连接要点：青少年脑震荡临床档案筛查的网络分析

《The Journal of Pediatrics》：Connecting the Dots: Network Analysis of the Concussion Clinical Profiles Screening Among Adolescents

　　

脑震荡后自评症状量表仍是识别、表征和监测脑震荡的主要评估工具¹。常用的量表如脑震荡后症状量表（PCSS）²和运动脑震荡评估工具-6（SCAT-6）中的分级症状清单（GSC）³在识别脑震荡方面表现出良好的信度、效度和临床实用性。然而，这些症状量表具有全球性性质（即询问非特异性症状如“头痛”），并侧重于总体症状负担（即总分严重度），这限制了其识别症状领域或档案以指导更有效和针对性干预的能力。为了解决这一差距，研究人员开发了脑震荡临床档案筛查（CP Screen）工具，评估对应于焦虑/情绪、认知、偏头痛、眼视光和前庭五个领域或档案的症状，以及睡眠和颈部修饰语⁴。CP Screen项目能提供关于症状病因的详细信息，更好地反映了损伤的异质性，并提供更细微的数据以帮助指导干预措施。例如，与PCSS和SCAT等询问患者报告通用“头痛”严重程度的症状量表不同，CP Screen询问患者报告“前额头痛”（眼视光）和“对光和噪音敏感的头痛”（偏头痛）的严重程度。尽管最近的研究证明了CP Screen在青少年中良好的心理测量学特性，包括信度^4,5、因子结构⁴、与常见脑震荡评估的同时效度⁴以及区分脑震荡与对照组的预测效度^4,6，但研究人员尚未确定哪些症状驱动其他症状，哪些症状在档案间起桥梁作用，以及哪些症状对总体脑震荡负担最为中心⁴。评估症状间复杂、相互关联关系的一种方法是网络分析，它利用图论从定量和视觉上检查变量之间的关系⁷。当将这些原理应用于脑震荡症状量表时，每个节点代表一个独特的症状（例如，“前额头痛”），每条边代表症状之间的偏相关。这些分析通常提供症状之间连接可视化表示，并估计特定的中心性指标，如强度、预期影响和中介中心性⁸。理解脑震荡症状网络中的这些关系和中心性指标可以帮助研究人员和临床医生评估哪些症状对症状负担最为中心，并与特定档案相连。这些信息可以为有效的症状干预靶点提供临床见解⁹。事实上，研究人员最近呼吁应用网络分析原理到不同的症状量表，以进一步理解脑震荡后症状学并帮助指导干预措施¹⁰。迄今为止，两项研究已应用网络分析来估计未受伤青少年基线时常见脑震荡后症状之间的关系^11,12。这些研究的主要发现表明，“感觉更情绪化”和“头晕”是有心理健康主诉史的青少年和患有注意缺陷多动障碍（ADHD）青少年的基线中心症状^11,12。Together, these findings suggest that feeling more emotional and dizziness may be strongly associated with other common symptoms in adolescents with mental health and related conditions. Another study applied network analyses to post-concussion symptoms and vestibular/oculomotor assessment in adolescent athletes with concussion. Similar to the previous findings^11,12, these researchers reported that dizziness and mood symptoms were central to the post-concussion symptom network. However, in the latter study, the researcher also reported that sadness was associated with mental fogginess and sleep problems, and that irritability was associated with mental fogginess and sensitivity to noise. These findings suggest that even symptoms that belong to theoretically distinct domains, such as those captured by the CP Screen, may be interrelated in post-concussion and at-risk populations. This study aimed to expand upon these findings by applying network analysis to the CP Screen within a large adolescent sample from a concussion specialty clinic. Our primary purpose was to examine whether the CP Screen items cluster together within the appropriate predefined profile. Our secondary purpose is to identify central and bridging nodes of symptoms within the network. We hypothesized that symptoms would cluster together within their respective profiles. Given previous research^11,12, we predicted that dizziness and mood-related symptoms would be central symptoms in this network. We also hoped to identify central symptoms and those that serve as bridges between distinct clusters of symptoms. The findings could help to inform more effective symptom assessments and subsequent targeted interventions in adolescents, and future work may benefit from expanding to other populations to improve generalizability.

研究背景方面，脑震荡后自评症状量表是当前识别、表征和监测脑震荡的主要工具，如脑震荡后症状量表（PCSS）和运动脑震荡评估工具-6（SCAT-6）中的分级症状清单（GSC）。这些量表虽然信度和效度良好，但主要关注总体症状负担，缺乏对症状领域或档案的详细区分，从而限制了指导针对性干预的能力。为此，研究人员开发了脑震荡临床档案筛查（CP Screen），旨在通过评估焦虑/情绪、认知、偏头痛、眼视光和前庭等特定领域的症状来提供更具颗粒度的信息。尽管CP Screen具有良好的心理测量学特性，但既往研究尚未阐明症状间的相互驱动关系及中心性节点。因此，开展本研究旨在通过引入网络分析方法，深入解析症状间的复杂关联，以优化评估体系并指导临床干预。

研究人员在德克萨斯大学西南医学中心的一家专科脑震荡诊所，对2024年9月至2025年9月期间接诊的913名12至18岁确诊脑震荡的青少年进行了回顾性数据分析。研究采用CP Screen量表收集初始就诊时的症状数据，并利用图形最小绝对收缩和选择算子（glasso）算法构建症状网络，计算中心性指标（强度、中介中心性、预期影响）和桥接强度，通过留一法Bootstrap（1,000次迭代）评估网络稳定性，并使用Louvain算法进行社区检测以验证预设档案结构。

研究结果显示，网络稳定性极佳（边缘权重相关性稳定性系数=0.75；强度相关性稳定性系数=0.67）。中心性分析发现，缓慢/波浪状头晕（前庭；强度z分数=1.90）是网络中最核心的症状，其次是伴有认知用力的头痛（认知/疲劳；z=1.50）、眼疲劳（眼视光；z=1.40）、伴有光噪音敏感的头痛（创伤后偏头痛；z=1.18）、睡眠不足（睡眠；z=1.02）和比平时压力更大（情绪/焦虑；z=0.89）。桥接分析表明，伴有认知用力的头痛、繁忙环境下的困难、创伤后偏头痛相关症状以及眼动症状是连接不同症状簇的关键桥梁。社区检测识别出四个社区：焦虑/情绪、前庭、眼视光和头痛/偏头痛。尽管模块化程度适中，但结果支持CP Screen的原始临床档案结构，并与预设档案具有中度一致性（调整兰德指数ARI=0.34，归一化互信息NMI=0.51）。

讨论部分指出，这是首次将网络分析应用于青少年脑震荡后CP Screen的研究。研究结果部分验证了CP Screen预设的五个症状档案结构，其中焦虑/情绪和前庭档案作为独特的症状社区最为显著。缓慢/波浪状头晕作为最中心症状，表明前庭功能障碍在脑震荡后症状的神经破坏中起基础作用，并强烈影响其他症状。桥接症状的识别揭示了不同领域间的相互作用，提示针对这些关键节点（如前庭康复、 exertion-based physical therapy）的多学科干预可能产生广泛的下游康复效益。研究结论强调，网络分析支持CP Screen的架构，并识别出的中心及桥接症状为青少年脑震荡后的精准、多领域靶向干预提供了重要依据。该研究发表于《The Journal of Pediatrics》。

作者为开展研究主要用到的关键技术与方法包括：使用图形最小绝对收缩和选择算子（glasso）算法估计稀疏高斯图形模型以构建症状网络；计算中心性指标（强度、中介中心性、预期影响）以识别核心症状；计算桥接中心性（bridge strength）以量化症状簇间的连接强度；采用留一法Bootstrap程序（1,000次迭代）评估网络结构的稳定性；运用Louvain社区检测算法验证症状聚类与预设临床档案的一致性。样本队列来源于美国西部南中部地区一家专科脑震荡诊所，纳入了913名年龄12-18岁、确诊脑震荡且于损伤后7.04±18.54天内初诊的青少年。

研究结果首先通过中心性指标分析发现，缓慢/波浪状头晕是网络中最核心的症状，显著高于其他症状，表明前庭症状在整体症状负担中起主导作用；伴有认知用力的头痛、眼疲劳、伴有光噪音敏感的头痛、睡眠不足和压力增大也是高度中心化的症状。其次，通过桥接分析得出，伴有认知用力的头痛、繁忙环境下的困难、创伤后偏头痛症状和眼动症状是连接不同症状簇的关键桥梁节点，而焦虑/情绪中的“感到焦虑或紧张”桥接强度较弱。最后，通过社区检测得出，网络中形成了四个主要的症状社区（焦虑/情绪、前庭、眼视光、头痛/偏头痛），虽然预设的认知/疲劳档案被解散，但大多数症状仍保留在其预设档案中，证实了CP Screen结构的有效性。

研究结论部分翻译如下：网络分析支持了CP Screen的原始临床档案结构。研究结果还确定了可能导致脑震荡后症状负担升高的关键中心症状，以及连接不同档案的症状。这种症状档案方法可以为青少年脑震荡后更有效的、靶向性的干预措施提供参考。