卒中患者症状网络干预靶点识别:基于NIRA模拟与交叉滞后面板网络分析的分期护理启示

《International Journal of Nursing Sciences》:Identification of Intervention Targets in Symptom Networks of Stroke Patients: Implications for Nursing

【字体: 大 中 小 】 时间:2026年10月23日 来源:International Journal of Nursing Sciences 4.4

编辑推荐:

  目的:本研究旨在通过症状网络分析识别核心症状,使用NodeIdentifyR算法(NIRA)评估每个症状对整体网络的影响,并使用交叉滞后面板网络分析(CLPN)检验症状变化的时间预测能力,以识别卒中康复期间的关键干预靶点。方法:2023年7月至2025年3月在

  
目的:本研究旨在通过症状网络分析识别核心症状,使用NodeIdentifyR算法(NIRA)评估每个症状对整体网络的影响,并使用交叉滞后面板网络分析(CLPN)检验症状变化的时间预测能力,以识别卒中康复期间的关键干预靶点。方法:2023年7月至2025年3月在中国湖北省武汉市三家三级公立医院开展横断面调查及纵向随访。研究人员在基线(T1)招募卒中患者进行横断面调查,并选择最后入组的200例患者在卒中后1个月(T2)和3个月(T3)进行随访。研究人员使用卒中常见症状问卷(Common Symptoms of Stroke Questionnaire)评估症状体验。研究人员进行探索性因子分析(EFA)、横断面症状网络分析、NIRA和CLPN分析。本研究遵循STROBE指南(STROBE guidelines)。结果:研究纳入770例卒中患者进行横断面分析,184例完成纵向随访。识别出4个症状群:情绪障碍、躯体症状、认知功能障碍、言语不清和呛咳。4个症状群的核心症状分别为“对未来失望”(A4,rstrength = 2.22)、“自理能力下降”(B4,rstrength = 1.01)、“反应迟钝”(C3,rstrength = 0.35)和“呛咳”(D2,rstrength = ?0.71)。NIRA模拟显示,模拟缓解“肢体不协调”(B3)使整体症状评分从10.69降至8.71(下降18.52%),而模拟加重“对未来失望”(A4)使整体症状评分从10.69升至13.57(升高26.94%)。CLPN分析显示,“缺乏主动性”(A3)在T1至T2具有最高出强度(3.05),而“注意力下降”(C2)在T2至T3具有最高出强度(3.06)。通过整合横断面网络、NIRA模拟和纵向CLPN结果,识别出5个潜在干预靶点:“对未来失望”(A4)、“肢体不协调”(B3)、“不能维持身体平衡”(B1)、“缺乏主动性”(A3)和“注意力下降”(C2)。这些发现提示,早期康复应处理患者的动机和情绪状态,同时优先进行平衡和协调训练;后续康复可更强调认知训练和任务分解。结论:症状作为干预靶点的潜在价值可能随恢复阶段而变化,核心症状不一定是优化靶点。临床护理应关注患者情绪状态和主动参与。早期,积极反馈、行为激活和希望导向支持可能有助于改善动机和情绪健康。同时,适当的康复训练应处理平衡障碍和肢体不协调。认知问题,如注意力下降,也应早期识别,随后在康复中进行结合任务分解的认知和自我管理训练。本研究为卒中患者分阶段症状管理和针对性康复护理提供参考。已知内容?●卒中患者在康复期间常经历多种相互作用的症状,给患者和医疗系统带来重大负担。●传统症状管理和症状群方法识别特定干预靶点的能力有限。相反,症状网络分析识别核心症状,但不一定指示最有效靶点。新发现?●通过整合症状中心性、模拟干预影响和纵向预测能力,识别卒中康复的阶段特异性靶点。●提出分阶段个性化策略:持续处理情绪症状和动机,优先早期平衡和协调训练,并早期启动认知干预,为针对哪些症状以及何时干预提供指导。
卒中具有高发病率、死亡率和致残率,患者康复期常同时经历多种相互作用症状,给患者和医疗系统带来沉重负担。传统症状群管理可简化照护并改善成本效益,但针对症状群的干预未必改善群内所有症状,可能忽略特定症状;单纯症状网络分析虽可识别核心症状,但高中心性不保证对全网络产生有效影响,且症状间互动随时间变化。因此,有必要整合症状网络影响与纵向预测信息,识别卒中康复期更具价值的护理干预靶点,为评估优先级、干预时机和针对性护理方案提供依据。研究人员开展横断面嵌套纵向随访研究,样本来自2023年7月至2025年3月中国湖北省武汉市三家三级公立医院神经内科住院缺血性卒中患者;横断面纳入770例,纵向选取最后入组200例,随访1个月和3个月,184例完成三个时点。研究使用卒中常见症状问卷(Common Symptoms of Stroke Questionnaire)评估23个症状,开展探索性因子分析(EFA,用于识别症状群)、横断面高斯图模型(GGM,用于估计症状网络)、NIRA(通过调节节点阈值模拟症状减轻或加重对整体网络影响)和CLPN(用于估计症状跨时间预测关系),并以非参数bootstrap评估网络稳定性,遵循STROBE指南。研究识别4个症状群和5个潜在干预靶点,提示核心症状不一定是优化靶点,靶点随恢复阶段变化,对分阶段症状管理和资源分配具有重要意义。

3.1 人口学与临床特征:通过横断面调查描述770例患者特征,平均年龄(66.77 ± 11.08)岁,男性63.9%,汉族98.7%,城市居住83.2%,BMI正常67.7%,退休80.6%,已婚91.3%,初中及以下55.5%,月收入3000—5000元42.6%,居民/职工医保85.3%;不吸烟63.5%,不饮酒63.5%,咸食39.4%;1—3种慢性病81.3%,无脑血管病家族史66.2%。

3.2 卒中症状发生率及症状群构成:通过EFA(KMO = 0.901,Bartlett检验P < 0.001)识别症状群。症状发生率为3.0%—87.5%,18个症状发生率在20%—80%之间;肢体无力87.5%、肩痛13.4%、上肢屈曲7.9%、足下垂4.7%、内翻3.0%未纳入因子分析。共识别4个症状群:情绪障碍症状群(无兴趣、不快乐、缺乏主动性、对未来失望、因不能做想做的事而困扰、易焦虑)、躯体症状群(不能维持身体平衡、肢体活动受限、肢体不协调、自理能力下降、肢体感觉下降、疲乏)、认知功能障碍症状群(记忆下降、注意力下降、反应迟钝)、言语不清和呛咳症状群(言语障碍、呛咳)。

3.3 卒中横断面网络分析结果:通过横断面网络分析及强度中心性(rstrength)发现,4个症状群的核心症状分别为“对未来失望”(A4,rstrength = 2.22)、“自理能力下降”(B4,rstrength = 1.01)、“反应迟钝”(C3,rstrength = 0.35)和“呛咳”(D2,rstrength = ?0.71)。

3.4 模拟干预结果:通过NIRA模拟发现,缓解“肢体不协调”(B3)使整体症状评分由10.69降至8.71(下降18.52%),提示B3可能是改善多症状网络状态的关键靶点;加重“对未来失望”(A4)使整体评分由10.69升至13.57(升高26.94%),提示预防或缓解A4可减轻症状网络恶化趋势。

3.5 交叉滞后面板网络分析结果:通过CLPN分析发现,T1→T2期间“缺乏主动性”(A3)出强度最高(3.05),显著预测T2“不能维持身体平衡”(A3→B1,边权重 = 0.28)、“肢体不协调”(A3→B3,0.18)、“无兴趣”(A3→A1,0.11)和“不快乐”(A3→A2,0.08);“肢体感觉下降”(B5)出强度为1.39;“不能维持身体平衡”(B1)入强度最高(3.09),“肢体不协调”(B3)入强度为1.97。T2→T3期间“注意力下降”(C2)出强度最高(3.06),主要预测“记忆下降”(C2→C1,0.27)和“反应迟钝”(C2→C3,0.22);“缺乏主动性”(A3)出强度为1.08;“言语障碍”(D1)出强度为0.78;“对未来失望”(A4)出强度为0.72;“记忆下降”(C1)入强度最高(2.13)。整合横断面网络、NIRA模拟和CLPN结果,识别5个潜在干预靶点:A4、B3、B1、A3和C2。

3.6 网络准确性和稳定性分析结果:通过非参数bootstrap发现,多数边权重95%CI较窄;横断面网络CS系数为0.674,CLPN的CS系数分别为0.592(T1—T2)和0.516(T2—T3),均高于0.25,提示网络估计较精确且结构稳定。

讨论部分总结:讨论指出,核心症状不一定是优化干预靶点,资源有限时应优先识别和干预上游驱动症状。横断面网络、NIRA和CLPN整合显示,“对未来失望”(A4)网络中心性高、加重时对全网络影响最强,且纵向预测效应随康复增强;护理早期可采用行为激活和积极反馈,中后期可转向希望导向干预。“自理能力下降”(B4)、“反应迟钝”(C3)和“呛咳”(D2)虽为群内核心症状,但干预效应不显著,B4和C3呈高入强度、低出强度,更像下游结果,D2跨群传播有限。NIRA显示改善“肢体不协调”(B3)整体症状缓解最明显,B1与B3相互预测且驱动效应集中于早期,护理应尽早开展平衡和协调训练。CLPN识别出“缺乏主动性”(A3)和“注意力下降”(C2)等纵向关键靶点:A3全程驱动症状,早期影响情绪及平衡协调,后期转向自理能力和肢体感觉,护理早期可用高频小步任务和即时反馈,后期采用任务分解;C2早期驱动记忆下降和反应迟钝且出强度随时间增加,早期应减少认知负荷、简化指令,后期转向直接注意训练。局限包括样本来自三家医院、靶点未经临床验证、变量依赖自报、仅三个时点,未来需多中心多民族研究、实施研究、多模态数据和动态网络指标。

研究结论(翻译):本研究整合横断面网络、NIRA和CLPN,揭示动态症状网络和阶段特异性靶点。核心发现:核心症状不总是最佳靶点;优先级应同时考虑影响和纵向预测。靶点随时间变化,需要分阶段策略。“缺乏主动性”(A3)全程驱动症状,早期积极反馈、后期任务分解。“对未来失望”(A4)需早期预防负性认知、后期希望重构。“不能维持身体平衡”(B1)和“肢体不协调”(B3)是早期靶点,需要早期平衡和协调训练。“注意力下降”(C2)早期驱动认知损害,早期简化指令、后期转向直接注意训练。护理应持续处理情绪和动机,同时抓住躯体和认知干预的早期窗口。这种多方法路径细化了症状管理理论,并为临床规划和资源分配提供证据,对减轻卒中负担具有重要意义。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号