楊 晨，劉風(fēng)俠

河北醫(yī)科大學(xué)第四醫(yī)院，河北 050000

據(jù)GLOBOCAN 2018 全球癌癥統(tǒng)計(jì)，全球新增癌癥病人約1 808 萬(wàn)例，死亡病例約956 萬(wàn)例，我國(guó)分別約占23.7%和30.0%，發(fā)病率和死亡率均高于全球平均水平，癌癥已成為危害我國(guó)居民健康的主要原因[1-2]。癌癥本身及治療的相關(guān)因素會(huì)導(dǎo)致一系列相互影響、相互依存的多重并發(fā)癥狀，嚴(yán)重影響病人的生活質(zhì)量[3-4]，亟須對(duì)這些癥狀進(jìn)行有效的管理。因網(wǎng)絡(luò)分析能夠構(gòu)建觀測(cè)變量之間關(guān)系的網(wǎng)絡(luò)模型，進(jìn)而從整體的角度以圖的形式可視化呈現(xiàn)網(wǎng)絡(luò)中各變量的重要程度及其復(fù)雜的關(guān)聯(lián)關(guān)系，近年來(lái)在癌癥病人的癥狀研究中得到了一定發(fā)展。網(wǎng)絡(luò)分析是將某一系統(tǒng)的內(nèi)部特征以網(wǎng)絡(luò)的形式呈現(xiàn)，主要由“節(jié)點(diǎn)”（代表變量）和“連線”（代表變量間的信息）組成，能夠展現(xiàn)癌癥病人癥狀網(wǎng)絡(luò)中的重要節(jié)點(diǎn)及網(wǎng)絡(luò)結(jié)構(gòu)特征，幫助理解癌癥病人癥狀的發(fā)生機(jī)制，為癌癥病人的癥狀管理提供新的突破點(diǎn)，進(jìn)而促使整個(gè)癥狀網(wǎng)絡(luò)向更好的方向變化[5]。本研究主要綜述網(wǎng)絡(luò)分析在癌癥病人癥狀管理中的研究進(jìn)展，以期為我國(guó)更好地進(jìn)行癌癥病人的癥狀管理提供參考。

1 網(wǎng)絡(luò)分析的基本原理

網(wǎng)絡(luò)分析最早可追溯到1735 年Leonard Euler 解決的哥尼斯堡橋梁建設(shè)問(wèn)題，隨著數(shù)學(xué)中圖論的出現(xiàn),網(wǎng)絡(luò)分析及其數(shù)據(jù)擬合方法在之后得到了極大的發(fā)展[6]。網(wǎng)絡(luò)科學(xué)是研究復(fù)雜網(wǎng)絡(luò)的領(lǐng)域，包括計(jì)算機(jī)網(wǎng)絡(luò)、技術(shù)網(wǎng)絡(luò)、生物網(wǎng)絡(luò)和社會(huì)網(wǎng)絡(luò)等[7]，網(wǎng)絡(luò)分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用有人類疾病網(wǎng)絡(luò)、代謝網(wǎng)絡(luò)、大腦的功能連接和基因調(diào)控網(wǎng)絡(luò)等[8-11]。精神病理學(xué)最先將癥狀作為網(wǎng)絡(luò)中的變量探討癥狀間的相互作用[12]，而后一些學(xué)者開(kāi)始了對(duì)癌癥病人癥狀網(wǎng)絡(luò)的相關(guān)研究。僅考慮節(jié)點(diǎn)間是否存在連線的網(wǎng)絡(luò)稱為無(wú)加權(quán)相關(guān)網(wǎng)絡(luò)，連線僅代表節(jié)點(diǎn)間聯(lián)系的有無(wú)，而加權(quán)相關(guān)網(wǎng)絡(luò)的連線還表達(dá)節(jié)點(diǎn)間聯(lián)系的附加信息，例如節(jié)點(diǎn)間的連接強(qiáng)度[7]，加權(quán)相關(guān)網(wǎng)絡(luò)較無(wú)加權(quán)相關(guān)網(wǎng)絡(luò)能更完整地描述網(wǎng)絡(luò)內(nèi)的信息。網(wǎng)絡(luò)還可以分為有向網(wǎng)絡(luò)和無(wú)向網(wǎng)絡(luò)，無(wú)向網(wǎng)絡(luò)節(jié)點(diǎn)間有或沒(méi)有連接，且連接沒(méi)有指向性；有向網(wǎng)絡(luò)任意2 個(gè)節(jié)點(diǎn)之間可能有0、1 或2 個(gè)連接，連接具有方向性。在加權(quán)相關(guān)網(wǎng)絡(luò)中，隨著節(jié)點(diǎn)數(shù)量的增加可能會(huì)出現(xiàn)虛假關(guān)系，即節(jié)點(diǎn)間加權(quán)值較小的連線可能反映弱的和潛在的偽相關(guān)。對(duì)此，可使用偏相關(guān)系數(shù)來(lái)創(chuàng)建變量間的關(guān)系，并引入懲罰因子(penalization factor),如圖像最小絕對(duì)值收斂和選擇算法(graphic least absolute shrinkage and selection operator,LASSO)[13]，將聯(lián)系較弱的連線刪除，使生成的網(wǎng)絡(luò)更簡(jiǎn)潔，只反映數(shù)據(jù)中最重要的關(guān)系。偏相關(guān)網(wǎng)絡(luò)模型是以加權(quán)相關(guān)網(wǎng)絡(luò)為基礎(chǔ)的一種模型[14]，偏相關(guān)系數(shù)絕對(duì)值的取值范圍為0～1,某兩個(gè)節(jié)點(diǎn)之間的偏相關(guān)系數(shù)指的是在保障網(wǎng)絡(luò)中的其他信息恒定后這兩點(diǎn)之間的相關(guān),因此也被稱作“條件獨(dú)立性相關(guān)”[6]。使用LASSO 需要設(shè)置調(diào)優(yōu)參數(shù)λ，選擇的λ 值越高，從網(wǎng)絡(luò)中移除的邊越多。此外，需要通過(guò)最小化擴(kuò)展貝葉斯信息準(zhǔn)則（EBIC）選擇最優(yōu)網(wǎng)絡(luò)模型，它可以提高生成網(wǎng)絡(luò)的準(zhǔn)確性和可解釋性,EBIC 使用的超參數(shù)γ 一般設(shè)置為0.5[15]。Fruchterman-Reingold 算法用來(lái)繪制網(wǎng)絡(luò)計(jì)算最優(yōu)布局，使得強(qiáng)度和連接較少的節(jié)點(diǎn)被放置得更遠(yuǎn)，強(qiáng)度和連接較多的節(jié)點(diǎn)被放置得更近[16]。

對(duì)于橫斷面數(shù)據(jù)，常用的網(wǎng)絡(luò)模型是成對(duì)馬爾可夫隨機(jī)場(chǎng)模型(PMRF)，PMRF 是一個(gè)無(wú)向網(wǎng)絡(luò)模型，這也是網(wǎng)絡(luò)分析在癌癥病人癥狀研究中最常用的模型。根據(jù)不同的數(shù)據(jù)類型，使用不同的PMRF 模型，連續(xù)型變量采用高斯圖論模型(GGM)；二分類變量采用伊辛模型(Ising model)；當(dāng)數(shù)據(jù)包含分類變量和連續(xù)變量時(shí)，采用混合圖形模型(mixed graphical)[17-18]。對(duì)于縱向數(shù)據(jù),有研究者提出了采用變量之間的回歸系數(shù)來(lái)表示節(jié)點(diǎn)間連線數(shù)值的分析方法[19]。在縱向網(wǎng)絡(luò)模型中,由于變量測(cè)量在時(shí)間上有先后順序,變量之間的相互預(yù)測(cè)成為可能。針對(duì)不同種類的縱向數(shù)據(jù),研究者逐步發(fā)展出了其他種類的網(wǎng)絡(luò)模型,例如針對(duì)單一觀測(cè)變量時(shí)間序列數(shù)據(jù)的向量自回歸模型[20]和主成分自回歸模型[21],針對(duì)多個(gè)觀測(cè)變量的多層自回歸網(wǎng)絡(luò)模型以及針對(duì)少數(shù)幾個(gè)測(cè)量時(shí)間點(diǎn)的交叉滯后網(wǎng)絡(luò)模型[19]。

2 網(wǎng)絡(luò)分析的主要指標(biāo)

構(gòu)建癌癥病人的癥狀網(wǎng)絡(luò)可以得到描述癥狀間關(guān)聯(lián)關(guān)系和網(wǎng)絡(luò)結(jié)構(gòu)的指標(biāo)，包括描述節(jié)點(diǎn)特征的指標(biāo)和描述網(wǎng)絡(luò)整體特征的指標(biāo)。

2.1 描述節(jié)點(diǎn)特征的指標(biāo) 在網(wǎng)絡(luò)中描述節(jié)點(diǎn)特征的指標(biāo)有中心性、可預(yù)測(cè)性和集群性。中心性代表了一個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)聯(lián)系的多少、強(qiáng)度以及緊密程度,改變中心性高的節(jié)點(diǎn)會(huì)影響許多其他節(jié)點(diǎn)[6]。中心性指標(biāo)包括強(qiáng)度、接近中心性和中介中心性。強(qiáng)度是某節(jié)點(diǎn)所有連線的加權(quán)值之和，是節(jié)點(diǎn)連接數(shù)量和強(qiáng)度的量化，量化了一個(gè)節(jié)點(diǎn)直接連接到其他節(jié)點(diǎn)的良好程度，用于測(cè)量網(wǎng)絡(luò)中節(jié)點(diǎn)的重要性。接近中心性是一個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的平均最短路徑長(zhǎng)度的倒數(shù)，它衡量節(jié)點(diǎn)與其他節(jié)點(diǎn)聯(lián)系的密切程度[22]。中介中心性是某節(jié)點(diǎn)在其他任意兩節(jié)點(diǎn)最短路徑上的頻率，用于測(cè)量某節(jié)點(diǎn)在其他節(jié)點(diǎn)聯(lián)系中的重要性[23]?？深A(yù)測(cè)性用來(lái)表示某一節(jié)點(diǎn)的變異在多大程度上可以由與其相連節(jié)點(diǎn)的變異所預(yù)測(cè)，網(wǎng)絡(luò)中所有節(jié)點(diǎn)的平均可預(yù)測(cè)性反映該網(wǎng)絡(luò)受到網(wǎng)絡(luò)外因素的影響程度,如果平均可預(yù)測(cè)性較高,即說(shuō)明該網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)部能較好地相互預(yù)測(cè),外部因素能解釋的變異較少[6]。集群性關(guān)注的是與某一特定節(jié)點(diǎn)相連的一系列節(jié)點(diǎn)之間的聯(lián)系，一個(gè)節(jié)點(diǎn)的集群性通過(guò)局部聚集系數(shù)衡量[6]，一個(gè)節(jié)點(diǎn)集群中節(jié)點(diǎn)彼此之間高度互聯(lián)，而與該集群之外的節(jié)點(diǎn)連接較差。在無(wú)向網(wǎng)絡(luò)和有向網(wǎng)絡(luò)中都可以估計(jì)出整個(gè)網(wǎng)絡(luò)的全局聚類系數(shù)。

2.2 描述網(wǎng)絡(luò)整體層面的指標(biāo) 在網(wǎng)絡(luò)中描述網(wǎng)絡(luò)整體層面的指標(biāo)有連接強(qiáng)度、傳遞性和小世界指標(biāo)。其中網(wǎng)絡(luò)連接強(qiáng)度越高，整個(gè)網(wǎng)絡(luò)的連接就越緊密,內(nèi)部穩(wěn)定性越高；傳遞性即全局聚集系數(shù)，和節(jié)點(diǎn)的聚集系數(shù)具有高度相關(guān)性,傳遞性越高，表明網(wǎng)絡(luò)中的變量更容易兩兩聚集；小世界指標(biāo)反映的是和隨機(jī)網(wǎng)絡(luò)相比，任意兩節(jié)點(diǎn)通過(guò)其他節(jié)點(diǎn)產(chǎn)生聯(lián)系的難易程度，小世界特點(diǎn)為具有高連接強(qiáng)度、節(jié)點(diǎn)間平均路徑較短、整體聯(lián)系緊密等[12,24]。

3 網(wǎng)絡(luò)分析在癌癥病人癥狀研究中的應(yīng)用

3.1 網(wǎng)絡(luò)分析在癌癥病人癥狀研究中的應(yīng)用方法 網(wǎng)絡(luò)分析可以在R 語(yǔ)言中極為便捷地進(jìn)行，主要包括構(gòu)建網(wǎng)絡(luò)、中心性分析和評(píng)估網(wǎng)絡(luò)的準(zhǔn)確性及穩(wěn)定性3 個(gè)基本步驟。使用R-package 擬合一個(gè)適合的無(wú)向加權(quán)網(wǎng)絡(luò)模型，通過(guò)LASSO 以及EBIC 生成簡(jiǎn)潔的模型。使用qgraph R-package 將網(wǎng)絡(luò)可視化呈現(xiàn)，其中正負(fù)關(guān)聯(lián)的連線可以用不同顏色加以區(qū)分，加權(quán)邊通過(guò)邊的粗細(xì)反映節(jié)點(diǎn)間關(guān)系的強(qiáng)度，邊越粗表示關(guān)系越強(qiáng)[25]，使用Fruchterman-Reingold 算法進(jìn)行網(wǎng)絡(luò)布局。之后分析中心性指標(biāo)，研究表明強(qiáng)度是最穩(wěn)健的中心性指標(biāo)[12]。最后，對(duì)網(wǎng)絡(luò)模型使用R-package bootnet 進(jìn)行準(zhǔn)確性和穩(wěn)定性檢查，邊權(quán)值的準(zhǔn)確性是通過(guò)計(jì)算其估計(jì)的置信區(qū)間(如95%CI)檢驗(yàn)；通過(guò)相關(guān)穩(wěn)定性(CS)系數(shù)量化中心性指標(biāo)的穩(wěn)定性，CS系數(shù)≥0.7 表示中心性指標(biāo)越穩(wěn)定，建議CS 系數(shù)不低于0.25，最好高于0.5[19]。

3.2 網(wǎng)絡(luò)分析在癌癥病人癥狀研究中的應(yīng)用現(xiàn)狀

3.2.1 識(shí)別核心癥狀 中心性指標(biāo)可以反映某節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度，即作為判定其是否為核心節(jié)點(diǎn)的依據(jù)[26]。Luo 等[27]研究了996 例中國(guó)病人的癌癥復(fù)發(fā)恐懼(FOR)現(xiàn)象，確定了FOR 網(wǎng)絡(luò)的核心癥狀為擔(dān)心/擔(dān)心復(fù)發(fā)。Rha 等[28]從癥狀發(fā)生頻率的角度構(gòu)建了249 例癌癥病人的癥狀網(wǎng)絡(luò)并分析中心性指標(biāo)，發(fā)現(xiàn)疲勞是網(wǎng)絡(luò)中最核心的癥狀，強(qiáng)度最高，聯(lián)系最緊密。有研究分別從癥狀發(fā)生頻率、嚴(yán)重程度和困擾程度的維度構(gòu)建了接受化療的1 328 例癌癥病人的3 個(gè)癥狀網(wǎng)絡(luò)，發(fā)現(xiàn)癥狀網(wǎng)絡(luò)會(huì)因用于創(chuàng)建網(wǎng)絡(luò)的維度不同而略有不同[29]。分析中心性指標(biāo)時(shí)，在癥狀發(fā)生頻率網(wǎng)絡(luò)中惡心位于第1 位，其次是食欲缺乏；在嚴(yán)重程度和困擾程度網(wǎng)絡(luò)中，食欲缺乏為第1 位。葉艷欣等[30]構(gòu)建了511 例癌癥病人治療間歇期的癥狀網(wǎng)絡(luò)，發(fā)現(xiàn)疲乏和悲傷感是癌癥病人治療間歇期的核心癥狀和最重要的癥狀?；诰W(wǎng)絡(luò)分析理論，中心性指標(biāo)排名較前的癥狀可能成為治療干預(yù)的目標(biāo)，因其可對(duì)網(wǎng)絡(luò)產(chǎn)生較大影響，所以對(duì)核心癥狀的干預(yù)可能會(huì)減少其他癥狀的出現(xiàn)。

3.2.2 識(shí)別網(wǎng)絡(luò)社區(qū) 網(wǎng)絡(luò)社區(qū)即一組緊密相連但與網(wǎng)絡(luò)中其他節(jié)點(diǎn)連接稀疏的節(jié)點(diǎn)集群[7]，其中在癥狀網(wǎng)絡(luò)中識(shí)別出的網(wǎng)絡(luò)社區(qū)就是癥狀群，癥狀群的識(shí)別也是促進(jìn)癥狀科學(xué)和精準(zhǔn)健康的一項(xiàng)重要任務(wù)。在社區(qū)中存在許多連接且連接較強(qiáng)的癥狀被定義為穩(wěn)定癥狀，該癥狀被認(rèn)為維持著網(wǎng)絡(luò)社區(qū)的穩(wěn)定性；屬于多個(gè)社區(qū)并連接不同社區(qū)的癥狀被定義為橋梁癥狀，橋梁癥狀具有傳遞性[31]，可以作為判斷出現(xiàn)新癥狀的早期指標(biāo)，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的演變具有重要意義[32]。社區(qū)檢測(cè)可以識(shí)別出網(wǎng)絡(luò)社區(qū)，方法有spinglass算法、walktrap算法以及派系滲透法(CPM)等[33]。有學(xué)者采用walktrap算法識(shí)別出了接受化療的病人癥狀網(wǎng)絡(luò)中存在的癥狀群[29]。Bobevski 等[34]構(gòu)建了癌癥病人的意志消沉癥狀網(wǎng)絡(luò)，意志消沉的定義是難以適應(yīng)壓力源，感覺(jué)自己處于困境中，經(jīng)歷了無(wú)助、絕望、失去信心和生活意義等體驗(yàn)，研究得到了失去希望和意義、非特定情緒性、誘捕和抑郁癥狀4 個(gè)癥狀群，還探討了4 個(gè)癥狀群與抑郁、心理調(diào)整和自殺的關(guān)系。還有學(xué)者在高質(zhì)量疾病癥狀關(guān)聯(lián)的大規(guī)模癥狀網(wǎng)絡(luò)中區(qū)分獲得了208 個(gè)跨疾病的典型癥狀群，發(fā)現(xiàn)即使在不同的疾病條件下，相同癥狀群中的癥狀仍傾向于共享更高程度的基因和蛋白-蛋白相互作用(PPIs)，并具有更高的功能同質(zhì)性[35]。Henneghan 等[36]在66 例平均化療結(jié)束3 年后的乳腺癌病人的癥狀-細(xì)胞因子網(wǎng)絡(luò)中發(fā)現(xiàn)癥狀和細(xì)胞因子成了2 個(gè)獨(dú)立的網(wǎng)絡(luò)社區(qū)，且白細(xì)胞介素-2 成為橋梁癥狀連接了兩個(gè)社區(qū)。以上研究表明，網(wǎng)絡(luò)分析在幫助識(shí)別網(wǎng)絡(luò)社區(qū)（或癥狀群）及橋梁癥狀的同時(shí)，有助于理解癌癥病人癥狀發(fā)生發(fā)展的潛在機(jī)制。

3.2.3 比較兩組癥狀網(wǎng)絡(luò)間的差異 網(wǎng)絡(luò)間的差異包括網(wǎng)絡(luò)結(jié)構(gòu)、邊緣強(qiáng)度和全局強(qiáng)度，可使用R Package Network Comparison Test（NCT）進(jìn)行，適用的數(shù)據(jù)類型為連續(xù)型變量和二分類變量，目前最多可比較2 個(gè)癥狀網(wǎng)絡(luò)間的差異。有學(xué)者在結(jié)束初始治療后的7 種癌癥病人(結(jié)直腸癌、乳腺癌、卵巢癌、甲狀腺癌、慢性淋巴細(xì)胞白血病、霍奇金淋巴瘤和非霍奇金淋巴瘤)樣本中評(píng)估了癌癥類型、治療方案、短期和長(zhǎng)期幸存者之間的癥狀網(wǎng)絡(luò)差異，結(jié)果發(fā)現(xiàn)乳腺癌的網(wǎng)絡(luò)結(jié)構(gòu)不同于結(jié)直腸癌、卵巢癌、非霍奇金淋巴瘤以及慢性淋巴細(xì)胞白血病，原因主要是乳腺癌網(wǎng)絡(luò)中不存在惡心嘔吐和食欲缺乏間的聯(lián)系；慢性淋巴細(xì)胞白血病網(wǎng)絡(luò)中的疲勞和情緒癥狀之間的聯(lián)系比乳腺癌更強(qiáng)；接受放射治療的病人相較于未接受放射治療的病人，其認(rèn)知癥狀和食欲減退之間有額外聯(lián)系，疲勞和惡心嘔吐之間的聯(lián)系更強(qiáng)；長(zhǎng)期幸存者（≥5 年）相較于短期幸存者（＜5 年）的情緒癥狀與食欲缺乏以及睡眠問(wèn)題與腹瀉之間存在額外的弱聯(lián)系[37]。不同的癥狀網(wǎng)絡(luò)間存在差異，且因癌癥病人間存在的異質(zhì)性導(dǎo)致各自的癥狀表現(xiàn)不完全相同，這就促使區(qū)分不同的亞組，亞組間的差異還能為針對(duì)性干預(yù)提供新的切入點(diǎn)。未來(lái)研究可以從不同的社會(huì)人口學(xué)資料（如年齡、性別）和臨床疾病資料（如癌癥診斷、病理分期、治療方案、合并癥）比較癥狀網(wǎng)絡(luò)間的差異。

3.2.4 呈現(xiàn)癥狀與其前驅(qū)因素、生活質(zhì)量的關(guān)系網(wǎng)絡(luò) 了解癥狀的前驅(qū)因素可以及時(shí)規(guī)避風(fēng)險(xiǎn)因素，利用保護(hù)因素。Schellekens 等[38]使用342 例尋求心理護(hù)理癌癥病人的橫斷面數(shù)據(jù)，將癌癥病人的癥狀以及風(fēng)險(xiǎn)和保護(hù)因素納入一個(gè)網(wǎng)絡(luò)中，探討癥狀與因素間是如何相互關(guān)聯(lián)的；結(jié)果發(fā)現(xiàn)，在風(fēng)險(xiǎn)因素中，無(wú)助和身體癥狀與疲勞之間的關(guān)系最為突出；在保護(hù)因素中，疾病接受程度較其他因素?fù)碛懈嗪透鼜?qiáng)的聯(lián)系。此網(wǎng)絡(luò)確定了癥狀與風(fēng)險(xiǎn)因素（無(wú)助、身體癥狀）和關(guān)鍵保護(hù)因素（接受度）的關(guān)鍵聯(lián)系，有助于識(shí)別出易出現(xiàn)相關(guān)癥狀的人群，并在癥狀發(fā)生前及時(shí)干預(yù)，延緩或阻止癥狀的發(fā)生發(fā)展。

癌癥病人的多重癥狀嚴(yán)重影響其生活質(zhì)量，有研究結(jié)果表明癌癥相關(guān)生理和心理癥狀(CPPS)與生活質(zhì)量在不同的生活質(zhì)量領(lǐng)域和癌癥階段可能具有不同的相關(guān)性[39]。在此基礎(chǔ)上，Shim 等[40]選取了256 例胃癌病人術(shù)前、術(shù)后1 周和術(shù)后3～6 個(gè)月3 個(gè)時(shí)間點(diǎn)，分別構(gòu)建了3 個(gè)癥狀網(wǎng)絡(luò)，網(wǎng)絡(luò)中的節(jié)點(diǎn)包括CPPS、焦慮和抑郁以及反映生活質(zhì)量的5 個(gè)領(lǐng)域（生理狀況、家庭/社會(huì)狀況、情感狀況、功能狀況和對(duì)胃癌的擔(dān)憂），探討CPPS 和生活質(zhì)量之間隨時(shí)間推移的關(guān)聯(lián)模式以及哪個(gè)癥狀或領(lǐng)域在CPPS 和生活質(zhì)量領(lǐng)域之間的關(guān)聯(lián)中起核心作用或橋梁作用；結(jié)果發(fā)現(xiàn)，3 個(gè)時(shí)間點(diǎn)的癥狀網(wǎng)絡(luò)在CPPS 和生活質(zhì)量之間具有不同程度的聯(lián)系，焦慮與所有時(shí)間點(diǎn)的情緒狀況和術(shù)后1 周的生理狀況密切相關(guān)；抑郁與術(shù)前和術(shù)后3～6 個(gè)月的功能狀況、術(shù)后1 周對(duì)胃癌的擔(dān)憂和術(shù)后3～6 個(gè)月的生理狀況有關(guān)，痛苦和悲傷是3 個(gè)網(wǎng)絡(luò)中最核心的癥狀，焦慮、抑郁和情感狀況是在所有時(shí)間點(diǎn)連接CPPS 和生活質(zhì)量的橋梁。治療心理困擾、提升情感狀況和生理狀況可作為整個(gè)癌癥病程的高影響干預(yù)目標(biāo)。

4 對(duì)我國(guó)癌癥病人癥狀管理的啟示

4.1 干預(yù)網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn) 網(wǎng)絡(luò)分析為癌癥病人的癥狀管理提供了4 種干預(yù)措施：①對(duì)核心癥狀的干預(yù)，核心癥狀對(duì)整個(gè)網(wǎng)絡(luò)的影響最大[41]；②對(duì)橋梁癥狀的干預(yù)，可中斷節(jié)點(diǎn)或社區(qū)間的連接，阻止癥狀網(wǎng)絡(luò)向不利的方向發(fā)展；③對(duì)前驅(qū)因素的干預(yù)，消除癥狀網(wǎng)絡(luò)的觸發(fā)條件[42]；④對(duì)網(wǎng)絡(luò)間的差異點(diǎn)進(jìn)行精準(zhǔn)化重點(diǎn)干預(yù)。

4.2 加強(qiáng)癥狀與其相關(guān)概念的關(guān)系研究 由于網(wǎng)絡(luò)分析可以呈現(xiàn)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)和節(jié)點(diǎn)間的關(guān)系，使癥狀網(wǎng)絡(luò)中加入其他相關(guān)概念節(jié)點(diǎn)并探討其與癥狀間的相互關(guān)系成為可能。目前，已有研究納入了細(xì)胞因子、影響因素和生活質(zhì)量等，未來(lái)可以依據(jù)研究目的探討更多其他類型癌癥病人的癥狀相關(guān)網(wǎng)絡(luò)，并在網(wǎng)絡(luò)中納入新的概念節(jié)點(diǎn)，調(diào)查其與癥狀間的關(guān)系；此外，還可以加強(qiáng)學(xué)科間的交流合作，促進(jìn)對(duì)癥狀群潛在機(jī)制的探索研究。

4.3 開(kāi)展個(gè)體層面的網(wǎng)絡(luò)分析和縱向網(wǎng)絡(luò)分析 目前，應(yīng)用于癌癥病人癥狀網(wǎng)絡(luò)的研究均為群體層面的橫斷面網(wǎng)絡(luò)分析，未來(lái)可以發(fā)展個(gè)體層面的網(wǎng)絡(luò)分析。因不同個(gè)體各有其特殊性，個(gè)體層面的網(wǎng)絡(luò)分析有利于精準(zhǔn)地展示個(gè)體的癥狀網(wǎng)絡(luò)，有利于制定個(gè)性化的管理方案，促進(jìn)個(gè)體的身心健康[6]。同時(shí)，未來(lái)可進(jìn)行縱向網(wǎng)絡(luò)分析，在癥狀網(wǎng)絡(luò)中增加時(shí)間維度，呈現(xiàn)網(wǎng)絡(luò)的連續(xù)動(dòng)態(tài)變化，以探討癥狀發(fā)生的前后順序，判定其因果關(guān)系；追蹤癥狀隨時(shí)間的變化情況，以確定不同疾病階段的最佳干預(yù)時(shí)機(jī)。

5 小結(jié)

癌癥病人在患病期間會(huì)經(jīng)歷一系列相互關(guān)聯(lián)的復(fù)雜癥狀，網(wǎng)絡(luò)分析能夠以圖的形式從整體的角度可視化呈現(xiàn)其癥狀相關(guān)網(wǎng)絡(luò)，并突出網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)及節(jié)點(diǎn)間的聯(lián)系，有助于了解癥狀的發(fā)生發(fā)展機(jī)制，提供精準(zhǔn)化的干預(yù)目標(biāo)以優(yōu)化癌癥病人的癥狀管理。目前，網(wǎng)絡(luò)分析在癌癥病人癥狀研究中的應(yīng)用較少，日后護(hù)理人員可以在不同的癌癥病人樣本中進(jìn)行網(wǎng)絡(luò)分析研究，并嘗試開(kāi)展個(gè)體層面的和縱向的網(wǎng)絡(luò)分析以豐富癌癥病人的癥狀網(wǎng)絡(luò)，并積極開(kāi)展干預(yù)試驗(yàn)對(duì)網(wǎng)絡(luò)分析所得結(jié)果進(jìn)行驗(yàn)證。