成。基于症状数据的3种类型网络可视化,见图1。

图1 基于症状数据的3种类型网络可视化

个体化症状网络可以为研究者提供实时的患者个体化症状发生率和严重程度等信息,同时也能协助临床医护人员更好地掌握患者多种症状的动态变化,以及更好地识别个体精准干预的时间点和靶点。个体化症状网络同样可以帮助研究者了解个体在某段时间内多因多果的症状问题,对于挖掘个体症状干预时间点具有特殊意义。本研究团队于2020年6月-2021年12月采用经验取样法,对144例上海市公共卫生临床中心VCT门诊就诊的HIV感染者每周开展11次调查, 1个月为1周期,然后分别在第1个月、第4个月和第7个月共3个周期开展前瞻性队列调查。经过进行6个月的躯体症状随访,本研究团队发现个体症状网络连通性具有其特殊的预测价值,这也从侧面验证了症状个体化症状网络对于患者健康特殊预测意义[9]。以下相关方法部分将基于以上述案例展开具体阐述。

1.2个体化症状网络中常用的网络特异性指标 个体化症状网络中常用的网络特异性指标同样包括节点指标、网络指标、网络拟合指标和差异性检验指标4类,见表1。其节点指标包括强度/桥梁强度中心性、紧密度/桥梁紧密度中心性、中介/桥梁中介中心性和(桥梁)预期影响系数;网络指标包括边缘权重系数、网络连接性、网络密度和模块度;网络拟合指标包括边缘权重的精确性和中心性的稳定性,差异性检验指标包括网络差异性、节点差异性和边缘差异性。

表1 个体化症状网络中常用的网络特异性指标

2 个体化症状网络分析内容和R软件的实现

2.1个体化症状网络分析内容 个体化症状网络数据包含每个受试者对每个症状的得分或等级。其中,对于不同个体网络,生成实时的个体化症状网络需要根据实际情况进行多次调试,若数据发生率过低,可能无法生成网络。如本研究团队经对144例患者进行长达6个月的躯体症状随访中,根据实际情况进行调试发现4周里所得症状数据即4次(每周1次)数据可以生成较为有意义的实时个体化症状网络[9]。

2.2个体化症状网络R软件的实现 个体化症状网络R软件的实现和同期网络的步骤类似,症状网络可视化前的步骤包括对症状数据收集、编码、转化、整理以及在命名和定义群组。个体化症状网络可视化步骤,见图2(扫后文二维码获取)。

2.2.1数据准备和清理 个体化症状网络分析的数据准备和清理需要特别要注意以下几点:(1)个体化症状数据收集和归类:数据收集过程当中要注意对于收集时间点的记录,以及根据不同时间对每个个体的数据进行归类。(2)转化个体化症状数据时需记录数据收集时间:将个体的症状数据转化为构建个体化症状网络所需的形式时,可以将需要的变量提取出来保存为csv格式。按照时间顺序,个体化症状数据将会生成多个csv格式数据,注意与收集时间进行对应。数据整理完后需要设置工作目录、读取数据、读取qgraph命令包。

2.2.2命名和定义群组 如果需要探索个体多个症状群之间的关系,仍然需要对这些症状进行命名和分类。如果研究使用了标准化量表,那么可以根据量表中推荐的维度和分量表对症状进行分类。但是,如果原量表没有维度区分,或者研究者想要探索一组症状是否以某种方式与另一组症状相关联,那么建议使用因子分析或主成分分析来探索症状群。

2.2.3可视化 个体化症状网络同样可以使用qgraph命令将症状网络可视化,其基本R语言和同期症状网络分析R语句类似。但是,由于个体化症状网络相比于同期网络的R语句要求也为更加精细,label.cex,vsize,cut,node.width等参数都需要根据具体情况进行调整(label.cex可以用来控制树状图中标签的大小,默认值为1;vsize用于控制树状图中节点的大小,默认值为0.5;cut用于控制树状图中节点的形状,默认值为0.5,可调整范围为0～1;node.width用于控制树状图中节点的宽度,默认值为1),个体化症状网络分析R语句,见框1,扫二维码获取图2和框1。本研究团队于2020-2021年经对144例患者进行长达6个月的躯体症状数据收集以及清理之后,采用框1代码进行可视化分析,便于对患者个体在单个时间的症状和症状群进行捕获和收集,并进行纵向比较和分析,辨别患者个体症状发生变化的干预最佳时间点和最佳症状或是症状群[9]。

2.2.4中心化指标分析 在个体化症状网络中,中心性指标是描述节点核心地位的重要指标,主要包括强度中心性、紧密中心性和中介中心性。这些指标可以用来确定核心症状,为临床症状管理干预措施的制定提供指导;同时个体化症状网络考虑了时间因素,和中心性指标的结合还可以用来确定临床症状管理干预较为精准的时间点,同时也有助于研究人员更好地跟踪网络中的动态变化。其中强度中心性是网络中心性指标中最有说服力的指标,数值越大表示该症状是机制上越核心的症状。在症状网络中,使用spring布局,可使核心症状居于图中央。

2.2.5桥梁分析 桥梁中心性指标可用于探索连接不同症状群、不同疾病或同一疾病不同亚组的桥梁症状,可以使用"bridge"命令获取。其中,桥梁强度中心性(Bridge Strength)是最有说服力的指标,数值越大代表该症状在机制层面上可能是连接2个症状群的关键症状。

3 讨论

3.1测量次数和频率对于个体化症状网络构建的重要性 时间是评估和管理个体化症状网络的关键因素,因为症状的出现、持续时间和严重程度都会随着时间的推移而发生变化。既往研究[10-11]表明,症状网络存在交叉滞后现象,即不同症状之间的发展不是同步的,这可能是由于不同症状在发病机制和病理生理机制上的存在差异,而患者的个体症状也会随着时间产生变化。Klipstein等[12]在对个体化症状网络的探索过程当中,也阐述研究结果外推性要考虑到两个测量时间之间的距离。同样,这也是研究个体化症状网络的重点和难点。因此,建议研究者不断在此方向给予探索,同时临床医护人员进行症状管理时,需要考虑到症状的动态变化趋势,并制定较为及时相应的个体化干预策略。

3.2个体化症状网络的意义 个体化症状网络是一种主要用于研究个体中症状变化的网络模型。个体化症状网络的主要特点是充分考虑了个体的独特性对网络演化的影响。这种网络模型有以下几方面的意义:(1)揭示个体的独特性。传统的网络模型往往忽略了个体之间的差异性[10],而个体化症状网络能够更好地捕捉到不同个体的特点,这有助于研究人员更深入地理解症状网络中各个个体的症状特点和干预时机。(2)预测未来网络演变。未来可以借助个体化症状数据建构个体化症状网络模型,构建更为精确的预测方法,实时掌握患者症状信息和预测其症状走向,根据其变化并及时给予干预措施。

3.3个体化症状网络和信息化系统的结合,促进症状的生态瞬时评估 随着信息化系统的发展,个体化网络与信息化系统相结合是未来研究的发展方向,既往研究[12-13]当中,将个体化心理症状数据用于疾病的诊断和治疗是未来的一个方向。个体化症状网络未来可以也借助信息化系统低成本、高效管理的优势,将个体病例中的症状和患者自我报告的症状结合,同时结合疾病和治疗方案等信息,形成个体化的病史档案,将这些信息与时间轴相结合,以反映病情的发展和演变,更好捕捉疾病发展的动态变化。有研究[13-14]显示,个体化的特定症状网络通常具备着同期网络的优势,也考虑到了时间的因素。一方面,能确定患者的核心症状;另一方面,能够较为及时确定患者相关症状需要干预的时间,以此帮助患者更好管理病情。此外,传统的量表研究常常给患者带来一定的量表测量负担,从而影响数据收集质量,同时,受试者的自我评估可能存在一定的主观性和回忆偏倚[15-16]。个体化症状网络与信息化系统相结合的生态顺势评估则可减少这一局限性,利用患者实时自我报告数据形成个体化数据网络和数据库,实现对个体症状的实时监测和跟踪和更精细的个体化评估,有助于探索疾病过程中患者多种症状的干预靶点和干预时机。此外,如果将个体化症状网络的应用与其他生态瞬时的指标如连续血糖监测(CGM)、动态心电图或脑电图(EEG)等指标结合起来,可以更加全面地评估受试者的身体和心理健康状态。如结合CGM可以获得更全面的代谢信息,从而更好地评估糖尿病患者的身体状况;结合动态心电图或脑电图可以获得更全面的心理和认知信息,从而更好地评估受试者的心理状况。因此,个体化网络结合生态瞬时评估在临床和研究中具有广阔的前景,可以为身体和心理健康的评估提供更加全面、客观和准确的数据。

4 小结

本研究从个体化症状网络的定义、常用网络特异性指标、R软件的实现、个体化症状网络的意义和应用等方面对基于个体症状数据的个体化网络进行了介绍。个体化症状网络作为一种具有重要意义的网络模型,为研究者研究复杂系统中个体内动态关系提供了新的分析工具和分析思路,有助于揭示网络演化的本质并为实际问题提供解决方案;同时,其也具备着揭示个体独特性、预测未来网络演变、提高症状监测的准确性与全面性以及构建更精细的个体化评估及干预等诸多价值。希望本研究能为该领域的研究者提供一定的参考价值。