دانلود رایگان ترجمه مقاله تشخیص بیماری مزمن (ساینس دایرکت – الزویر ۲۰۲۰)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

۲٫۴٫ گروه کنترل
گروه کنترل متشکل از شرکت کنندگانی بود که بیماری مزمن در سطح پایه نداشتند و در طول دوره پیگیری بیماری را گسترش ندادند. سال تشخیص صفر بطور تصادفی انتخاب شد، به گونه ای که میانگین سن و توزیع سنی در سال صفر گروه کنترل و افراد مبتلا به بیماری با هم منطبق باشد. گروه کنترل با داشتن توزیع یکسان در جنسیت و سابقه نژادی همانند شرکت کنندگان مبتلا به بیماری ها، هماهنگی بیشتری داشت.

۲٫۵٫ تحلیل آماری
در تحلیل شبکه ای، علائم و روابط آنها با یکدیگر حوزه های اصلی تمرکز هستند. ساختار شبکه ای شامل گره ها و یال ها است. در مورد شبکه های علائم افسردگی، علائم بیانگر گره ها هستند و ارتباط بین علائم بیانگر یال ها هستند (بورسبوم و کرامر، ۲۰۱۳). برای ایجاد شبکه هایی برای علائم افسردگی قبل و بعد از تشخیص هر بیماری، ما از مدل های آیزینگ استفاده کردیم که رگرسیون لجستیک تنظیم شده با L1 را با انتخاب مدل براساس معیار اطلاعات بیزی توسعه یافته (EBIC) ترکیب می کند. از بسته بات نت R برای این کار استفاده شده است (اپسکمپ و همکاران، ۲۰۱۸). ما سپس پیوستگی کلی شبکه ها را از قبل و بعد از تشخیص با استفاده از تست سنجش شبکه (NCT) مقایسه کردیم (ون بورکولو، ۲۰۱۹). NCT یک تست مبتنی بر جایگشت است که در آن پیوستگی شبکه بطور مکرر – در تحلیل ما ۱۰۰۰ بار – برای شرکت کنندگان بصورت تصادفی محاسبه می شود. توزیع حاصل از پیوستگی را می توان برای تست تفاوت های بین دو گروه استفاده کرد (ون بورکولو و همکاران، ۲۰۱۵). پیوستگی کلی به صورت مجموع مقادیر مطلق یال های یک شبکه تعریف می شود و نشان می دهد که چگونه این علائم در ارتباط هستند. ما مقایسه برای هر بیماری را به شرکت کنندگانی که قبلا مجموعه کاملی از داده ها را قبل و بعد از تشخیص داشتند، محدود کردیم؛ در غیر اینصورت، تفاوت در اندازه نمونه می تواند نشان دهنده مقایسه اندازه گیری پیوستگی باشد. جدا از پیوستگی کلی، بسته بات نت امکان برآورد شاخص های محوری برای شبکه های غیرمستقیم را فراهم می کند. اینها شامل قدرت، نزدیک بودن و بین هم بودن است (اپسکمپ و همکاران، ۲۰۱۸). قدرت توصیف می کند که چقدر گره بطور مستقیم با گره های دیگر ارتباط دارد. نزدیک بودن، چگونگی نزدیکی یک گره به گره دیگر یا به عبارتی دیگر، اندازه ظرفیت این گره برای تاثیرگذاری بر همه گره های دیگر را توصیف می کند. بین هم بودن، یک شاخص برای اهمیت گره در شبکه است. این نشان دهنده تعداد دفعاتی است که یک گره به عنوان پل بین دو گره دیگر عمل می کند. شبکه های نشان داده شده با استفاده از بسته بات نت R برآورد و ترسیم شده اند. علاوه براین، با پیروی از روش ون بورکولو و همکاران (ون بورکولو و همکاران، ۲۰۱۵) ما از تست ویلکاکسون جمعی رتبه ای برای مقایسه نمرات مجموع CES-D قبل و بعد از تشخیص هر بیماری استفاده کردیم. این تست می تواند به عنوان جایگزینی برای تست t برای نمونه های وابسته استفاده شود که توزیع اساسی، نرمال نیست.

۳٫ نتایج
آمار توصیفی برای شرکت کنندگان در ۴ و ۲ سال قبل از تشخیص هر بیماری و گروه کنترل در جدول ۱ ارائه شده است.
جدول ۲ نمرات مجموع CES-D و پیوستگی کلی شبکه های افسردگی را دو یا چهار سال قبل و بعد از تشخیص هر بیماری نشان می دهد. همانطور که انتظار می رفت، تشخیص همه بیماری ها با افزایش نمرات مجموع CES-D در مقایسه دو سال قبل و بعد از تشخیص همراه بود. نتایج برای چهار سال قبل و بعد از آن مشابه بود، اگر چه تفاوتی در نمره مجموع برای دیابت مشاهده نشد.
تحلیل های پیوستگی هیچ تغییر آماری معناداری در پیوستگی کلی شبکه های علائم قبل و بعد از تشخیص دیابت، بیماری های قبلی یا سرطان نشان نداد (جدول ۲). با این حال، برای سکته پس از تشخیص بیماری در مقایسه با دو سال قبل از تشخیص (اختلاف ۳٫۶۳، p=0.01؛ شکل ۱)، علائم کمتر ارتباط پیدا می کنند. شاخص های مرکزیت برای هر بیماری که در بخش مکمل A نشان داده شده است، نشان می دهد که ترکیب علائم در یک روش ناهمگن بعد از تشخیص تغییر می کند، در حالی که تغییرات در شاخص های مرکزیت مانند قدرت، نزدیک بودن و بین هم بودن شبکه های علائم کمتر مشخص می شود.

۴٫ بحث
با استفاده از تحلیل شبکه ای، بررسی کردیم که آیا قدرت ارتباط بین علائم مختلف افسردگی نسبت به قبل از تشخیص دیابت، بیماری قلبی، سرطان و سکته تغییر کرده است. نمرات مجموع علائم افسردگی با تشخیص همه بیماری ها افزایش یافت. با این حال، برخلاف فرضیه ما، تنها سکته با تغییر در پیوستگی شبکه علائم همراه بود بطوری که علائم پس از مقایسه با قبل از تشخیص سکته، کمتر متراکم شدند.
تشخیص بیماری مزمن نگران کننده است و سازگاری با محدودیت های عملکردی که توسط بیماری های مزمن ایجاد می شود، می تواند دشوار باشد (د ریدر و همکاران، ۲۰۰۸). در نتیجه، افزایش علائم افسردگی همراه با ظهور بیماری های مزمن است. ما دریافتیم که برای تمامی بیماری هایی که در مطالعه ما وجود دارد، علائم افسردگی پس از تشخیص بیماری بیشتر می شود. در مقابل، ساختار شبکه ای علائم افسردگی تنها برای افرادی که مبتلا به سکته بودند تغییر یافت، اگرچه هیچ تفاوتی در پیوستگی کلی شبکه های علائم قبل از تشخیص بین شرکت کنندگان مبتلا به سکته، دیابت، بیماری قلبی و سرطان مشاهده نشده است. علاوه بر این، شرکت کنندگان مبتلا به سکته در مقایسه با سایر شرکت کنندگانی که مبتلا به بیماری های مزمن بودند، نمره افسردگی بالاتری داشتند. این امکان وجود دارد که آسیب مستقیم عصبی ناشی از سکته، با برخی از تغییرات مختص سکته در علائم افسردگی همراه باشد که در ساختار شبکه ای علائم منعکس شده است. تحقیقات بیشتری لازم است تا مشخص شود که آیا سایر خصوصیات شبکه ای علائم ممکن است علائم افسردگی ناشی از سکته را از افراد مرتبط با سایر بیماری های مزمن متمایز کند.
تنها چند مطالعه طولی قبلی وجود دارد که تغییرات ساختار شبکه ای علائم مرتبط با حوادث زندگی یا سایر عوامل خطرساز افسردگی را بررسی کرده اند. در مطالعه افراد در بخش مراقبت های روانی، تخلیه بیمارستان با کاهش نمره مجموع افسردگی و افزایش پیوستگی کلی علائم افسردگی در مقایسه با ارزیابی در بستری در بیمارستان همراه بود (بیرد و همکاران، ۲۰۱۶). در مطالعه ای درباره واکنش های اولیه نوجوانان به درمان افسردگی، افرادی که به درمان روانشناختی پاسخ مثبت تری نشان دادند، همچنین افزایش پیوستگی کلی علائم افسردگی را به همراه داشت (مک الروی و همکاران، ۲۰۱۹). در مقابل مطالعات دیگر نشان داده اند که پیوستگی قوی تر شبکه می تواند نشانگر پیش بینی افسردگی بدتری باشد (ون بورکولو و همکاران، ۲۰۱۵؛ سونگا و همکاران، ۲۰۱۴).
مک الروی و همکاران (مک الروی و همکاران، ۲۰۱۹) فرض کردند که تغییر در پیوستگی شبکه ای علائم ممکن است به جهت تغییر امتیازات علائم افسردکی بستگی داشته باشد. در یک منحنی مارپیچ مثبت از کاهش علائم افسردگی، بهبود در یک علامت منجر به بهبود سایر علائم در شبکه علائم مرتبط می شود. این با توضیحات قبلی درباره منحنی های مارپیچ منفی با اثر معکوس در علائم در تضاد است. مطالعه ما نشان می دهد که پیوستگی در ساختار شبکه ای علائم افسردگی، حتی بعد از ظهور بیماری های مزمن که به افزایش خطر علائم افسردگی معروف هستند، ممکن است نسبتاً بدون تغییر باقی بماند. بطور مشابه، ما تغییرات اندکی در شاخص های مرکزیت که قدرت هر گره شبکه علائم با گره های دیگر را توصیف می کند، مشاهده کردیم و همچنین ظرفیت احتمالی هر گره بر گره های دیگر و اهمیت نسبی هر علامت در شبکه علائم تاثیر می گذارد. تحقیقات بیشتری فراتر از این شاخص ها برای بررسی این فرضیه که بیماری های مزمن مختلف یا گروه های بیماری ممکن است تغییرات خاصی را در پروفایل علائم افسردگی ایجاد کنند، لازم است.

۴٫۱٫ محدودیت ها
برخی از محدودیت های مطالعه ما باید مورد توجه قرار گیرد. اول اینکه، بیماری های مزمن همایند را بررسی نکردیم، زیرا می خواستیم بر بروز بیماری های مزمن خاص تمرکز کنیم. داشتن بیش از یک بیماری مزمن می تواند علائم افسردگی فرد را تشدید کند (بارنت و همکاران، ۲۰۱۲) و احتمالا ساختار شبکه ای علائم را بطور متفاوت از هر بیماری فردی تغییر می دهد. دوم اینکه، تشخیص برخی بیماری ها ممکن است دقیقا با شروع واقعی بیماری – به ویژه دیابت – مطابقت نداشته باشد و ارزیابی های دو ساله ممکن است این تغییر پذیری را افزایش دهد. برخی از شرکت کنندگان ممکن است درست بعد از اتمام یک موج بررسی تشخیص داده شوند و بنابراین تشخیص آنها فقط در موج بعدی ظاهر خواهد شد. این شرکت کنندگان دو سال مهلت داشتند تا خود را با تشخیص وفق دهند که این امر ممکن است باعث کمرنگ شدن تغییرات کوتاه مدت در علائم افسردگی شود. بعلاوه اطلاعات تشخیصی مورد استفاده در این مطالعه مبتنی بر گزارش های خودی هستند. این ممکن است مطالعه را تحت تاثیر قرار دهد چرا که ممکن است شرایط مزمن همیشه توسط بیماران بدرستی گزارش نشود (یاسیت و همکاران، ۲۰۱۵).