癌症患者、非癌对照组与健康人群抑郁症状网络比较：一项症状中心性及预测力的深度分析

本研究针对癌症患者抑郁症状评估存在争议的现状，采用网络分析方法比较癌症患者、非癌慢性病患者和健康人群的PHQ-9症状网络结构。研究发现三组人群的抑郁症状网络结构无显著差异，但癌症组抑郁情绪中心性最高，对照组则以精力丧失为核心。结果表明 somatic symptoms 在癌症群体抑郁筛查与干预中具有重要价值，为肿瘤心理学提供了症状层面的实证依据。

　　

在肿瘤临床实践中，抑郁症的识别与干预始终面临特殊挑战：癌症本身带来的躯体症状（如疲劳、睡眠紊乱、食欲改变）与抑郁诊断标准中的 somatic symptoms 高度重叠，这导致基于传统累加评分（sum scores）的评估可能夸大癌症患者的抑郁严重程度。尽管既往研究报道癌症患者抑郁患病率波动于5%-50%，但症状层面的表达特征及其内在关联机制尚未明确。在此背景下，Judith Hirschmiller 团队试图超越传统统计方法，采用新兴的网络分析（network analysis）理论，解析癌症人群抑郁症状的特殊性。

本研究基于德国美因茨古腾堡健康队列（Gutenberg-Health-Study）的3512名参与者，其中1230名为癌症患者，1230名为患其他慢性疾病但无癌症的非癌对照组，以及1230名健康人群。研究人员通过患者健康问卷（PHQ-9）采集九项抑郁症状数据，并构建高斯图模型（Gaussian Graphical Model, GGM）进行网络估计，比较不同组别间症状节点的预测力（predictability）和中心性指标（centrality），包括强度（strength）、紧密度（closeness）和中介度（betweenness）。

方法学要点

研究采用R语言的qgraph和mgm包进行网络分析与比较，通过案例引导重采样法（case-wise bootstrap）检验网络稳定性，运用NetworkComparisonTest包执行置换检验（permutation tests）验证网络结构差异。所有分析控制年龄、性别等协变量，并计算症状可预测性（即方差解释率）。

结果

症状频率与网络整体特征

癌症患者组抑郁症状频率显著高于非癌对照组（d=0.131）和健康组（d=0.172），但三组网络的全局强度（global strength）无统计学差异（p>0.05）。网络稳定性检验显示所有组的边权重（edge weights）和中心性指标均具有良好可靠性。

症状预测力比较

平均症状预测力在25%–29%之间波动，表明网络模型能较好解释症状间协同变异。具体而言，癌症患者组的“抑郁情绪（depressed mood）”被其他症状解释的程度最高，而非癌对照组和健康组均为“精力丧失（loss of energy）”具有最高预测力。

中心性指标分析

在癌症组中，“抑郁情绪”呈现最高的强度中心性（strength centrality），表明该症状在网络中与其他症状连接最紧密；非癌对照组和健康组则是“精力丧失”占据核心地位。此外，“睡眠问题（sleep problems）”和“食欲改变（appetite changes）”在癌症组中的中心性排名高于对照组，但组间差异未达显著水平。

网络结构一致性

置换检验证实三组网络结构未发现显著差异（p=0.192），说明尽管症状频率存在差异，但抑郁症状之间的关联模式在癌症患者、其他慢性病患者和健康人群中具有共性。

结论与讨论

本研究首次通过网络分析对比癌症患者、非癌慢性病患者和健康人群的抑郁症状表达模式，发现尽管癌症患者 somatic symptoms 频率更高，但其症状间关联结构与对照组无本质区别。这一结果挑战了“癌症相关抑郁具有独特症状结构”的传统假设，支持了抑郁症状网络的跨群体稳定性。

临床实践中，该研究提示不应因担心 somatic symptoms 与癌症本身症状重叠而忽视其评估价值。相反，精力丧失、睡眠紊乱、食欲变化等躯体症状与其他心理症状（如抑郁情绪、无价值感）紧密关联，应作为癌症患者抑郁筛查及个体化干预的关键靶点。未来研究可结合纵向设计及生物学标记，进一步探索症状网络的动态演化机制。

该论文发表于《Journal of Psychosomatic Research》，为肿瘤心理学和心身医学领域提供了方法论创新和临床实践指导，凸显了网络分析在复杂症状群研究中的重要作用。