作者簡介"張娟，"碩士研究生在讀

* 通訊作者"李秀川，E-mail：lixiuchuan2005@yeah.net

引用信息"張娟，徐令婕，王潤秋，等.癥狀網(wǎng)絡(luò)分析在癌癥病人焦慮、抑郁癥狀管理中的應(yīng)用研究進(jìn)展［J］.循證護(hù)理，2025，11（1）：97-100.

摘要""從癥狀網(wǎng)絡(luò)分析的概念、基本原理、方法出發(fā)，闡述其在癌癥病人焦慮、抑郁癥狀管理方面的應(yīng)用，以及我國未來的研究方向，以期為癌癥病人焦慮、抑郁的研究提供新思路。

關(guān)鍵詞""癌癥；癥狀網(wǎng)絡(luò)分析；焦慮；抑郁；綜述

doi：10.12102/j.issn.2095-8668.2025.01.017

2020年全球癌癥統(tǒng)計數(shù)據(jù)顯示，2020年全球癌癥新增病例為1 930萬人，死亡人數(shù)近1 000萬人，我國新發(fā)癌癥病例為457萬人，占全球癌癥新發(fā)人群總數(shù)的23.7%，死亡病例達(dá)300萬例［1］。癌癥對我國公眾健康產(chǎn)生了重大影響。研究顯示，焦慮和抑郁是癌癥病人最常見的心理癥狀，癌癥病人相關(guān)焦慮、抑郁發(fā)病率是普通人群的5倍［2?3］，會導(dǎo)致癌癥病人的生活質(zhì)量降低、治療依從性差、預(yù)后較差和自殺風(fēng)險增加［4?5］。癌癥本身及其治療的影響會導(dǎo)致一系列互相影響、互相依存的并存癥狀發(fā)生，影響癌癥病人的生活質(zhì)量［6］，這些癥狀需要更有效的管理。以往研究大多將癥狀看作一個整體，網(wǎng)絡(luò)分析（network approach，NA）不僅將一個癥狀看作一個整體，而是將癥狀內(nèi)部各變量的復(fù)雜關(guān)系及其關(guān)聯(lián)強(qiáng)度以可視化的形式展現(xiàn)出來，更為直觀地展現(xiàn)各變量的重要程度及復(fù)雜的關(guān)系，從而更好地探索癥狀的異質(zhì)性。近年來，癥狀網(wǎng)絡(luò)分析在癌癥病人焦慮、抑郁的研究中有一定的發(fā)展。目前，國外研究報道了對患有抑郁癥狀的不同人群的癥狀網(wǎng)絡(luò)分析［7?10］，但我國對癌癥病人焦慮、抑郁癥狀的網(wǎng)絡(luò)分析認(rèn)識較少，如何探究癌癥病人焦慮、抑郁癥狀的中心癥狀及關(guān)聯(lián)程度，提升我國癌癥病人的生活質(zhì)量，是我國癌癥病人癥狀管理領(lǐng)域亟須解決的問題。本研究對網(wǎng)絡(luò)分析在癌癥病人焦慮、抑郁方面應(yīng)用的研究進(jìn)展進(jìn)行綜述，以期為我國更好地進(jìn)行癌癥病人焦慮、抑郁心理問題管理提供參考。

1 網(wǎng)絡(luò)分析

1.1 網(wǎng)絡(luò)分析的概念

網(wǎng)絡(luò)分析是一種可以對多個變量間的復(fù)雜關(guān)系進(jìn)行分析并可視化的新興統(tǒng)計方法［11］。該方法將癥狀或變量描繪成“節(jié)點(diǎn)”（空間的點(diǎn)），癥狀或者變量之間相互作用的關(guān)聯(lián)程度描繪為“邊緣”’（關(guān)聯(lián)強(qiáng)度的線），關(guān)鍵節(jié)點(diǎn)即有最大和最強(qiáng)邊緣的節(jié)點(diǎn)（中心癥狀），可以對這些系統(tǒng)進(jìn)行全面的復(fù)雜性表示、分析和研究［12］。在這個框架下，心理變量被理解為直接相互影響，而不是由一個未被觀察到的潛在實體引起的［13］。而且，網(wǎng)絡(luò)分析不僅可以識別中心性指標(biāo)，還可以檢測各個變量在網(wǎng)絡(luò)中的相互關(guān)聯(lián)程度。一般中心性越高的變量代表其在網(wǎng)絡(luò)中的影響越強(qiáng)，干預(yù)中心性指標(biāo)會對整個網(wǎng)絡(luò)的激活程度和維護(hù)越有效，所以網(wǎng)絡(luò)中的中心性指標(biāo)可以作為干預(yù)研究的核心靶點(diǎn)［7］。

1.2 網(wǎng)絡(luò)分析的基本原理

復(fù)雜網(wǎng)絡(luò)分析最早應(yīng)用在物理學(xué)和數(shù)學(xué)領(lǐng)域［14?15］，蓬勃發(fā)展于解釋相互作用的復(fù)雜關(guān)系。Barabási［16］總結(jié)最終形成一套實證研究方法，即網(wǎng)絡(luò)分析。該方法在臨床心理學(xué)［17?18］、精神病理學(xué)［18］、人格研究［19］等醫(yī)學(xué)領(lǐng)域中應(yīng)用廣泛。2010年，Danks等［20］首次提出，這種探索性方法有利于建立精神病理學(xué)網(wǎng)絡(luò)的因果關(guān)系。2013年，Borsboom等［12］將網(wǎng)絡(luò)分析真正用于精神病理學(xué)研究中，首次通過癥狀網(wǎng)絡(luò)對精神病理學(xué)中的重度抑郁、焦慮、自殺等精神障礙建立了可視化模型，開啟了網(wǎng)絡(luò)分析方法在精神病理學(xué)某種精神障礙中的應(yīng)用。精神障礙被概念化為因果相關(guān)癥狀的系統(tǒng)，而不是對潛在障礙的影響［17］。癌癥病人焦慮、抑郁的發(fā)生機(jī)制以及如何相互作用尚不清楚，基于網(wǎng)絡(luò)分析生成多維度癥狀體驗的癥狀網(wǎng)絡(luò)可以提供更多的數(shù)據(jù)分析，這些數(shù)據(jù)具有臨床意義。所以，網(wǎng)絡(luò)分析方法為癌癥病人抑郁和焦慮開發(fā)更精確和個性化的干預(yù)措施并提供癥狀管理的新思路。

1.3 癥狀網(wǎng)絡(luò)分析方法

網(wǎng)絡(luò)分析需要使用R軟件、Gephi軟件實現(xiàn)。分析指標(biāo)包括網(wǎng)絡(luò)建立與可視化、中心性可預(yù)測性分析和網(wǎng)絡(luò)準(zhǔn)確性和穩(wěn)定性。網(wǎng)絡(luò)模型可視化使用R包的Qgraph［21］，采用高斯圖形模型構(gòu)建網(wǎng)絡(luò)，使用擴(kuò)展貝葉斯準(zhǔn)則結(jié)合圖形套索算法選擇更穩(wěn)定的正則化偏相關(guān)網(wǎng)絡(luò)［22］。拓展葉貝斯信息準(zhǔn)則通過超參數(shù)來控制模型的稀疏程度，一般將超參數(shù)設(shè)置為0.5是最適合的數(shù)值［23］；中心性可預(yù)測性分析，在中心性指標(biāo)中，強(qiáng)度中心性是較穩(wěn)定的中心性指標(biāo)。節(jié)點(diǎn)的強(qiáng)度中心性是計算所有連在一個節(jié)點(diǎn)上的邊權(quán)值的絕對值之和。使用R軟件中的Mgm包分析節(jié)點(diǎn)的可預(yù)測性，具有高預(yù)測性值的癥狀表明可以通過其鄰近節(jié)點(diǎn)來控制該癥狀。相反，如果可預(yù)測性值較低，則需要直接干預(yù)。網(wǎng)絡(luò)準(zhǔn)確性和穩(wěn)定，使用R軟件中的Bootnet實現(xiàn)，邊權(quán)值的準(zhǔn)確性是通過非參數(shù)自助數(shù)來計算邊權(quán)值95%置信區(qū)間來檢測的［24］。相關(guān)穩(wěn)定性是由樣本自降自助法計算得出的。研究表明，相關(guān)穩(wěn)定性系數(shù)最好高于0.50且不低于0.25［25］。

2 網(wǎng)絡(luò)分析在癌癥病人焦慮、抑郁癥狀管理中的應(yīng)用

2.1 探究癌癥病人焦慮、抑郁群體癥狀異質(zhì)性

焦慮、抑郁等心理問題在癌癥病人中非常普遍［26］，一般是普通人群的4倍［27］。Hartung等［28］研究發(fā)現(xiàn)，癌癥病人的抑郁癥狀在網(wǎng)絡(luò)中往往較少依賴于其他癥狀，而是受網(wǎng)絡(luò)之外因素影響。癌癥病人與一般人群相比引起該癥狀的重要差異主要來源于睡眠、食欲及乏力等，且癌癥病人抑郁癥狀中能量喪失和食欲改變關(guān)聯(lián)程度最強(qiáng)，其次是自殺和情緒低落癥狀。有學(xué)者探究前列腺癌病人抑郁癥狀的網(wǎng)絡(luò)結(jié)構(gòu)，其數(shù)據(jù)代表了更廣泛的非臨床抑郁亞樣本，引起前列腺癌病人抑郁癥狀是快感缺乏，與一般人群不同［29］。多項研究針對整個癌癥群體，較少有分病種討論［30?32］，提示在之后研究中可以探討不同腫瘤類型病人焦慮、抑郁的異質(zhì)性。

2.2 中心癥狀及橋梁癥狀識別

中心癥狀是網(wǎng)絡(luò)分析中關(guān)聯(lián)強(qiáng)度最強(qiáng)的節(jié)點(diǎn)，在癥狀網(wǎng)絡(luò)中將強(qiáng)關(guān)聯(lián)節(jié)點(diǎn)放置在圖的中心，將弱關(guān)聯(lián)節(jié)點(diǎn)放在外圍［33］。橋梁癥狀是將兩種或兩種以上不同疾病聯(lián)系起來的癥狀［12］，可作為判斷癥狀出現(xiàn)的早期指標(biāo)，對網(wǎng)絡(luò)結(jié)構(gòu)的發(fā)展路徑具有深刻意義［34］。一項對803例乳腺癌病人的焦慮、抑郁及復(fù)發(fā)恐懼的網(wǎng)絡(luò)分析研究，確定了焦慮群體中的“難以放松”是整個網(wǎng)絡(luò)中的中心癥狀，“悲傷情緒”是抑郁群體的中心癥狀，“感到害怕”“無法控制的擔(dān)憂”及“煩躁不安”是連接復(fù)發(fā)恐懼、抑郁和焦慮群體的最強(qiáng)橋梁癥狀［35］。Hartung等［28］對4 020例癌癥病人構(gòu)建的網(wǎng)絡(luò)發(fā)現(xiàn)，抑郁癥狀群體中最中心的癥狀是焦慮不安。Bobevski等［30］從癥狀群出發(fā)，構(gòu)建了由1 463例癌癥病人的大樣本癥狀網(wǎng)絡(luò)，發(fā)現(xiàn)抑郁癥狀群的最中心癥狀是疲勞，抑郁和自殺的橋梁癥狀是“絕望”和“情緒低落”。研究者探索前列腺癌的抑郁癥狀的網(wǎng)絡(luò)分析結(jié)果發(fā)現(xiàn)，“快感缺失”是最中心的癥狀［29］。Li等［36］采用中文版病人健康問卷對177例抑郁癥病人的軀體癥狀進(jìn)行評估，結(jié)果顯示，“心跳加速或劇烈跳動”是整個網(wǎng)絡(luò)中最核心癥狀。中心癥狀是整個網(wǎng)絡(luò)影響最大的癥狀，是制定干預(yù)措施的最佳目標(biāo)，以此制定干預(yù)措施可以減少其他癥狀的發(fā)生，也可以對癥治療，起到最優(yōu)的效果。橋梁癥狀是兩種疾病聯(lián)系的癥狀，可以探討共病發(fā)生的因果關(guān)系，如果以此為干預(yù)目標(biāo)，可以減少共病的發(fā)生。

2.3 抑郁、焦慮社區(qū)網(wǎng)絡(luò)識別

社區(qū)是相互高度連接的節(jié)點(diǎn)集群，但僅與其他集群中的節(jié)點(diǎn)適度連接［37］，即橋梁癥狀。Bobevski等［30］構(gòu)建了由1 463例癌癥病人士氣低落的癥狀網(wǎng)絡(luò)，確定了4個社區(qū)群體，分別是希望和意義的喪失、非特定情緒、誘捕以及抑郁癥狀，發(fā)現(xiàn)抑郁癥狀是集中的社團(tuán)。有學(xué)者使用網(wǎng)絡(luò)分析方法確定了癌癥病人化療期間的癥狀群，包括疲勞、焦慮抑郁、癌癥治療相關(guān)毒性及惡心4個癥狀集群，并討論了癥狀集群對癌癥病人生活質(zhì)量的影響［6］。Yang等［35］對803例乳腺癌病人最易出現(xiàn)的焦慮、抑郁及復(fù)發(fā)恐懼社團(tuán)研究發(fā)現(xiàn)，焦慮、抑郁及復(fù)發(fā)恐懼之間存在復(fù)雜關(guān)系，為臨床乳腺癌病人出現(xiàn)這3個癥狀的干預(yù)提供了新的思路。網(wǎng)絡(luò)分析的可視化更直觀地識別癥狀群組，以更好地解釋癌癥病人抑郁、焦慮的潛在發(fā)生機(jī)制。

2.4 焦慮、抑郁的潛在風(fēng)險因素和保護(hù)因素識別

癌癥病人由于疾病的特殊性，會產(chǎn)生很多心理問題，各個心理問題相互關(guān)聯(lián)。焦慮和抑郁是癌癥病人最常見的心理癥狀［3］。準(zhǔn)確識別風(fēng)險因素，有利于預(yù)防與治療，并提高病人的生活質(zhì)量。一項對癌癥病人的疲勞、抑郁和焦慮癥狀以及外部影響因素構(gòu)建了網(wǎng)絡(luò)模型研究，發(fā)現(xiàn)無助和身體癥狀與疲勞之間的關(guān)系是潛在的危險因素；疾病接受程度是保護(hù)因素。研究者確定了抑郁、焦慮和疲勞癥狀與潛在危險和保護(hù)因素之間的復(fù)雜聯(lián)系［31］，及時預(yù)防可以減少不利癥狀的出現(xiàn)和發(fā)展。

2.5 網(wǎng)絡(luò)干預(yù)方法

網(wǎng)絡(luò)干預(yù)方法是一個最近開發(fā)的方法［38］，它可以用于研究治療的特異性，直接和間接作用的序貫流程，突出可能的治療效應(yīng)演進(jìn)途徑，有助于理解治療機(jī)制，并可以揭示其優(yōu)化線索［39］。Fishbein等［32］對接受與承諾治療（acceptance and commitment therapy，ACT）的113例癌癥幸存者焦慮運(yùn)用網(wǎng)絡(luò)分析干預(yù)方法，該研究首次將網(wǎng)絡(luò)干預(yù)分析應(yīng)用于過程和結(jié)果變量的組合，確定了對每個結(jié)果的獨(dú)特干預(yù)效果。結(jié)果發(fā)現(xiàn)，ACT解決癌癥特異性焦慮形式似乎減少了更廣泛的焦慮癥狀，而焦慮相關(guān)結(jié)果的改善是干預(yù)對自我同情影響的一種機(jī)制。網(wǎng)絡(luò)干預(yù)方法更適用于臨床，可以在干預(yù)過程中監(jiān)控治療效果，及時調(diào)整干預(yù)措施，以可視化網(wǎng)絡(luò)形式看到干預(yù)對各種癥狀的影響。該方法是檢測干預(yù)措施有效的實用、新興方法。

3 對我國癌癥病人抑郁、焦慮癥狀管理的啟示

3.1 識別較為精準(zhǔn)的干預(yù)目標(biāo)

網(wǎng)絡(luò)分析可以簡單、直觀地識別中心性癥狀，并以此作為干預(yù)措施的目標(biāo)，對網(wǎng)絡(luò)結(jié)構(gòu)的某些方面進(jìn)行干預(yù)可以使系統(tǒng)或網(wǎng)絡(luò)返回到更健康的狀態(tài)，識別潛在風(fēng)險和保護(hù)因素，在癥狀形成前進(jìn)行及時干預(yù)，阻止不利癥狀的出現(xiàn)［31］；識別不同疾病的橋梁癥狀，針對該癥狀制定有效的干預(yù)措施，及時有效阻斷共病的發(fā)展［35］。

3.2 開展癥狀的縱向研究，提高癌癥病人生活質(zhì)量

近年來，使用網(wǎng)絡(luò)分析對癌癥病人焦慮、抑郁開展的研究多為橫斷面研究，無法探究癥狀的因果關(guān)系，也無法探究癥狀的潛在危險和保護(hù)因素［3，6，11，28?32］。提示下一步可以開展縱向研究，通過時間變化進(jìn)行動態(tài)監(jiān)測，探究癥狀發(fā)生的規(guī)律，以更好地對因果關(guān)系進(jìn)行實證研究；其次可以開展外部因素分析，如癌癥預(yù)后、治療方式、經(jīng)濟(jì)負(fù)擔(dān)及社會支持等；最后可以開展各種類型癌癥群體的癥狀研究，以探索其異質(zhì)性。

3.3 繼續(xù)探索癌癥病人焦慮、抑郁與其他癥狀的關(guān)聯(lián)

癌癥病人的心理問題一般都是同時發(fā)生的［6］，焦慮、抑郁癥狀與其他心理問題存在相關(guān)性，但其中的復(fù)雜關(guān)系尚在探究中，繼續(xù)探索之間的關(guān)系，減少癌癥病人的共病，以提高病人的生活質(zhì)量以及生存質(zhì)量。

3.4 加強(qiáng)癌癥病人焦慮、抑郁癥狀網(wǎng)絡(luò)干預(yù)

網(wǎng)絡(luò)干預(yù)是一個新的方法，用于檢查干預(yù)的直接和間接影響，還可以對新的人群，甚至個人層面制定個性化的干預(yù)措施［32］。目前，國內(nèi)外癌癥病人群體的焦慮、抑郁癥狀使用該方法較少，下一步研究方向可以對癌癥病人抑郁、焦慮進(jìn)行網(wǎng)絡(luò)干預(yù)分析。

4 小結(jié)

網(wǎng)絡(luò)分析在癥狀管理方面的應(yīng)用是研究熱點(diǎn)，但目前在我國癌癥病人中研究較少。抑郁、焦慮癥狀是癌癥病人最易發(fā)生的，共存于其他癥狀并且相互關(guān)聯(lián)。網(wǎng)絡(luò)分析以可視化的方式展示抑郁、焦慮癥狀間的相互關(guān)系。不僅讓臨床護(hù)理人員易于找到關(guān)鍵問題而且病人也可以參與其中，了解自己的癥狀，更方便臨床干預(yù)治療。未來，網(wǎng)絡(luò)分析的研究方向應(yīng)向個體化層面、縱向研究、各類癌癥病種的研究以及干預(yù)驗證發(fā)展，探討癌癥病人焦慮、抑郁的發(fā)生機(jī)制、因果關(guān)系和危險因素，以期提高我國癌癥病人生活質(zhì)量和生存率。

參考文獻(xiàn)：

[1] SUNG H，F(xiàn)YERLA J，SIEGEL R L，et al.Global cancer statistics 2020：globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA Cancer J Clin，2021，71（3）：209-249.

[2] 張凱，劉英杰，遲婷，等.癌癥患者焦慮、抑郁情緒與醫(yī)療社會支持的相關(guān)性研究[J].甘肅醫(yī)藥，2021，40（10）：886-888；906.

[3] GRASS L，CARUSO R，RIBA M B，et al.Anxiety and depression in adult cancer patients：ESMO clinical practice guideline[J].ESMO Open，2023，8（2）：101155.

[4] HARTUNG T J，BRAHLER E，F(xiàn)ALLER H，et al.The risk of being depressed is significantly higher in cancer patients than in the general population：prevalence and severity of depressive symptoms across major cancer types[J].Eur J Cancer，2017，72：46-53.

[5] WANG X，WANG N，ZHONG L D，et al.Prognostic value of depression and anxiety on breast cancer recurrence and mortality：a systematic review and Meta-analysis of 282 203 patients[J].Molecular Psychiatry，2020，25（12）：3186-3197.

[6] MATZKA M，K?CK-HóDI S，JAHN P，et al.Relationship among symptom clusters，quality of life，and treatment-specific optimism in patients with cancer[J].Supportive Care in Cancer，2018，26（8）：2685-2693.

[7] MCELROY E，F(xiàn)EARON P，BELSKY J，et al.Networks of depression and anxiety symptoms across development[J].Journal of the American Academy of Child and Adolescent Psychiatry，2018，57（12）：964-973.

[8] GRASSIE H L，KENNEDY S M，HALLIDAY E R，et al.Symptom-level networks of youth-and parent-reported depression and anxiety in a transdiagnostic clinical sample[J].Depression and Anxiety，2022，39（3）：211-219.

[9] RAMOS-VERA C，BARRIENTOS A S，VALLEJOS-SALDARRIAGA J，et al.Network structure of comorbidity patterns in U.S.adults with depression：a national study based on data from the behavioral risk factor surveillance system[J].Depression Research and Treatment，2023，2023：9969532.

[10] SU Y Y，LI M Z，MENG X F.Symptom patterns in the co-occurrence of depressive and generalized anxiety symptoms：a network analysis of a Canadian nationally representative sample[J].Journal of Affective Disorders，2024，351：888-894.

[11] BEARD C，MILLNER A J，F(xiàn)ORGEARD M J，et al.Network analysis of depression and anxiety symptom relationships in a psychiatric sample[J].Psychological Medicine，2016，46（16）：3359-3369.

[12] BORSBOOM D，CRAMER A O.Network analysis：an integrative approach to the structure of psychopathology[J].Annual Review of Clinical Psychology，2013，9：91-121.

[13] EPSKAMP S，F(xiàn)RIED E I.A tutorial on regularized partial correlation networks[J].Psychological Methods，2018，23（4）：617-634.

[14] ERDOS P，RéNYI A.On random graphs I[J]. Publ Math， 1959（4）：290-297.

[15] ISING E.Beitrag zur theorie des ferromagnetismus[J].Zeitschrift Für Physik，1925，31（1）：253-258.

[16] BARABáSI A.The network takeover[J].Nature Physics，2011，8：14-16.

[17] BORSBOOM D.A network theory of mental disorders[J].World Psychiatry，2017，16（1）：5-13.

[18] BORSBOOM D，F(xiàn)RIED E I，EPSKAMP S，et al.False alarm？A comprehensive reanalysis of \"evidence that psychopathology symptom networks have limited replicability\" by Forbes，Wright，Markon，and Krueger（2017）[J].Journal of Abnormal Psychology，2017，126（7）：989-999.

[19] COSTANTINI G，EPSKAMP S，BORSBOOM D，et al.State of the art personality research：a tutorial on network analysis of personality data in R[J].Journal of Research in Personality，2015，54：13-29.

[20] DANKS D，F(xiàn)ANCSALI S，GLYMOUR C，et al.Comorbid science？[J].Behav Brain Sci，2010，33（2/3）：153-155.

[21] SHARPEE T O，DESTEXHE A，KAWATO M，et al.25th annual computational neuroscience meeting：CNS-2016[J].BMC Neuroscience，2016，17（Suppl 1）：54.

[22] FRIEDMAN J，HASTIE T，TIBSHIRANI R.Sparse inverse covariance estimation with the graphical lasso[J].Biostatistics，2008，9（3）：432-441.

[23] CHANG W C，WONG C S M，OR P C F，et al.Inter-relationships among psychopathology，premorbid adjustment，cognition and psychosocial functioning in first-episode psychosis：a network analysis approach[J].Psychological Medicine，2020，50（12）：2019-2027.

[24] HASLBECK J M B，F(xiàn)RIED E I.How predictable are symptoms in psychopathological networks？A reanalysis of 18 published datasets[J].Psychological Medicine，2017，47（16）：2767-2776.

[25] EPSKAMP S，BORSBOOM D，F(xiàn)RIED E I.Estimating psychological networks and their accuracy：a tutorial paper[J].Behavior Research Methods，2018，50（1）：195-212.

[26] MARINOVIC D A，HUNTER R L.Examining the interrelationships between mindfulness-based interventions，depression，inflammation，and cancer survival[J].CA，2022，72（5）：490-502.

[27] BORTOLATO B，HYPHANTIS T N，VALPIONE S，et al.Depression in cancer：the many biobehavioral pathways driving tumor progression[J].Cancer Treatment Reviews，2017，52：58-70.

[28] HARTUNG T J，F(xiàn)RIED E I，MEHNERT A，et al.Frequency and network analysis of depressive symptoms in patients with cancer compared to the general population[J].Journal of Affective Disorders，2019，256：295-301.

[29] SHARPLEY C F，CHRISTIE D R H，ARNOLD W M，et al.Network analysis of depression in prostate cancer patients：implications for assessment and treatment[J].Psycho-Oncology，2023，32（3）：368-374.

[30] BOBEVSKI I，KISSANE D W，VEHLING S，et al.Demoralisation and its link with depression，psychological adjustment and suicidality among cancer patients：a network psychometrics approach[J].Cancer Medicine，2022，11（3）：815-825.

[31] SCHELLEKENS M P J，WOLVERS M D J，SCHROEVERS M J，et al.Exploring the interconnectedness of fatigue，depression，anxiety and potential risk and protective factors in cancer patients：a network approach[J].Journal of Behavioral Medicine，2020，43（4）：553-563.

[32] FISHBEIN J N，HASLBECK J，ARCH J J.Network intervention analysis of anxiety-related outcomes and processes of acceptance and commitment therapy（ACT）for anxious cancer survivors[J].Behaviour Research and Therapy，2023，162：104266.

[33] GALDERISI S，RUCCI P，KIRKPATRICK B，et al.Interplay among psychopathologic variables，personal resources，context-related factors，and real-life functioning in individuals with schizophrenia：a network analysis[J].JAMA Psychiatry，2018，75（4）：396-404.

[34] HENRY T R，MARSHALL S A，AVIS N E，et al.Concordance networks and application to clustering cancer symptomology[J].PLoS One，2018，13（3）：e0191981.

[35] YANG Y，SUN H W，LUO X，et al.Network connectivity between fear of cancer recurrence，anxiety，and depression in breast cancer patients[J].Journal of Affective Disorders，2022，309：358-367.

[36] LI Y，JIA S M，CAO B H，et al.Network analysis of somatic symptoms in Chinese patients with depressive disorder[J].Frontiers in Public Health，2023，11：1079873.

[37] CRAMER A O J，WALDORP L J，VAN DER MAAS H L J，et al.Comorbidity：a network perspective[J].Behavioral and Brain Sciences，2010，33（2/3）：137-193.

[38] HASLBECK J M B，WALDORP L J.Mgm：estimating time-varying mixed graphical models in high-dimensional data[J].Journal of Statistical Software，2020，93（8）：1-46.

[39] BLANKEN T F，VAN DER ZWEERDE T，VAN STRATEN A，et al.Introducing network intervention analysis to investigate sequential，symptom-specific treatment effects：a demonstration in co-occurring insomnia and depression[J].Psychother Psychosom，2019，88（1）：52-54.

（收稿日期：2024-06-22;修回日期：2024-12-10）

（本文編輯"張建華）