目标: 尽管很多癌症患者经历了多种症状的同时出现,但是大多数研究都侧重于对单一症状的分析。进一步讲,少量的分析症状在病人身上共现的研究也是使用诸如因子分析之类的方法,这类的方法要有个关于数据如何构建在一起的先验假设。为了突破这个限制,我们使用了网络可视化的方法来探究症状在病人身上共现的情况,然后利用专业知识选择并构造出测量指标来分析结果并使其具有实际意义。 方法 :我们对报告具有18种症状的11种癌症的665例患者的数据进行了二次分析。分析其总的(各类型癌症)和三种最常见类型的癌症,使用下面三个步骤: (1)尝试可视化分析: 使用对分网络的单模态映射( bipartite and one-mode network projections ) 来探索症状如何在病人身上共现的。 (2)定量分析: 对通过可视化技术观察到的模式利用下列方法进行分析:(a)病人间症状重复程度,(b)使用网络模块分析症状聚集的程度,(c)根据凝聚聚类方法对症状进行聚类,(d)根据共现次数最多的症状来分析症状的嵌套程度,以分析症状集的不同规模。 (3)对结果的有效性分析 :通过与同规模和分布的随机网络相比较,评估上述计量指标统计显著性。 结果:结果显示,如果症状在文献中典型报道过,这些症状不会在不同的类别中出现。这些症状更倾向于在一个嵌套结构中共现,存在着一个在很多病人中共现的很小的症状集合,和在少量病人中共现的大量症状集合。【少量的症状组合在大量的病人中出现,大量的症状组合在少量的病人中出现】进而言之,尽管不同类型的癌症其症状频次是不同的,但是在三种最常见的癌症中其总的嵌套模式是一致的。 结论: 结果表明:(1)与明确的聚类不同,癌症症状以一种嵌套的形式共现。(2)探索性网络分析显示病人和症状之间的复杂关系,避免了先验假设,因而比较有价值。(3)新的方法来定量评估共现数据的重复程度和嵌套结构。(4)进行系统设计中,通过解决症状共现的复杂性来帮助症状管理。本研究的局限性在于只分析了一个数据集,将来的研究将尝试在其他类似的数据库中再现结果。 【转译自2009年美国医学信息学年会会议论文 作者:Suresh K. Bhavnani等 单位:Center for Computational Medicine Bioinformatics, Michigan Institute for Clinical and Health Research 标题: The Nested Structure of Cancer Symptoms: Implications for Analyzing Co-occurrence and Managing Symptoms 】