编辑推荐：
食管癌术后经口进食康复期患者症状多样且关系复杂。研究人员通过对 252 名患者的横断面研究，运用主成分分析（PCA）和网络分析，识别出 5 个症状簇，发现痛苦（Distress）和进食愉悦障碍（Trouble enjoying meals）是核心症状，与体重减轻相关，为护理干预提供依据。
在全球范围内，食管癌的发病率不容小觑，2022 年其发病率在全球排第 11 位，在中国更是位列第 6。食管癌切除术作为主要治疗手段，虽能切除病灶，但术后患者的恢复过程却困难重重。由于手术需要用胃构建食管通道并进行淋巴结清扫，这可能导致喉返神经麻痹等问题。术后，患者的经口进食需逐步恢复，从流食到半流食，再到软食，整个过程大约持续一个月。
在此期间，患者会经历各种各样的症状，比如反流、吞咽困难、进食不适等。这些症状不仅影响患者的身体状况，还会引发一系列心理问题，如无助感、社交障碍等。而且，不同症状之间相互关联，形成复杂的关系网。然而，以往的研究大多聚焦于术后较长期的症状，对于术后经口进食康复期这一关键阶段的症状研究较少，症状之间的动态关系也尚不明确。到底哪些症状是核心症状，它们又是如何相互作用的呢？这一系列问题亟待解决。
为了揭开这些谜团，来自复旦大学附属肿瘤医院的研究人员挺身而出。他们开展了一项横断面研究，招募了 2023 年 7 月至 2024 年 5 月在该医院接受食管癌切除术和食管重建术的患者。最终，252 名符合条件的患者参与了研究。
研究人员采用了多种方法来收集数据。他们运用安德森症状评估量表（Anderson Symptom Assessment Scale）和欧洲癌症研究与治疗组织生活质量问卷食管特异性模块（EORTC QLQ - OES18），对患者术后经口进食康复期的症状进行评估。同时，还收集了患者的人口统计学和临床数据，包括年龄、性别、教育程度、疾病病理阶段、手术类型等信息。
在数据分析阶段，研究人员借助 IBM SPSS 26.0 和 R 4.3.1 软件进行深入分析。通过主成分分析（Principal Component Analysis，PCA）结合最大方差正交旋转法，他们提取出症状簇；利用 R 软件中的 Qgraph 包构建症状的偏相关网络结构，进而探究症状的中心性和相互关联性 。
研究结果令人瞩目。从患者的基本特征来看，参与者平均年龄为 65.37±7.75 岁，多数患者在术后 3 - 4 周恢复经口进食，且 52.0% 的参与者食用半流食，45.2% 食用软食。在症状发生情况方面，98% 的参与者至少经历一种症状，“饱腹感过快”“反酸”“疲劳” 最为常见。
通过主成分分析，研究人员识别出五个症状簇：反流症状（包括反酸、恶心、饱腹感过快）、进食不适变化（如吞咽呛咳、进食困难、在他人面前进食困难、进食愉悦障碍）、情绪低落症状（缺乏食欲、气短、痛苦、悲伤）、神经损伤症状（说话困难、咳嗽）和能量缺乏症状（吞咽困难、疲劳） 。
在症状网络分析中，研究人员发现痛苦（Distress）和进食愉悦障碍（Trouble enjoying meals）表现突出。痛苦在节点中心性的强度（strength = 4.878）、中介中心性（betweenness = 20）和接近中心性（closeness = 0.263）方面数值较高；进食愉悦障碍在强度（strength = 4.666）、中介中心性（betweenness = 28）和接近中心性（closeness = 0.258）上也表现显著。而且，它们的桥接强度也很高，痛苦的桥接强度为 3.400，进食愉悦障碍的桥接强度为 3.210 。这表明这两个症状在症状网络中处于核心地位，对其他症状的影响较大。
进一步研究发现，经历痛苦和进食愉悦障碍的患者体重减轻更为明显。痛苦症状组体重减轻为 2.60±2.52 kg，无该症状组为 1.68±2.10 kg（P = 0.002）；进食愉悦障碍症状组体重减轻为 2.42±2.56 kg，无该症状组为 1.65±2.00 kg（P = 0.009） 。
综合研究结果和讨论部分，这项研究意义重大。它首次详细解析了食管癌术后经口进食康复期患者的症状簇和症状网络，明确了痛苦和进食愉悦障碍作为核心症状的关键地位，以及它们与体重减轻的紧密联系。这为临床护理干预提供了重要的理论依据，提醒医护人员在关注患者胃肠道症状的同时，更要重视患者的心理状态和进食体验。未来的研究可以围绕这两个核心症状展开，探索针对性的干预措施，优化患者的康复过程，提高患者的生活质量。而且，此次研究成果发表在《Asia - Pacific Journal of Oncology Nursing》，为全球肿瘤护理领域提供了宝贵的参考，推动了该领域的研究进展。
研究人员在本次研究中主要运用了以下关键技术方法：一是采用连续抽样法选取来自单一癌症中心的患者样本队列；二是借助安德森症状评估量表和 EORTC QLQ - OES18 收集患者症状数据；三是运用主成分分析结合最大方差正交旋转法提取症状簇；四是利用 R 软件中的 Qgraph 包构建症状偏相关网络结构并分析其中心性和关联性。这些方法相互配合，为研究的顺利开展和结果的准确性提供了有力保障。
