个体化症状网络连通性对HIV感染者健康预后的预测作用
2024-01-12胡天天蒋涛温环李柽李玲孙美艳朱政
胡天天 蒋涛 温环 李柽 李玲 孙美艳 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)
抗逆转录病毒疗法的广泛使用使得人类免疫缺陷病毒(human immunodeficiency virus,HIV)感染者的寿命得到了极大的延长[1-2];使得艾滋病(acquired immunodeficiency syndrome,AIDS)也从一种致命的急性疾病逐渐转变为一种可控制的慢性疾病[3-5]。但同时,由于机会性感染、药物副作用、慢性疾病和老龄化等因素,HIV感染者面临复杂的症状群;也因此,症状网络的概念应运而生[6-8],为理解多种症状之间的复杂关系提供了新的视角。近年来,对症状网络连通性作为一种预后指标,受到了越来越多的关注[9-10]。症状网络连通性是指网络内所有节点强度之和[11-12]。既往研究[9]也阐述了每个个体症状网络连通性对于个体健康层面的预测价值仍在不断探索。因此,本研究拟探索症状个体化网络连通性与HIV感染者的健康指标,包括CD4+T细胞计数、躯体健康和生活质量水平的关系,旨在探索症状个体化网络连通性在预测HIV感染者治疗预后的应用价值。这将有助于更全面地理解和管理HIV感染者的健康,为临床实践者提供更有效的治疗策略。
1 对象与方法
1.1研究对象 本研究选取上海市公共卫生临床中心AIDS自愿咨询检测门诊(voluntary counseling and testing,VCT)就诊的HIV感染者。根据患者的年龄、性别、教育水平、经济水平、医保情况等进行最大差异选样,经样本量公式:n=Z2σ2/d2(Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差,一般取0.5),(并以27个症状平均发生率为结局指标、考虑到该机构的年门诊量及20%的样本流失率,纳入144例感染者)。本研究已通过复旦大学护理学院伦理委员会批准(审批号:IRB#TYSQ2020-05-04)。纳入标准:(1)18岁以上的HIV感染者。(2)正在该中心接受住院治疗或门诊随访。(3)神志清楚,能正确阅读文字和回答问题且能熟练操作手机。(4)自愿加入本研究。排除标准:诊断患有与HIV相关的神经认知疾病而无法完成问卷。
1.2研究工具
1.2.1自制HIV感染者一般资料调查表 包括一般人口学资料、社会经济学资料、健康相关资料。一般人口学资料包括:年龄、性别、民族、主要照顾者。社会经济学资料包括:教育程度、婚姻状况、就业状态宗教信仰。健康相关资料包括: HIV确诊年限、服用抗病毒药物使用年限、 CD4+T细胞水平。其中感染者健康相关资料由调查员提取随访档案中的信息。此外在第1个月、第4个月和第7个月的最后1周收集CD4+T细胞计数、生活质量和躯体健康水平,参与者被问及以下2个问题:“你的生活质量如何?”以及“您的整体身体健康状况如何?”选项每项条目采用 5级评分,其中 1分表示非常好,2分表示较好,3分表示中等,4分表示较差,5分表示非常差,分数越高表明生活质量和躯体健康越不好。
1.2.2患者自我报告症状 采用AIDS症状自评量表(sign and symptom checklist for persons with HIV diseases,HSSC)[5],该量表包含 27 个条目,测量感染者 7 d 内包括疲乏、睡眠障碍、头痛等 27 种 HIV 相关症状的严重程度。每项条目采用 4 级评分,其中 0分表示无症状,1分表示轻度,2分表示中度,3分表示严重,分值越大表明症状严重程度越高。该量表具有良好的信效度,内容效度指数CVI=0.918,既往研究[5]中该量表的 Cronbach′s α系数为 0.947。
1.3资料收集方法 本研究采用经验取样法,以1个月为1个周期,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,于每个周期中每周开展1次数据收集,在为期7个月的时间里共计收集数据12波,并形成面板数据后进行分析。研究采取HSSC对症状的发生和严重程度进行调查,同时将使用每个周期的症状信息分析个性化症状网络。
1.4质量控制 本研究团队成员针对调查内容与方法对调查人员进行了统一严格的培训。调查前研究人员给予充分说明,使研究对象了解本研究的目的与意义,在几秒内或是数十秒内完成的问卷将会被剔除;每次收集数据结束时,调查员立即检查后台数据是否填写完整,发现错漏与不合逻辑的项目时,请调查对象补填和修正。
1.5统计学方法
1.5.2症状网络构建和网络连通性计算 本研究使用R包qgraph进行网络分析。本研究在第1个月、第4个月和第7个月使用Fruchterman-Reingold(FR)算法和spring布局生成个体症状网络,该网络基于从27个自我报告的症状中收集的12波的数据。在FR算法中,将中心性最高的节点放置在网络中心,将特征相似的节点放置在更靠近的位置。同时使用Centrality命令可以获取网络中心化指标的数值进行记录。网络连通性被计算为节点强度的总和。
1.5.3随机效应回归模型 本研究采用Hausman分析,确定采用随机效应模型,分别进行网络连通性、严重程度与logCD4、躯体健康和生活质量水平之间的纵向回归分析。在模型1~模型3中,自变量包括网络连通性、年龄和性别;模型4 ~模型6中的自变量包括症状严重程度、年龄和性别;模型1~模型6因变量皆为logCD4、生活质量和躯体健康水平。
2 结果
2.1研究对象 一般资料比较在144例符合队列研究条件的HIV感染者中,137例HIV感染者完成了基线和随访时的所有问卷,其中7例HIV感染者因拒绝参加随访问卷调查而被排除在外。流失率为4.86%。随访组平均年龄为(30.5±6.3)岁,流失组平均年龄为(30.8±4.3)岁。2组一般资料比较差异无统计学意义(P>0.05),具有可比性,见表1。
表1 研究对象的一般资料
2.2症状网络强度和症状严重程度情况 见图1。图1显示,144例HIV感染者中27种症状在12个收集周期中的严重程度和强度变化,可见,症状网络的强度的变化和症状严重程度的变化并不同步。在可视化结果中,27种症状的严重程度呈现持续降低趋势,而症状的单个节点强度呈现上升趋势。27种症状中疲乏、头晕、头痛、发热和注意力集中是最为严重的症状,根据网络连通性,理解上存在困难、注意力难以集中、恶心或呕吐、反应变慢和健忘也是整个网络当中较为核心的症状。
图1 症状网络连通性和症状严重程度在整个纵向研究过程中的变化
2.3网络连通性、症状严重程度和CD4+T细胞、躯体健康水平和生活质量之间的纵向关系 随机效应模型显示,症状网络的连通性越高,躯体健康水平越低(β=0.003,P=0.036)。随机效应模型显示,症状严重程度越高,躯体健康水平(β=-0.016,P<0.001)和生活质量越差(β=-0.017,P<0.001)。其纵向关系,见表2和表3。
表2 logCD4、躯体健康和生活质量水平分别和网络连通性之间的纵向关系(n=137)
表3 logCD4、躯体健康和生活质量水平分别和症状的严重程度之间的纵向关系
模型2拟合指标如下,R=0.132,R2=0.018,调整后R2=0.015,F=7.235,P=0.007,AIC=1533.29,BIC=1901.080
模型3拟合指标如下,R=0.159,R2=0.025,调整后R2=0.023,F=10.577,P=0.004,AIC=1533.287,BIC=1901.082
3 讨论
3.1网络连通性是躯体健康水平的特异性指标 本研究发现,相较于与躯体健康和生活质量水平都相关的症状严重程度,网络连通性显示出其作为特异性躯体健康预测指标的潜在价值。这意味着网络连通性在区分预测躯体健康水平和生活质量方面上,具有更高的鉴别力。关于网络连通性的价值,既往研究中存在不少争议:Borkulo等[9]在探索症状网络结构与抑郁病程的关系时,认为网络连通性具有潜在的预测价值,能够识别在重度抑郁症预后中起关键作用的症状,但Schweren等[12]采用Borkulo的同样研究方法,却并未得出相同的结论,他们因此主张,应谨慎对待将群体水平的网络连通性作为疾病预后的指标。然而,本研究却实证了个体化网络连通性在预测躯体健康水平方面的特异性作用,这一发现在网络分析领域具有创新意义。因此,利用症状网络连通性这一指标,有望为症状管理预后预测提供新的视角和工具,协助临床医护人员和患者进行更有效的专业照护和自我管理,从而确定症状的干预靶点和干预时机,以实现更快捷、直观的临床决策。
3.2网络连通性和症状严重程度的变化并不完全同步 本研究发现,症状网络连通性和症状严重程度在整个纵向研究过程中都有所波动,且变化趋势并不一致。在可视化结果中,27种症状的严重程度展现出持续下降的趋势,而单个症状节点的强度则呈现上升趋势。既往研究[12]关注了特定症状的内部结构连通性与症状严重程度的关系,并提出连通性与症状严重程度可能相互影响。有关研究[12-13]也指出,网络连通性与症状严重程度之间的联系仍需深入探讨。在此背景下,我们认为症状网络连通性可能与除症状严重程度之外的其他因素有所关联,例如年龄、性别、疾病类型和心理状况等,这些因素值得我们进一步研究。基于此,我们团队提出了 “症状熵值”假说,随着症状严重程度的降低,网络连通性会表现出先升高再降低的趋势,而症状熵值可能成为个体易感阶段的一种指标。目前,这一假说仍在探索阶段。
3.3症状严重程度变化较为稳定,症状节点强度变化不稳定 本研究发现,疲乏是HIV感染者最主要的核心症状,这一结果与Zhu等[14]研究相吻合。既往研究[14-15]显示,疲乏其对HIV感染者的影响将长期存在,同时也将成为HIV感染者面临的主要症状问题;一旦病毒载量下降到500拷贝以下,疲乏的严重程度可能会过渡到稳定阶段[14]。同时,疲乏与患者治疗因素(包括病毒载量、抗药物病毒的使用)、合并症以及心理因素(如抑郁)显著相关[16-17],在这些因素的影响下,疲乏仍旧可能会进入不稳定阶段。因此,本研究建议把疲乏评估和干预作为临床对HIV感染者的基本管理措施。此外,虽然在27个症状中,疲乏是最严重的症状,但在这些症状的严重程度变化相对稳定的同时,其症状节点强度变化并不稳定。本研究结果显示,在27个症状单个节点强度排序前列当中,位处前列的为患者心情相关的症状,故本研究猜测症状的网络连通性和患者心理状况密切相关,值得进一步的探索。因此,建议AIDS护理人员在对患者自我报告症状收集时对患者心理症状进行评估。
综上所述,本研究发现症状的个体化网络连通性展现出作为躯体健康水平特异性预测指标的潜力。相对于症状的严重程度,网络连通性能够更准确地区分HIV感染者的躯体健康水平以及在广义健康问题上的差异。这一发现为我们提供了新的视角和工具,通过症状网络连通性的度量,可以更深入地理解HIV感染者的躯体健康水平,包括那些可能被传统评估方法忽视的复杂关联性。在实践中,这一发现具有重大意义,为预测、干预和管理HIV感染者躯体症状提供了新的思路和策略。通过构建和分析个体化的症状网络,医疗专业人员可以得出更精确的健康状况预测,定制出更个性化的干预措施,有效地改善和管理感染者的健康状况。症状网络连通性的应用为症状管理开辟了新的途径,对于提高患者的生活质量,以及优化公共卫生资源的分配,都具有重要的实用价值。