基于Web of Science近10年癌癥病人癥狀群相關研究的可視化分析

王曉峰,王 奕,賈瑞梅,張德平,許 輝*

1.中國醫科大學腫瘤醫院,遼寧省腫瘤醫院,遼寧110042;2.中國醫科大學護理學院;3.陜西中醫藥大學護理學院

根據世界衛生組織國際癌癥研究機構(IRAC)發布的2020年全球最新癌癥統計結果,2020年全球癌癥新發病例為1 929萬例,死亡病例接近1 000萬例[1]。2022年2月,中國國家癌癥中心發布了最新一期的全國癌癥統計數據,我國2016年惡性腫瘤發病約406萬例,死亡約241萬例,我國當前的惡性腫瘤負擔仍然呈持續上升的態勢[2],癌癥病人在整個疾病治療過程中會經歷多種癥狀。癥狀群這一概念最早由Dodd等[3]于2001年提出,指出癥狀群是3種或3種以上相互關聯的并發癥狀。2010年,Molassiotis等[4]在文獻回顧的基礎上將其定義修改為2種或更多具有臨床意義的癥狀。研究表明,超過40%的癌癥病人可能經歷疼痛、惡心、嘔吐、疲勞、焦慮、抑郁及睡眠障礙等一系列癥狀[5]。相對于單一癥狀而言,癥狀群內各癥狀存在協同作用,加劇了癌癥病人所遭受的痛苦,給病人造成了嚴重的身心負擔,大大降低了病人的生存質量[6]。因此,癌癥病人癥狀群的及時和準確識別,有助于醫護人員更好地進行臨床管理,進而提高病人的生存質量[7]。本研究以Web of Science核心合集數據庫作為數據來源,運用CiteSpace可視化分析軟件,對近10年癌癥病人癥狀群相關文獻的發文量、發文國家及機構、關鍵詞等繪制科學知識圖譜,系統梳理該領域的研究熱點及研究前沿,以期為臨床醫護人員識別和管理癌癥病人癥狀群提供借鑒和參考。

1 資料與方法

1.1 資料來源

本研究以Web of Science核心合集數據庫作為檢索來源,檢索時間跨度為2013年1月1日—2022年12月31日,使用的檢索式為: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),選取文獻類型“Article OR Review”,語種設定為“English”,共檢索到相關文獻1 412篇,通過對文獻的題目和摘要進行逐一判讀,剔除與研究主題無關的文獻、會議論文、學位論文、期刊正文簡介、簡訊、編輯寄語等并經去重后得到有效文獻605篇。

1.2 統計學方法

本研究采用CiteSpace-6.1.R6可視化分析軟件進行文獻分析,將文獻數據導入該軟件并進行數據轉化,時間跨度(Time slicing)設置為2013年1月1日—2022年12月31日,時間切片(Years Per Slice)為1年,TopN為50,其余為系統默認值,生成圖譜。

2 結果

2.1 年度發文量情況

發文量從2013年開始一直緩慢增長,2021年開始明顯增多,至2022年已達110篇。見圖1。

圖1 文獻發表年度變化

2.2 國家及機構分布

對發文國家進行可視化分析,由表1可見,美國發文量為273篇,居首位,中國發文量為120篇,排在第2位。法國、意大利、美國的節點中心度分別為0.46,0.44,0.42,排在前3位,相比之下,中國的節點中心度僅為0.06。對發文機構進行可視化分析,發文量排在前5位的研究機構分別是加利福尼亞大學舊金山分校(Univ Calif San Francisco)、匹茲堡大學(Univ Pittsburgh)、德克薩斯大學安德森癌癥研究中心(Univ Texas MD Anderson Cancer Ctr)、杜克大學(Duke Univ)和埃默里大學(Emory Univ),我國發文量最多的機構是復旦大學(Fudan Univ),見圖2。

表1 國家發文量

圖2 發文機構可視化圖譜

2.3 引文分析

節點類型選擇“Reference”,分析得到該研究領域排名前10 位的高共被引文獻,見表2。

表2 排名前10位的高共被引文獻

2.4 關鍵詞知識圖譜分析

2.4.1 高頻關鍵詞分析

高頻關鍵詞可以高度概括研究主題,展現研究領域的熱點內容,關鍵詞分析是深入挖掘1個研究領域的重要文獻計量學分析方法[18]。本研究將排名前10位的高頻關鍵詞進行歸納整理,詳見表3。

表3 排名前10位的高頻關鍵詞

2.4.2 關鍵詞聚類分析

將關鍵詞進行聚類后,得到模塊值(modularity Q,Q值)為0.744 3,平均輪廓值(mean silhouette,S值)為0.893 4的圖譜。一般認為,Q值在區間[0,1]內,Q值>0.3意味著劃分出來的聚類結構是顯著的,S值>0.7說明聚類同質性較好且可信度較高[19]。選擇CiteSpace軟件中的“Clusters”,點擊Show the Largest K Clusters,在彈出的對話框中填入10,共得到10個關鍵詞聚類標簽(#),#后面的數值越小則表示該聚類的規模越大[20],以下10個聚類標簽分別指代癌癥病人癥狀群研究中的10個重要研究領域,如圖3所示。

圖3 關鍵詞聚類圖譜

2.4.3 關鍵詞突現分析

突現詞是指在某時間段內出現頻次較多的詞,通過對關鍵詞的突現分析,可以了解一個研究領域的發展趨勢及前沿情況[21]。本研究對前25個高強度突現關鍵詞進行梳理排序,見圖4,其中癥狀群識別和評估體系為研究前沿。

圖4 關鍵詞突現分析

3 討論

3.1 核心力量分布

近10年關于癌癥病人癥狀群研究的英文文獻共605篇,自2013年以來,各國研究者對該領域的關注度逐漸增加,2021年發文量大幅增多,癌癥病人癥狀群的研究日益受到重視。有證據表明[22],對1種癥狀的治療會降低群集中其他癥狀的嚴重程度,群集內癥狀之間的相互聯系可能為治療措施提供新的思路,減少對病人結局的負面影響,這是該領域的研究日益受到重視的1個重要原因。從發文國家來看,美國在該研究領域處于核心位置,近10年發表文章273篇,占總納入文獻的45%,排名第1,且發文量排名前5位的研究機構均屬于美國,這與劉麗瓊等[23]的研究結果一致。我國科研合作的中介中心性僅為0.06,合作交流遠弱于法國、意大利、美國等國家,這說明我國在該領域研究機構間的合作并不多,未來在相關研究上應增強機構間的交流與合作,提升研究的廣度和深度。

3.2 引文分析

1個領域被引次數多的文獻是該領域的經典核心文獻,可以稱之為該領域的知識基礎,能夠相對穩定地反映出1個學科領域的本質,有助于明確和預測研究前沿及動態趨勢[24]。由表2可知,被引頻次最多的是加利福尼亞大學舊金山分校Miaskowski等于2017年發表的“Advancing symptom science through symptom cluster research:expert panel proceedings and recommendations”[8],該文獻被引用的次數高達55次,文獻對5個關鍵領域進行了討論:1)癥狀群特征的定義;2)癥狀群發生的潛在機制;3)癥狀群的識別和測量;4)癥狀群的干預措施;5)癥狀群研究新的分析策略,指出如何最佳地評估和管理癥狀群還缺乏統一的標準,隨著對個性化護理的日益重視,旨在確定癥狀群發生機制的研究對于制定有針對性的干預措施至關重要。

3.3 癌癥病人癥狀群研究熱點分析

對高頻關鍵詞和關鍵詞聚類圖譜進行分析,研究人群主要是乳腺癌、前列腺癌、胰腺癌等癌癥病人群體,癥狀群描述主要集中在疲乏、抑郁、悲傷、疼痛等方面,研究內容包括對病人生存質量、癥狀群管理、癥狀群炎癥因子反應、癥狀群影響因素以及對運動干預、姑息照護等方面的探索。

3.3.1 癥狀群管理

多項研究顯示,疼痛、疲乏、睡眠障礙和情緒障礙等癥狀群的出現會導致病人功能狀態和生存質量的下降[9,25-26]。癥狀群具有短時間內穩定和長時間內動態變化的特點[6],癌癥病人對生存質量的需求日益凸顯,研究表明,掌握癥狀群的變化規律,利用各癥狀間的協調作用將癥狀群作為1個整體進行管理可以更好地改善病人的生存結局[5,27-28]。運動干預作為一種非藥物治療手段,對病人的生理、心理、生存質量和社會健康等方面產生積極的影響[29]。鑒于癥狀群種類的復雜性和多樣性,醫護人員應對癌癥病人的癥狀群開展前瞻性的縱向研究,動態評估癥狀群的變化規律,積極探索多種干預方式相結合的手段,并對核心癥狀群進行有效管理,從而提高病人的生存質量,延長生存時間。

3.3.2 影響因素

在影響因素研究層面,癌癥病人癥狀群的發生受多種因素影響。一是社會人口學因素,包括年齡[30]、性別[31]、經濟狀況[32]、宗教信仰[33]、婚姻狀況[34]、文化程度[35]等;二是疾病與治療相關因素,包括疾病類型、合并癥和治療方案等[36];三是心理相關因素,如壓力[37]、孤獨[38]、焦慮及抑郁情緒[39,40]等。有研究初步證實了癥狀群的發生、發展和炎癥因子密切相關,而個體間炎癥因子的不同也決定了個體癥狀群之間的差異[41]。因此,醫護人員需關注各相關因素對癌癥病人的影響,及時評估癥狀群的發生及其嚴重程度,針對不同人口學特征、不同腫瘤疾病類型及治療階段為病人提供個性化的干預方案,提高癥狀群管理水平[42]。

3.3.3 姑息照護

姑息照護通過對病人的疼痛、疲乏、抑郁、悲傷等癥狀群問題進行早期識別、全面評估和早期干預,幫助癌癥病人緩解疾病痛苦、正確看待死亡、減輕心理負擔并提高生存質量[43]。多項研究顯示,姑息照護在提高癌癥病人生存質量、減輕照顧者和醫護人員工作負擔、提高醫療資源利用率、降低醫療保健成本等方面發揮著重要作用[44-48]。有指南[49-50]建議癌癥病人除了進行標準抗腫瘤治療外,還需進行早期姑息照護?？梢?姑息照護是未來醫學發展的一個重要研究方向。我國人口基數大,罹患癌癥人數多,受中國傳統“重生忌死”思想和孝悌觀念的影響,我國姑息照護呈現“高需求低利用”的現象[51],因此,如何在我國特有文化環境中開展符合癌癥病人的姑息照護仍是要不斷探索研究的重大課題。

3.4 癌癥病人癥狀群研究前沿分析

對突現詞進行分析,發現癥狀群識別和評估體系是最新研究前沿。目前尚無統一的癥狀群評估工具,即使是在同質人群中,癥狀群的識別結果也存在顯著差異。關于癥狀群評估,主要包括3種評估工具,分別是安德森癥狀調查量表(M.D.Anderson Symptom Inventory,MDASI)[52]、記憶癥狀評估量表(Memorial Symptom Assessment Scale,MSAS)[53]及埃特蒙頓癥狀評估量表(Edmonton Symptom Assessment Scale,ESAS)[54]。

MDASI為病人自評量表,包括癥狀體驗及對生活的影響2個維度,共19個條目。第1部分包括由于癌癥種類不同、治療方式的差異導致的發生頻率最高、表現程度最重的13個核心癥狀,即疼痛、疲勞、惡心、睡眠障礙、苦惱、氣短、健忘、食欲減退、瞌睡、口干、悲傷、嘔吐、麻木感;第2部分評估上述癥狀對一般活動、情緒、工作、與他人關系、走路、生活樂趣6項日常生活的困擾程度[55]。各條目采用0～10分計分,得分越高說明病人的癌癥相關癥狀越嚴重,癥狀困擾程度越高。該量表具有適用范圍廣、操作便捷、量表成熟等優點,在世界范圍內已被翻譯為多種語言廣泛應用于癌癥病人相關癥狀的研究中[56]。

MSAS 是一個多維度的疾病癥狀評估量表,用于評估病人過去1周內的生理和心理癥狀的發生頻率、嚴重程度和困擾程度,包括身體癥狀分量表、心理癥狀分量表和總體困擾指數3 個亞量表,共32 個條目。所有條目的測評均采用 Likert 評分法,得分越高,癥狀困擾程度就越嚴重。該量表具有信效度較高、各條目通俗易懂、應用簡便等優點,缺點在于評估內容較多和過程復雜導致臨床實用性較低。

ESAS包括疼痛、疲乏、嗜睡、惡心、食欲減退等 9 種癌癥病人常見癥狀,同時提供 1 個“其他癥狀”選項,以便全面評估過去 24 h內病人所經歷的這10種癥狀的嚴重程度[57]。各條目采用 0～10 分計分,得分越高,癥狀困擾程度就越嚴重。ESAS 為癥狀的嚴重程度隨時間的變化這一理論提供了臨床依據,醫護人員可通過觀察癥狀的演變趨勢較為準確地推斷病人當前癥狀的嚴重程度,但由于此量表只包含常見的 9 種癥狀,評估不夠全面,評估精確度不高,導致臨床推廣受限。

具有統一標準的評估工具尚未開發出來,癥狀群評估工具的不同,易導致研究結果的異質性,給癌癥癥狀群的深入研究及研究成果的相互借鑒帶來障礙[58]。因此,未來還需要更多科學嚴謹的研究以開發出具有統一標準的癌癥癥狀群評估工具。

3.5 對我國癌癥病人癥狀群研究的啟示

目前,對癌癥病人癥狀群的發生機制尚不清楚,且缺少具有統一標準的評估工具,今后仍需進一步研究以達成共識。癥狀群是癥狀之間強化和協同作用的結果,癥狀群還受到生理、心理、社會等諸多因素的影響,建議圍繞多學科多模式展開研究,開發綜合性癥狀群干預模式,同時注重家庭支持、社會支持和個人行為相結合的干預方案。此外,在“精準健康”“互聯網+”和大數據時代,可嘗試應用人工智能等信息化手段,為癌癥病人提供遠程癥狀監測,以提高癥狀群的管理效率。建議下一步的研究方向為:1)積極探索癌癥病人癥狀群的發生機制;2)開發出具有統一標準的癥狀群評估工具;3)結合人工智能,制定有效的癥狀群管理策略;4)采取個性化的干預方案,完善干預措施有效性的評價體系;5)開展早期姑息照護,探索多種干預方式相結合的療法。

4 小結

綜上所述,癌癥病人癥狀群的研究越來越受到國內外學者的關注,癥狀群受多種因素影響,具有種類的復雜性和多樣性等特點,未來可深入研究癌癥癥狀群的發生機制及發展趨勢,探尋癥狀群的變化規律,制定癥狀群管理策略,完善評價體系,最終提高癌癥病人的生存質量。本研究也有一定的不足之處,如僅納入Web of Science 核心合集數據庫收錄的文獻,且語種限定為英語,會存在文獻漏檢的現象,希望此后進一步挖掘和探索,以期為“癌癥病人癥狀群”相關領域的研究提供新思路。