基于Web of Science近10年癌症病人症状群相关研究的可视化分析

王晓峰,王 奕,贾瑞梅,张德平,许 辉*

1.中国医科大学肿瘤医院,辽宁省肿瘤医院,辽宁110042;2.中国医科大学护理学院;3.陕西中医药大学护理学院

根据世界卫生组织国际癌症研究机构(IRAC)发布的2020年全球最新癌症统计结果,2020年全球癌症新发病例为1 929万例,死亡病例接近1 000万例[1]。2022年2月,中国国家癌症中心发布了最新一期的全国癌症统计数据,我国2016年恶性肿瘤发病约406万例,死亡约241万例,我国当前的恶性肿瘤负担仍然呈持续上升的态势[2],癌症病人在整个疾病治疗过程中会经历多种症状。症状群这一概念最早由Dodd等[3]于2001年提出,指出症状群是3种或3种以上相互关联的并发症状。2010年,Molassiotis等[4]在文献回顾的基础上将其定义修改为2种或更多具有临床意义的症状。研究表明,超过40%的癌症病人可能经历疼痛、恶心、呕吐、疲劳、焦虑、抑郁及睡眠障碍等一系列症状[5]。相对于单一症状而言,症状群内各症状存在协同作用,加剧了癌症病人所遭受的痛苦,给病人造成了严重的身心负担,大大降低了病人的生存质量[6]。因此,癌症病人症状群的及时和准确识别,有助于医护人员更好地进行临床管理,进而提高病人的生存质量[7]。本研究以Web of Science核心合集数据库作为数据来源,运用CiteSpace可视化分析软件,对近10年癌症病人症状群相关文献的发文量、发文国家及机构、关键词等绘制科学知识图谱,系统梳理该领域的研究热点及研究前沿,以期为临床医护人员识别和管理癌症病人症状群提供借鉴和参考。

1 资料与方法

1.1 资料来源

本研究以Web of Science核心合集数据库作为检索来源,检索时间跨度为2013年1月1日—2022年12月31日,使用的检索式为:TS=(cancer OR neoplasm OR carcinoma OR tumor OR tumour OR oncolog*) AND TS=(symptom cluster* OR multiple symptoms OR symptom constellations OR concurrent symptoms OR co-occurring symptoms),选取文献类型“Article OR Review”,语种设定为“English”,共检索到相关文献1 412篇,通过对文献的题目和摘要进行逐一判读,剔除与研究主题无关的文献、会议论文、学位论文、期刊正文简介、简讯、编辑寄语等并经去重后得到有效文献605篇。

1.2 统计学方法

本研究采用CiteSpace-6.1.R6可视化分析软件进行文献分析,将文献数据导入该软件并进行数据转化,时间跨度(Time slicing)设置为2013年1月1日—2022年12月31日,时间切片(Years Per Slice)为1年,TopN为50,其余为系统默认值,生成图谱。

2 结果

2.1 年度发文量情况

发文量从2013年开始一直缓慢增长,2021年开始明显增多,至2022年已达110篇。见图1。

图1 文献发表年度变化

2.2 国家及机构分布

对发文国家进行可视化分析,由表1可见,美国发文量为273篇,居首位,中国发文量为120篇,排在第2位。法国、意大利、美国的节点中心度分别为0.46,0.44,0.42,排在前3位,相比之下,中国的节点中心度仅为0.06。对发文机构进行可视化分析,发文量排在前5位的研究机构分别是加利福尼亚大学旧金山分校(Univ Calif San Francisco)、匹兹堡大学(Univ Pittsburgh)、德克萨斯大学安德森癌症研究中心(Univ Texas MD Anderson Cancer Ctr)、杜克大学(Duke Univ)和埃默里大学(Emory Univ),我国发文量最多的机构是复旦大学(Fudan Univ),见图2。

表1 国家发文量

图2 发文机构可视化图谱

2.3 引文分析

节点类型选择“Reference”,分析得到该研究领域排名前10 位的高共被引文献,见表2。

表2 排名前10位的高共被引文献

2.4 关键词知识图谱分析

2.4.1 高频关键词分析

高频关键词可以高度概括研究主题,展现研究领域的热点内容,关键词分析是深入挖掘1个研究领域的重要文献计量学分析方法[18]。本研究将排名前10位的高频关键词进行归纳整理,详见表3。

表3 排名前10位的高频关键词

2.4.2 关键词聚类分析

将关键词进行聚类后,得到模块值(modularity Q,Q值)为0.744 3,平均轮廓值(mean silhouette,S值)为0.893 4的图谱。一般认为,Q值在区间[0,1]内,Q值>0.3意味着划分出来的聚类结构是显著的,S值>0.7说明聚类同质性较好且可信度较高[19]。选择CiteSpace软件中的“Clusters”,点击Show the Largest K Clusters,在弹出的对话框中填入10,共得到10个关键词聚类标签(#),#后面的数值越小则表示该聚类的规模越大[20],以下10个聚类标签分别指代癌症病人症状群研究中的10个重要研究领域,如图3所示。

图3 关键词聚类图谱

2.4.3 关键词突现分析

突现词是指在某时间段内出现频次较多的词,通过对关键词的突现分析,可以了解一个研究领域的发展趋势及前沿情况[21]。本研究对前25个高强度突现关键词进行梳理排序,见图4,其中症状群识别和评估体系为研究前沿。

图4 关键词突现分析

3 讨论

3.1 核心力量分布

近10年关于癌症病人症状群研究的英文文献共605篇,自2013年以来,各国研究者对该领域的关注度逐渐增加,2021年发文量大幅增多,癌症病人症状群的研究日益受到重视。有证据表明[22],对1种症状的治疗会降低群集中其他症状的严重程度,群集内症状之间的相互联系可能为治疗措施提供新的思路,减少对病人结局的负面影响,这是该领域的研究日益受到重视的1个重要原因。从发文国家来看,美国在该研究领域处于核心位置,近10年发表文章273篇,占总纳入文献的45%,排名第1,且发文量排名前5位的研究机构均属于美国,这与刘丽琼等[23]的研究结果一致。我国科研合作的中介中心性仅为0.06,合作交流远弱于法国、意大利、美国等国家,这说明我国在该领域研究机构间的合作并不多,未来在相关研究上应增强机构间的交流与合作,提升研究的广度和深度。

3.2 引文分析

1个领域被引次数多的文献是该领域的经典核心文献,可以称之为该领域的知识基础,能够相对稳定地反映出1个学科领域的本质,有助于明确和预测研究前沿及动态趋势[24]。由表2可知,被引频次最多的是加利福尼亚大学旧金山分校Miaskowski等于2017年发表的“Advancing symptom science through symptom cluster research:expert panel proceedings and recommendations”[8],该文献被引用的次数高达55次,文献对5个关键领域进行了讨论:1)症状群特征的定义;2)症状群发生的潜在机制;3)症状群的识别和测量;4)症状群的干预措施;5)症状群研究新的分析策略,指出如何最佳地评估和管理症状群还缺乏统一的标准,随着对个性化护理的日益重视,旨在确定症状群发生机制的研究对于制定有针对性的干预措施至关重要。

3.3 癌症病人症状群研究热点分析

对高频关键词和关键词聚类图谱进行分析,研究人群主要是乳腺癌、前列腺癌、胰腺癌等癌症病人群体,症状群描述主要集中在疲乏、抑郁、悲伤、疼痛等方面,研究内容包括对病人生存质量、症状群管理、症状群炎症因子反应、症状群影响因素以及对运动干预、姑息照护等方面的探索。

3.3.1 症状群管理

多项研究显示,疼痛、疲乏、睡眠障碍和情绪障碍等症状群的出现会导致病人功能状态和生存质量的下降[9,25-26]。症状群具有短时间内稳定和长时间内动态变化的特点[6],癌症病人对生存质量的需求日益凸显,研究表明,掌握症状群的变化规律,利用各症状间的协调作用将症状群作为1个整体进行管理可以更好地改善病人的生存结局[5,27-28]。运动干预作为一种非药物治疗手段,对病人的生理、心理、生存质量和社会健康等方面产生积极的影响[29]。鉴于症状群种类的复杂性和多样性,医护人员应对癌症病人的症状群开展前瞻性的纵向研究,动态评估症状群的变化规律,积极探索多种干预方式相结合的手段,并对核心症状群进行有效管理,从而提高病人的生存质量,延长生存时间。

3.3.2 影响因素

在影响因素研究层面,癌症病人症状群的发生受多种因素影响。一是社会人口学因素,包括年龄[30]、性别[31]、经济状况[32]、宗教信仰[33]、婚姻状况[34]、文化程度[35]等;二是疾病与治疗相关因素,包括疾病类型、合并症和治疗方案等[36];三是心理相关因素,如压力[37]、孤独[38]、焦虑及抑郁情绪[39,40]等。有研究初步证实了症状群的发生、发展和炎症因子密切相关,而个体间炎症因子的不同也决定了个体症状群之间的差异[41]。因此,医护人员需关注各相关因素对癌症病人的影响,及时评估症状群的发生及其严重程度,针对不同人口学特征、不同肿瘤疾病类型及治疗阶段为病人提供个性化的干预方案,提高症状群管理水平[42]。

3.3.3 姑息照护

姑息照护通过对病人的疼痛、疲乏、抑郁、悲伤等症状群问题进行早期识别、全面评估和早期干预,帮助癌症病人缓解疾病痛苦、正确看待死亡、减轻心理负担并提高生存质量[43]。多项研究显示,姑息照护在提高癌症病人生存质量、减轻照顾者和医护人员工作负担、提高医疗资源利用率、降低医疗保健成本等方面发挥着重要作用[44-48]。有指南[49-50]建议癌症病人除了进行标准抗肿瘤治疗外,还需进行早期姑息照护。可见,姑息照护是未来医学发展的一个重要研究方向。我国人口基数大,罹患癌症人数多,受中国传统“重生忌死”思想和孝悌观念的影响,我国姑息照护呈现“高需求低利用”的现象[51],因此,如何在我国特有文化环境中开展符合癌症病人的姑息照护仍是要不断探索研究的重大课题。

3.4 癌症病人症状群研究前沿分析

对突现词进行分析,发现症状群识别和评估体系是最新研究前沿。目前尚无统一的症状群评估工具,即使是在同质人群中,症状群的识别结果也存在显著差异。关于症状群评估,主要包括3种评估工具,分别是安德森症状调查量表(M.D.Anderson Symptom Inventory,MDASI)[52]、记忆症状评估量表(Memorial Symptom Assessment Scale,MSAS)[53]及埃特蒙顿症状评估量表(Edmonton Symptom Assessment Scale,ESAS)[54]。

MDASI为病人自评量表,包括症状体验及对生活的影响2个维度,共19个条目。第1部分包括由于癌症种类不同、治疗方式的差异导致的发生频率最高、表现程度最重的13个核心症状,即疼痛、疲劳、恶心、睡眠障碍、苦恼、气短、健忘、食欲减退、瞌睡、口干、悲伤、呕吐、麻木感;第2部分评估上述症状对一般活动、情绪、工作、与他人关系、走路、生活乐趣6项日常生活的困扰程度[55]。各条目采用0～10分计分,得分越高说明病人的癌症相关症状越严重,症状困扰程度越高。该量表具有适用范围广、操作便捷、量表成熟等优点,在世界范围内已被翻译为多种语言广泛应用于癌症病人相关症状的研究中[56]。

MSAS 是一个多维度的疾病症状评估量表,用于评估病人过去1周内的生理和心理症状的发生频率、严重程度和困扰程度,包括身体症状分量表、心理症状分量表和总体困扰指数3 个亚量表,共32 个条目。所有条目的测评均采用 Likert 评分法,得分越高,症状困扰程度就越严重。该量表具有信效度较高、各条目通俗易懂、应用简便等优点,缺点在于评估内容较多和过程复杂导致临床实用性较低。

ESAS包括疼痛、疲乏、嗜睡、恶心、食欲减退等 9 种癌症病人常见症状,同时提供 1 个“其他症状”选项,以便全面评估过去 24 h内病人所经历的这10种症状的严重程度[57]。各条目采用 0～10 分计分,得分越高,症状困扰程度就越严重。ESAS 为症状的严重程度随时间的变化这一理论提供了临床依据,医护人员可通过观察症状的演变趋势较为准确地推断病人当前症状的严重程度,但由于此量表只包含常见的 9 种症状,评估不够全面,评估精确度不高,导致临床推广受限。

具有统一标准的评估工具尚未开发出来,症状群评估工具的不同,易导致研究结果的异质性,给癌症症状群的深入研究及研究成果的相互借鉴带来障碍[58]。因此,未来还需要更多科学严谨的研究以开发出具有统一标准的癌症症状群评估工具。

3.5 对我国癌症病人症状群研究的启示

目前,对癌症病人症状群的发生机制尚不清楚,且缺少具有统一标准的评估工具,今后仍需进一步研究以达成共识。症状群是症状之间强化和协同作用的结果,症状群还受到生理、心理、社会等诸多因素的影响,建议围绕多学科多模式展开研究,开发综合性症状群干预模式,同时注重家庭支持、社会支持和个人行为相结合的干预方案。此外,在“精准健康”“互联网+”和大数据时代,可尝试应用人工智能等信息化手段,为癌症病人提供远程症状监测,以提高症状群的管理效率。建议下一步的研究方向为:1)积极探索癌症病人症状群的发生机制;2)开发出具有统一标准的症状群评估工具;3)结合人工智能,制定有效的症状群管理策略;4)采取个性化的干预方案,完善干预措施有效性的评价体系;5)开展早期姑息照护,探索多种干预方式相结合的疗法。

4 小结

综上所述,癌症病人症状群的研究越来越受到国内外学者的关注,症状群受多种因素影响,具有种类的复杂性和多样性等特点,未来可深入研究癌症症状群的发生机制及发展趋势,探寻症状群的变化规律,制定症状群管理策略,完善评价体系,最终提高癌症病人的生存质量。本研究也有一定的不足之处,如仅纳入Web of Science 核心合集数据库收录的文献,且语种限定为英语,会存在文献漏检的现象,希望此后进一步挖掘和探索,以期为“癌症病人症状群”相关领域的研究提供新思路。