癌癥癥狀群潛在亞組及潛在軌跡識(shí)別方法研究進(jìn)展

賈 薇,矯艷玲,楊 晨,王 葉,杜慧姣,李來有,劉風(fēng)俠

河北醫(yī)科大學(xué)第四醫(yī)院,河北050000

癌癥是嚴(yán)重危害人類健康的疾病。2020全球癌癥統(tǒng)計(jì)報(bào)告顯示,全球癌癥病例數(shù)增加1 930萬例,新發(fā)死亡病例數(shù)增加996萬例[1]。由于疾病發(fā)展和治療的影響,癌癥病人經(jīng)常出現(xiàn)多種并發(fā)癥狀,如疼痛、惡心、疲勞、睡眠障礙等,給病人造成軀體和心理上的痛苦,降低生活質(zhì)量。Dodd等[2]于2001年首次提出“癥狀群”這一概念,將其定義為由3種或3種以上同時(shí)發(fā)生且相互關(guān)聯(lián)的癥狀組成。Kim等[3]于2005年將此概念完善為由2個(gè)或多個(gè)相互關(guān)聯(lián)且同時(shí)出現(xiàn)的癥狀組成。癥狀群的識(shí)別是進(jìn)行癥狀管理的第一步。目前對(duì)癥狀群的識(shí)別包括兩種方法,分別是以變量為中心的方法和以個(gè)體為中心的方法。以變量為中心的方法目的是解釋總體中感興趣的變量(癥狀)之間的關(guān)系[4],常用的方法包括聚類分析(cluster analysis,CA)、因子分析、主成分分析等[5-6]。以變量為中心的方法前提是所有研究對(duì)象均來自同一總體[7],但在實(shí)際研究中群體異質(zhì)性普遍存在,此方法沒有考慮人群中存在的異質(zhì)性,尤其是不可見的異質(zhì)性。2017年,美國國立衛(wèi)生研究院癥狀群管理專家共識(shí)[8]提出,在未來癥狀群的研究中可以開發(fā)一種一致的方法來根據(jù)預(yù)先指定的癥狀群識(shí)別病人亞組,并對(duì)具有預(yù)先指定癥狀群的相同和不同經(jīng)歷的病人亞組進(jìn)行重復(fù)研究,確定癥狀群的發(fā)展軌跡及其風(fēng)險(xiǎn)因素和預(yù)測(cè)因子等,為癥狀群管理提供依據(jù)。以“個(gè)體”為中心的方法是根據(jù)個(gè)體間共享反應(yīng)模型將個(gè)體分到不同子群體的分析技術(shù)[9],其目的是識(shí)別選定變量(癥狀群)背后的潛在類別(亞組)[4]?；跈M斷面研究數(shù)據(jù)的相似模式,聚類分析(cluster analysis)、潛在剖面分析(latent profile analysis,LPA)和潛在類別分析(latent class analysis,LCA)將個(gè)體分為不同的潛在類別?；诳v向研究數(shù)據(jù)的相似模式,增長(zhǎng)混合模型(growth mixture model,GMM)、潛類別增長(zhǎng)模型(latent class growth model,LCGM)、基于組軌跡模型(group-based trajectory model,GBTM)將總體軌跡分為幾個(gè)相似的潛在軌跡類型。以“個(gè)體”為中心的方法用于橫斷面研究數(shù)據(jù)可以識(shí)別某特定癥狀群的亞組,用于縱向數(shù)據(jù)分析中可以發(fā)現(xiàn)癥狀發(fā)展軌跡的異質(zhì)性。本研究將對(duì)癥狀群研究中常用的以“個(gè)體”為中心的方法進(jìn)行綜述,以期幫助臨床護(hù)理人員采用科學(xué)方法識(shí)別癥狀群亞組及軌跡,開發(fā)針對(duì)性的癌癥癥狀群管理方案,減輕病人的癥狀負(fù)擔(dān)。

1 癌癥癥狀群潛在亞組識(shí)別

1.1 聚類分析

聚類分析是將一個(gè)集合分為多個(gè)類似對(duì)象的過程,是用于創(chuàng)建分類的各種方法或過程的總稱,旨在發(fā)掘數(shù)據(jù)中原本不明顯的關(guān)系和同質(zhì)組的分類[10]。根據(jù)分類目的的不同,聚類分析分為兩大類[11]:對(duì)指標(biāo)進(jìn)行歸類(R型聚類),其目的是指標(biāo)降維從而選擇代表性的指標(biāo);對(duì)樣品進(jìn)行歸類(Q型聚類),其目的是找出樣品間的共性。其中,Q型聚類屬于以“個(gè)體”為中心的研究方法,對(duì)有同一癥狀群的病人,可以根據(jù)各自的癥狀嚴(yán)重程度或癥狀負(fù)擔(dān)將病人分為不同的亞組。聚類分析常用的方法包括系統(tǒng)聚類[12]、K-Means聚類[13]和兩步聚類[14]。龐秋萍等[12]使用系統(tǒng)聚類分析對(duì)癌癥病人疼痛-疲乏-抑郁-睡眠紊亂癥狀群亞組進(jìn)行識(shí)別,將170例病人分為癥狀均低組、中等疲乏及低疼痛組、癥狀中高組,癥狀中高組病人各種癥狀得分高,生活質(zhì)量差,炎癥指標(biāo)白細(xì)胞介素-6水平高。國外學(xué)者Wulff-Burchfield等[14]根據(jù)病人自我報(bào)告癥狀使用兩步聚類分析將治療后至少1年無復(fù)發(fā)的頭頸部癌癥病人分為高全身性癥狀組、低全身性癥狀組,高全身性癥狀組病人生活質(zhì)量差。Haddad等[13]對(duì)口咽癌病人進(jìn)行了回顧性的縱向軌跡聚類分析,依據(jù)癥狀隨時(shí)間變化的嚴(yán)重程度軌跡將320例口咽癌病人聚類為4組,作者并未對(duì)4組進(jìn)行具體命名,A組(53%)包括縱向癥狀最輕的病人,B組(18%)和C組(20%)病人縱向癥狀嚴(yán)重程度中等,D組(9%)病人縱向癥狀最嚴(yán)重,包括比例較高的人類乳頭瘤病毒陰性腫瘤、僅接受放療、吸煙、中重度飲酒及體能狀態(tài)差的病人。

1.2 潛在類別模型

潛在類別模型是以人為中心的方法,其目的與聚類分析相同,即將個(gè)體分為不同的群組,但比聚類分析更加客觀。外顯變量是可以直接觀測(cè)的變量,如個(gè)體在癥狀評(píng)分量表/問卷?xiàng)l目上的得分;潛在變量是不能直接觀測(cè)的變量,需要借助外顯的測(cè)量指標(biāo)來估計(jì)[15]。潛在類別模型的目的是以最少的潛在類別數(shù)目(亞組)來解釋外顯變量(癥狀群)之間的關(guān)聯(lián),來達(dá)到局部獨(dú)立性[16]。潛在類別模型包括潛在剖面分析和潛在類別分析。潛在剖面分析處理連續(xù)型變量,如某個(gè)癥狀嚴(yán)重程度的評(píng)分、癥狀負(fù)擔(dān)得分等,并將未觀察到的個(gè)體、群體稱為潛在剖面。Hammer等[17]對(duì)疲乏-抑郁-睡眠障礙-疼痛癥狀群識(shí)別具有不同癥狀特征的癌癥病人亞組,通過潛在剖面分析將1 340例病人分為3個(gè)潛在剖面,即輕度組、中度組和重度組。與另兩個(gè)亞組相比,重度組病人功能狀態(tài)差,生活質(zhì)量低。張旭等[18]對(duì)癌癥病人復(fù)發(fā)恐懼的潛在剖面進(jìn)行分析,潛在剖面分析共識(shí)別出3種潛在剖面,即低復(fù)發(fā)恐懼-外向型、中復(fù)發(fā)恐懼-常規(guī)型和高復(fù)發(fā)恐懼-神經(jīng)質(zhì)型,且焦慮水平越高、社會(huì)支持水平越低、疾病不確定感越高的病人越容易有復(fù)發(fā)恐懼。潛在類別分析處理分類顯變量,如癥狀的有無,并將未觀察到的個(gè)體、群體稱為潛在類別。Miaskowski等[19]對(duì)582例接受化療病人經(jīng)歷的25種常見癥狀進(jìn)行亞組識(shí)別,根據(jù)癥狀是否發(fā)生,潛在類別分析共識(shí)別出3個(gè)潛在類別(癥狀低發(fā)組、癥狀中發(fā)組和癥狀高發(fā)組)。3個(gè)亞組報(bào)告的癥狀數(shù)量分別為(5.7±2.3)個(gè)、(12.9±2.6)個(gè)和(20.3±2.7)個(gè)。通過潛在類別分析,作者識(shí)別出癥狀發(fā)生概率高、癥狀發(fā)生數(shù)目多的一類風(fēng)險(xiǎn)較高的病人群體,需要加強(qiáng)對(duì)這類病人的癥狀管理和干預(yù)。

2 癥狀群潛在軌跡識(shí)別

潛在類別分析和潛在剖面分析處理的是橫斷面數(shù)據(jù),用于確定群體異質(zhì)性。該分析只能確定個(gè)體在某個(gè)時(shí)間點(diǎn)屬于的潛在類別,而不能確定潛在類別是否會(huì)隨時(shí)間而變化。潛在轉(zhuǎn)換分析(latent transition analysis,LTA)、增長(zhǎng)混合模型、潛類別增長(zhǎng)模型、基于組軌跡模型用于描述個(gè)體癥狀亞組的變化趨勢(shì),識(shí)別癥狀軌跡中關(guān)鍵時(shí)間點(diǎn)、高癥狀負(fù)擔(dān)軌跡病人。

2.1 潛在轉(zhuǎn)換分析

潛在轉(zhuǎn)換分析通過構(gòu)建轉(zhuǎn)換矩陣估計(jì)個(gè)體在不同時(shí)間點(diǎn)潛在類別的變化,描述自第1個(gè)時(shí)間點(diǎn)到第2個(gè)時(shí)間點(diǎn)之間各個(gè)潛在類別之間發(fā)生轉(zhuǎn)換的概率[20]。該方法用于以個(gè)體為中心的縱向數(shù)據(jù)分析,從轉(zhuǎn)換概率角度揭示個(gè)體的階段性發(fā)展規(guī)律。癌癥病人的多種癥狀會(huì)持續(xù)發(fā)生,且癥狀嚴(yán)重程度、癥狀負(fù)擔(dān)會(huì)隨時(shí)間發(fā)生變化,通過對(duì)癥狀軌跡的描述,識(shí)別出具有高癥狀負(fù)擔(dān)軌跡的病人并提供治療和針對(duì)性干預(yù)是有意義的。Wang等[21]采用具有3個(gè)數(shù)據(jù)點(diǎn)的前瞻性、縱向設(shè)計(jì),通過潛在轉(zhuǎn)換分析來識(shí)別癌癥患兒“疲勞-抑郁-焦慮-疼痛”癥狀群的潛在類別在化療周期開始時(shí)(T1)、特定骨髓抑制化療方案周期的中期和預(yù)期的最低點(diǎn)(T2)和化療后血細(xì)胞計(jì)數(shù)恢復(fù)后(T3)3個(gè)時(shí)間點(diǎn)潛在類別的轉(zhuǎn)換。結(jié)果顯示,每個(gè)時(shí)間點(diǎn)都有兩個(gè)亞組,分別是癥狀較輕組和癥狀嚴(yán)重組。從T1到T2再到T3共有8種亞組類別的轉(zhuǎn)變可能。最常見的過渡模式有兩種,占總過渡模式的75%。第1種是癥狀較輕組到癥狀較輕組(n=48),占總過渡模式的50%,即T1時(shí)在癥狀較輕組的病人在T3時(shí)保持相同亞組狀態(tài);第2種是癥狀嚴(yán)重組到癥狀嚴(yán)重組(n=24),占總過渡模式的25%,即T1時(shí)在癥狀嚴(yán)重組的病人在T3時(shí)仍保持在相同的亞組狀態(tài)。同時(shí),通過對(duì)兩種常見的過渡模式進(jìn)行回歸分析發(fā)現(xiàn),與基線疲勞評(píng)分<3分的患兒相比,≥3分的患兒更容易經(jīng)歷癥狀嚴(yán)重組到癥狀嚴(yán)重組的轉(zhuǎn)變,基線疲勞可以作為哨點(diǎn)指標(biāo),提示在整個(gè)治療周期醫(yī)護(hù)人員應(yīng)加強(qiáng)對(duì)此類病人的癥狀評(píng)估和支持性護(hù)理。翁佳敏等[22]對(duì)老年維持性血液透析病人癥狀在0個(gè)月(基線)、6個(gè)月、12個(gè)月3個(gè)時(shí)間點(diǎn)進(jìn)行軌跡分析,潛在類別分析識(shí)別出老年維持性血液透析病人分類為癥狀低發(fā)和癥狀高發(fā)兩個(gè)亞組。潛在轉(zhuǎn)換分析分析顯示,17.21%的病人從基線到12個(gè)月經(jīng)歷了癥狀低發(fā)到癥狀高發(fā)的軌跡過程,4.92%的病人從基線到12個(gè)月經(jīng)歷了癥狀高發(fā)到癥狀低發(fā)的軌跡過程。

2.2 增長(zhǎng)混合模型和潛類別增長(zhǎng)模型

傳統(tǒng)的增長(zhǎng)模型,如多層線性模型(hierarchical linear model,HLM)和潛變量增長(zhǎng)曲線模型(latent growth curve model,LGCM)假設(shè)研究樣本中的所有個(gè)體有著相同的增長(zhǎng)軌跡,并沒有考慮群體異質(zhì)性。增長(zhǎng)混合模型和潛類別增長(zhǎng)模型則彌補(bǔ)了這一缺陷,根據(jù)人群相似的癥狀經(jīng)歷分組,探討總體中是否存在增長(zhǎng)軌跡不同的亞組,研究人員可以根據(jù)不同軌跡來預(yù)測(cè)不同人群的癥狀發(fā)展過程,為癥狀群的管理和干預(yù)提供有效的時(shí)間節(jié)點(diǎn),防止癥狀嚴(yán)重程度和癥狀負(fù)擔(dān)進(jìn)一步惡化。增長(zhǎng)混合模型中同一類別有著相似但不完全相同的增長(zhǎng)軌跡,即同一潛類別內(nèi)部個(gè)體允許存在方差變異;潛類別增長(zhǎng)模型則假設(shè)同一類別有著完全相同的增長(zhǎng)軌跡,即同一類別內(nèi)部不存在方差變異[15],可以將潛類別增長(zhǎng)模型看成是增長(zhǎng)混合模型的特殊形式。

2.2.1 增長(zhǎng)混合模型

Nielsen等[23]用增長(zhǎng)混合模型識(shí)別乳腺癌幸存者中具有相似縱向癥狀軌跡的潛在個(gè)體亞組,對(duì)疼痛、疲乏、失眠、乳房癥狀和手臂癥狀分別識(shí)別出2條相對(duì)平行的軌跡,即高癥狀負(fù)擔(dān)軌跡和低癥狀負(fù)擔(dān)軌跡。隨后通過潛在類別分析來解釋不同癥狀軌跡類型之間的潛在關(guān)聯(lián),即每個(gè)癥狀的軌跡類型作為二分類變量輸入到潛在類別分析中,以探索不同癥狀中被分配到高負(fù)擔(dān)癥狀軌跡的個(gè)體是否不同。潛在類別分析顯示,病人分為兩個(gè)亞組,大多數(shù)病人(81.2%)屬于高負(fù)擔(dān)癥狀軌跡組的概率較低(1.7%～18.1%),少數(shù)病人(18.8%)被歸類為高負(fù)擔(dān)癥狀軌跡的可能是中-高概率(44.5%～75.3%)。通過對(duì)癥狀軌跡類別進(jìn)行潛在類別分析證明,5種癥狀(疼痛、疲乏、失眠、乳房癥狀和手臂癥狀)不是孤立存在的,而是像之前研究的癥狀那樣以群形式出現(xiàn)的。同時(shí),也強(qiáng)調(diào)了給予經(jīng)歷高癥狀負(fù)擔(dān)軌跡的乳腺癌病人針對(duì)性護(hù)理的重要性。劉晴等[24]對(duì)183例急性髓系白血病病人誘導(dǎo)緩解治療期癌因性疲乏軌跡進(jìn)行識(shí)別,共識(shí)別出3條軌跡,即持續(xù)高疲乏組(n=88,48.09%)、疲乏升高組(n=63,34.42%)和低疲乏組(n=32,17.49),有睡眠障礙、低社會(huì)支持、血紅蛋白<60 g/L更易歸入持續(xù)高疲乏組;有睡眠障礙、并存胃腸道癥狀群更易歸入疲乏升高組。

2.2.2 潛類別增長(zhǎng)模型

Lai等[25]探索兒童腦腫瘤病人的癥狀負(fù)擔(dān)軌跡,且比較了在0個(gè)月(基線)、6個(gè)月、12個(gè)月3個(gè)時(shí)間點(diǎn)患兒自我報(bào)告的癥狀負(fù)擔(dān)軌跡與父母報(bào)告的癥狀負(fù)擔(dān)軌跡的區(qū)別,使用潛類別增長(zhǎng)模型對(duì)焦慮、抑郁、疲乏、活動(dòng)能力、上肢功能、同伴關(guān)系和認(rèn)知功能的癥狀軌跡進(jìn)行識(shí)別,對(duì)患兒自我報(bào)告的7種癥狀分別識(shí)別出3,2,4,2,2,5,2條癥狀負(fù)擔(dān)軌跡。在父母報(bào)告的癥狀負(fù)擔(dān)中,除對(duì)活動(dòng)能力識(shí)別出3條癥狀負(fù)擔(dān)軌跡外,其余癥狀均識(shí)別出2條癥狀軌跡?；诨純鹤晕覉?bào)告的癥狀負(fù)擔(dān)軌跡與父母報(bào)告的癥狀負(fù)擔(dān)軌跡不同,兒童自我報(bào)告與父母報(bào)告之間的一致性低,故患兒應(yīng)是報(bào)告癥狀負(fù)擔(dān)數(shù)據(jù)的主要來源。一項(xiàng)關(guān)于乳腺癌化療病人睡眠障礙變化規(guī)律的研究[26]中,作者使用潛類別增長(zhǎng)模型在首次化療開始前、化療初期、化療中期和化療末期4個(gè)時(shí)間點(diǎn)識(shí)別出4條潛在軌跡類別,即無睡眠障礙組(n=42,19.2%)、輕度睡眠障礙組(n=55,25.1%)、中度睡眠障礙組(n=111,50.7%)和重度睡眠障礙組(n=11,5.0%)。同時(shí),區(qū)域淋巴結(jié)轉(zhuǎn)移(OR=1.475,P=0.042)、使用靶向藥物(OR=2.135,P=0.011)及參與臨床試驗(yàn)(OR=1.899,P=0.040)對(duì)睡眠障礙潛在軌跡有預(yù)測(cè)作用。

2.3 基于組軌跡模型

盡管增長(zhǎng)混合模型和潛類別增長(zhǎng)模型可以識(shí)別某個(gè)癥狀在某段時(shí)間的潛在癥狀軌跡,但無法識(shí)別不同癥狀發(fā)展過程中的聯(lián)系?；诮M軌跡模型的多軌跡模型則可以處理縱向數(shù)據(jù)變量之間的關(guān)系?；诮M軌跡模型旨在識(shí)別隨著年齡或時(shí)間的推移,某些行為或結(jié)果發(fā)生類似進(jìn)展的個(gè)體群體[27],即可以識(shí)別某個(gè)癥狀的潛在軌跡。基于組軌跡模型是潛類別增長(zhǎng)模型的一種特例,其假設(shè)所有類別和所有時(shí)間點(diǎn)的方差相等[28]?；谠鲩L(zhǎng)混合模型的多軌跡建模旨在連接理論上被認(rèn)為相關(guān)的2個(gè)或多個(gè)結(jié)果軌跡,允許分析共同改變的2個(gè)結(jié)果或生物標(biāo)志物的相互關(guān)系,如兒童時(shí)期身體活動(dòng)水平軌跡和兒童時(shí)期體質(zhì)指數(shù)軌跡[29],它突出了具有共同潛在病因過程的結(jié)果軌跡之間聯(lián)系的異質(zhì)性,且這些結(jié)果也與共同的潛在病因?qū)W過程有關(guān)[27]。Shafiq等[30]使用基于組軌跡模型來識(shí)別實(shí)體轉(zhuǎn)移癌病人在生命最后1年的身體癥狀負(fù)擔(dān)軌跡和心理困擾軌跡,共有3條潛在身體癥狀負(fù)擔(dān)軌跡,即持續(xù)性輕度癥狀組(56%)、進(jìn)行性中度癥狀組(36%)和進(jìn)行性嚴(yán)重癥狀組(8%),2條潛在心理困擾軌跡,即持續(xù)性輕度困擾組(72%)和進(jìn)行性困擾組(28%)。同時(shí)確定病人在最后1年中癥狀嚴(yán)重程度加重的3個(gè)關(guān)鍵時(shí)間點(diǎn),即住院時(shí)、急診就診時(shí)和化療時(shí),建議針對(duì)性措施可以集中在這3個(gè)關(guān)鍵時(shí)間點(diǎn)給予。Li等[31]對(duì)292例乳腺癌女性病人的疲勞、抑郁和焦慮癥狀群在0個(gè)月(基線)、6個(gè)月、12個(gè)月、18個(gè)月4個(gè)時(shí)間點(diǎn)上的癥狀軌跡進(jìn)行探索,根據(jù)疲勞、抑郁、焦慮的軌跡,多軌跡模型確定了兩個(gè)不同的潛在癥狀軌跡,即低癥狀軌跡組(77.4%)和高癥狀軌跡組(22.6%)。高癥狀軌跡組疲勞和抑郁癥狀嚴(yán)重程度高,焦慮情況在基線時(shí)很高,從基線到6個(gè)月有所下降,在12個(gè)月略有增加。低癥狀軌跡組的疲勞和抑郁癥狀嚴(yán)重程度低,焦慮從基線到18個(gè)月都呈線性下降。相比之下,女性在開始任何輔助治療之前都經(jīng)歷了最嚴(yán)重的焦慮。此研究也顯示,參與調(diào)節(jié)下丘腦-垂體-腎上腺軸和糖皮質(zhì)激素受體敏感性的基因與乳腺癌女性的心理癥狀軌跡相關(guān),CRHR1 rs12944712的次要A等位基因雜合、FKBP5 rs9394309的常見A等位基因純合和NR3C2 rs5525的次要A等位基因雜合的女性更容易出現(xiàn)嚴(yán)重心理癥狀。此研究進(jìn)一步證明下丘腦-垂體-腎上腺軸調(diào)節(jié)的遺傳變異為心理癥狀聚集的潛在機(jī)制,未來可根據(jù)生物標(biāo)志物來預(yù)測(cè)癥狀嚴(yán)重程度及軌跡并實(shí)施針對(duì)性的干預(yù)措施,減少癌癥病人心理癥狀負(fù)擔(dān)。Hockenberry等[32]探索了兒童在接受白血病治療的4個(gè)階段中經(jīng)歷的疲勞、睡眠障礙、疼痛、惡心和抑郁的癥狀軌跡。多軌跡模型同時(shí)對(duì)5種癥狀進(jìn)行分析,共識(shí)別出3條潛在癥狀軌跡,即輕度癥狀軌跡組(n=84,26.6%),中度癥狀軌跡組(n=127,52.2%)和重度癥狀軌跡組(n=25,11.1%)。大多數(shù)病人在5種癥狀中都經(jīng)歷了中度癥狀軌跡,疲勞嚴(yán)重程度顯著減少,疼痛明顯減輕。

3 小結(jié)與展望

癥狀高發(fā)組和癥狀嚴(yán)重組病人的生活質(zhì)量和功能狀態(tài)均較差,探索不同亞組的影響因素、發(fā)生機(jī)制,預(yù)測(cè)某癥狀群的高危人群,進(jìn)行針對(duì)性的干預(yù)是有意義的。癥狀群的潛在軌跡分析探索個(gè)體癥狀隨時(shí)間轉(zhuǎn)變的規(guī)律,由低癥狀負(fù)擔(dān)轉(zhuǎn)移到高癥狀負(fù)擔(dān)甚至一直處于高癥狀負(fù)擔(dān)軌跡的病人生活質(zhì)量差,識(shí)別此類病人癥狀軌跡的預(yù)測(cè)因素、發(fā)病機(jī)制及治療過程中的關(guān)鍵時(shí)間點(diǎn),同時(shí)識(shí)別癥狀發(fā)展過程中的核心癥狀和前哨癥狀將為癥狀群管理與針對(duì)性干預(yù)方案構(gòu)建提供理論依據(jù)。目前,國內(nèi)外對(duì)癌癥癥狀群亞組和潛在軌跡的探索正在逐步發(fā)展,國內(nèi)關(guān)于癥狀群的軌跡分析尚缺乏,未來國內(nèi)應(yīng)開展更多關(guān)于癥狀群軌跡的縱向研究,且重點(diǎn)關(guān)注潛在軌跡識(shí)別方法、影響因素、生物學(xué)機(jī)制和癥狀群發(fā)展過程中的關(guān)鍵時(shí)間點(diǎn)、核心癥狀、前哨癥狀等的識(shí)別。