生物医学网络科学Biomedical Network Science
症状网络与网络精神病学08 / 20

桥中心性与共病

阅读
约 2 分钟

共病的网络解释

精神障碍之间共病率很高，抑郁与焦虑尤甚。共同原因模型的解释是两个潜在疾病相关；网络模型的解释是两组症状通过若干桥症状直接相连：一组症状被激活后，经由桥症状扩散到另一组（Cramer 等, 2010）。要把这一想法量化，需要一个只计算“跨症状群连接”的中心性。

桥中心性（Jones, Ma & McNally, 2021, Multivariate Behavioral Research；R 包 networktools 的 bridge 函数）：给定节点的社团（症状群）划分 c(⋅)c(\cdot)，记 ℬi={j:c(j)≠c(i)}\mathcal B_i=\{j: c(j)\ne c(i)\} 为节点 ii 所在社团之外的节点。

  • 桥强度：BSi=∑j∈ℬi|wij|\text{BS}_i=\sum_{j\in\mathcal B_i}|w_{ij}|；
  • 一步桥预期影响：BEIi(1)=∑j∈ℬiwij\text{BEI}^{(1)}_i=\sum_{j\in\mathcal B_i}w_{ij}；
  • 两步桥预期影响：在一步的基础上，还计入经由一个中间邻居到达其他社团的间接影响（以两段边权的乘积加权）；
  • 桥介数：节点出现在“起点与终点属于不同社团”的最短路径上的次数；
  • 桥接近度：节点到所有其他社团节点平均最短路径长度的倒数。

算例：抑郁社团中的“睡眠问题”与同社团的“疲乏”相连（0.30），与焦虑社团的“紧张不安”（0.20）、“注意力差”（0.15）相连。它的普通强度为 0.650.65，桥强度为 0.350.35。而同社团中与情绪类条目连接很强的“情绪低落”可能普通强度更高，桥强度却接近 0。代码示例中构造了一个 10 节点的抑郁–焦虑网络，可以看到普通强度最高的节点与桥强度最高的节点并不相同。

实践要点

  • 社团划分从哪里来：可以按量表（PHQ-9 条目为一群、GAD-7 条目为一群），也可以由数据驱动（如 Louvain、walktrap 或探索性图分析，见社团结构与社区发现）。桥症状的识别完全依赖划分：同一网络换一种划分，桥症状就可能不同，应报告划分方法并做敏感性分析。
  • “桥症状”的界定：应用研究中常把桥强度位于前 20%（第 80 百分位以上）的节点称为桥症状。这是经验界限，不是统计检验；也应像普通中心性一样用病例删除 bootstrap 检验桥中心性的稳定性（bootnet 支持对桥指标做稳定性分析）。
  • 共享条目与条目重叠：不同量表中内容相近的条目（如 PHQ-9 与 GAD-7 中的睡眠、疲乏、注意力相关条目）天然会形成强的跨量表边，它们成为桥症状部分是测量内容重叠的结果，而非两种障碍的机制性联系。
  • 负的桥边：桥强度把负边也计为“桥”，若研究问题是“激活一组症状是否会促进另一组”，应看桥 EI。

网络模型对共病的研究影响了症状维度与诊断边界的讨论：如果抑郁和焦虑之间存在少数强的桥症状，那么针对这些桥症状的干预（例如针对睡眠或注意力问题），在网络理论下被预期能够同时减轻两类症状。模块控制研究从另一个角度处理同一问题：不是看单个桥节点，而是看一个症状模块对另一个症状模块的控制强度。

继续阅读