卵巢癌是常见的女性生殖系统恶性肿瘤，全球每年新发病例约31.4万例，死亡约20.7万例[1]。术后化疗是晚期患者的标准治疗方案，但首次化疗后患者经历多种不适症状，这些症状常以集群形式发生并相互关联形成症状群，显著降低患者的生活质量并增加治疗中断风险[2]。

症状群研究已在多种肿瘤中识别出常见模式，但卵巢癌具有独特的病理生理负担[3]。患者常面临腹胀、腹痛等躯体不适及双附件切除后生育能力丧失、人工绝经及身体意象改变等深层的心理社会危机[4-5]。躯体不适与激素相关的心理冲击更为紧密，症状网络异质性显著[6]。术后首次化疗作为从手术恢复向长期治疗的关键过渡期，其症状网络尚未受后续化疗累积毒性混杂，更能反映症状间的原发性关联。化疗后第1周处于急性药物毒性与心理应激叠加的峰值，是识别并干预症状群演变的窗口，也为理解远期症状演变及实施早期干预奠定基础[7-8]。然而，既往研究多混杂分析化疗全周期，缺乏针对术后首次化疗这一特定时期症状间的关联模式及核心驱动症状的研究[9]。

传统因子分析难以揭示症状间影响[6]；而网络分析将症状视为互动系统，能可视化并量化症状关联定位核心症状。因此，本研究聚焦卵巢癌术后首次化疗后第7天，提取症状群、构建症状网络并识别核心症状，以期为临床早期制订高效症状管理方案提供实证依据。

1 对象与方法

1.1 研究对象

本研究采用便利抽样法，于2023年10月至2025年6月选取上海市第一妇婴保健院卵巢癌术后首次化疗患者187例为研究对象。纳入标准：①病理学确诊为原发性卵巢癌；②年龄 ≥18岁；③术后首次接受化疗；④患者知情同意，自愿参与本研究。排除标准：①合并其他恶性肿瘤、躯体或心理疾病；②存在语言沟通及认知功能障碍；③接受新辅助化疗或放疗。根据探索性因子分析要求，按照量表条目数的5～10倍估算样本量为135～270例[10]；考虑10%的无效问卷，总样本量至少为149例。本研究已通过上海市第一妇婴保健院医学伦理委员会批准（KS23288）。

1.2 调查工具

1.2.1 一般资料调查表 自设患者一般资料调查表，包括年龄、体质量指数（body mass index，BMI）、病理分型、临床分期、化疗方案等。

1.2.2 安德森症状评估量表-卵巢癌特异性模块 量表共27个条目，包含肿瘤共性症状、卵巢癌特异性症状及症状困扰3个维度，采用0～10分Likert评分法评估，分数越高表示症状影响越重。该量表已在中国人群中验证具有良好的信效度，Cronbach’s α系数为0.90[11]。本研究中，Cronbach’s α系数为0.92，结构效度良好（KMO=0.883，Bartlett检验P＜0.001）。

1.2.3 资料收集与质量控制 化疗前1天由经过统一培训的3名护理研究生向患者详细说明研究目的、流程及第7天随访安排，获取知情同意，通过医院电子病历系统补充一般资料；术后首次化疗后第7天进行症状评估，在院患者由研究人员现场发放指导填写症状量表并回收；出院患者通过企业微信或电话进行一对一线上随访，指导患者在线填写电子问卷或通过问答方式由研究人员代为录入。对于老年、文化程度低等填写困难的患者，无论线上线下，均由调查者采用中性、无诱导性的语言逐条询问后代为填写。所有回收问卷均采用双人独立录入，第三人核对以保证数据准确性。

1.3 统计学方法

采用SPSS 20.0统计学软件进行数据分析。连续性变量的正态性检验采用Shapiro-Wilk检验，符合正态分布的计量资料用均数±标准差（）表示，不符合正态分布的计量资料采用中位数（M）和四分位数（P25，P75）表示。计数资料用例数和百分率[例（%）]表示。对发生率＞20%的症状进行探索性因子分析，分析前进行KMO和Bartlett球形检验（KMO＞0.5且P＜0.05视为适合）。结合最大方差正交旋转法提取特征根 ≥1的公因子，将载荷 ≥0.40且至少包含2个症状的因子确定为症状群[12]。

使用R 4.4.1统计学软件的qgraph包（1.9.8版）构建症状网络，节点代表症状，连线的粗细代表症状间偏相关系数的大小；实线表示正相关，虚线表示负相关[13]；计算强度、紧密性和中介性3个中心性指标。Bootnet包（1.6版）进行非参数Bootstrap重复抽样（nBoots=2 500，nCores=4）评估网络稳定性[14]；计算中心性指标的相关性稳定系数（correlation stability coefficient，CS），判断标准为：CS ≥0.5为稳定性佳，0.25～＜0.5为稳定性可接受，＜0.25为稳定性较低[14]。

参考网络分析方法学建议，核心症状判定优先依据稳定性高的中心性指标[15]。具体步骤为：①将各症状中心性指标值进行z分数标准化（均值=0，标准差=1）；②设定阈值：在CS ≥0.25的指标上，标准化z分数＞1.0；③需至少在2个稳健指标上同时达标。鉴于中介中心性对网络结构变化敏感、稳定性常较低，本研究主要基于强度与紧密中心性判断；为检验网络稳定性及核心症状判定的可靠性，进行敏感性分析：剔除发生率＜20%的边缘症状后重新构建网络，评估其中心性指标CS值[13,15]。

2 结果

2.1 研究对象一般资料

本研究共发放201份问卷，回收有效问卷187份，问卷有效回收率为93.03%。187例患者年龄20～85岁，平均（53.16 ±13.91）岁；BMI为16.02～42.56 kg/m2，平均（22.56±3.65）kg/m2。其他一般资料见表1。

表1 研究对象一般资料

项目例数占比（%）病理分型浆液性癌12868.4黏液性癌52.7透明细胞癌158.0子宫内膜样癌1910.2其他2010.7临床分期Ⅰ期4222.5Ⅱ期179.1Ⅲ期9651.3Ⅳ期3217.1工作状态退休6132.6在职7640.6农民2613.9其他2412.9文化程度初中及以下7741.2高中及中专4825.7大专及以上6233.1居住环境农村2412.8城镇147.5城市14979.7婚姻状态未婚2714.4已婚14477.0其他168.6医保类型本市医保10656.7异地医保7439.6全自费73.7民族少数民族52.7汉族18297.3合并基础疾病是14074.9否4725.1化疗方案紫杉醇+卡铂17392.5紫杉醇+顺铂105.4其他42.1

2.2 症状发生情况及症状群提取

患者平均存在10.48个症状，最常见的症状是苦恼（85.56%）、疲劳乏力（81.82%）和疼痛（79.14%）；最严重的症状是苦恼和疲劳乏力，平均分为3.00（1.00，4.00）分。

因子分析结果显示，KMO=0.883＞0.5，Bartlett检验χ2值为2 010.785（P＜0.01），提取4个症状群，累积方差贡献率为56.722%。结合因子载荷与临床意义，将症状群命名为：①胃肠-情绪睡眠群，以化疗直接胃肠道反应共现睡眠情绪症状；②腹部不适群，反映卵巢癌相关局部症状；③神经肌肉-疲乏群，表征化疗神经毒性及癌因性疲乏；④呼吸-认知-情绪群，反映焦虑相关的躯体化和认知症状。见表2。

表2 症状发生率及症状群

因子载荷症状群/症状症状发生[例（%）]严重程度[分，M（P25，P75）]因子1因子2因子3因子4胃肠-情绪睡眠群恶心 126（67.38）1.00（0.00，3.00）0.853呕吐 76（40.64）0.00（0.00，2.00）0.803胃口差 125（66.84）1.00（0.00，3.00）0.753瞌睡/昏昏欲睡 86（45.99）0.00（0.00，2.00）0.637苦恼 160（85.56）3.00（1.00，4.00）0.614睡眠不安 141（75.40）2.00（1.00，3.00）0.585腹部不适群腹痛117（62.57）1.00（0.00，3.00）0.950腹胀 109（58.29）1.00（0.00，3.00）0.668疼痛 148（79.14）1.00（1.00，3.00）0.657神经肌肉-疲乏群背痛80（42.78）0.00（0.00，2.00）0.745腿抽筋/腿部肌肉疼痛 97（51.87）1.00（0.00，3.00）0.742疲劳乏力 153（81.82）3.00（1.00，4.00）0.668麻木痛 93（49.73）0.00（0.00，3.00）0.618呼吸-认知-情绪群气短 69（36.90）0.00（0.00，1.00）0.783健忘 57（30.48）0.00（0.00，1.00）0.749悲伤感 90（48.13）0.00（0.00，2.00）0.715口干79（42.25）0.00（0.00，1.00）0.638特征值7.5081.5511.0370.682方差贡献率（%）39.5158.1635.4563.589累计方差贡献率（%）39.51547.67853.13456.722

注 本表仅列出因子载荷 ≥0.40的症状。便秘与注意力不集中因载荷＜0.40，未纳入。

2.3 症状网络分析

2.3.1 网络关系及稳定性检验 排除发生率＜20%的症状（尿急、排尿时疼痛或灼热），构建包含19个症状的网络，见图1。网络共77条边，全局强度中位数为0.85。相关性最强的三对症状为恶心与呕吐（r=0.767）、悲伤感与苦恼（r=0.764）、腹胀与腹痛（r=0.640）。网络稳定性检验结果显示，强度中心性CS=0.519，紧密中心性CS=0.283，中介中心性CS=0.152，见图2。

图1 症状网络图

图2 网络稳定性检验图

2.3.2 核心症状的确定 各症状中心性指标原始值见图3。依据预设判定标准，悲伤感、疲劳乏力与苦恼被确定为核心症状。悲伤感强度中心性最高（z=2.27），紧密中心性亦达标（z=1.07）；疲劳乏力紧密中心性最为突出（z=1.74），强度中心性同时达标（z=0.90）；苦恼则在两项指标上均符合标准（强度中心性z=0.68，紧密中心性z=1.45）。敏感性分析显示，剔除边缘症状后重建的网络中（强度中心性CS=0.521，紧密中心性CS=0.280，中介中心性CS=0.150），与原始网络高度一致，核心症状判定结果不变。

图3 中心性指标图

3 讨论

3.1 症状群的普遍性与特异性

本研究提取的4个症状群反映化疗症状的共性（如胃肠-情绪睡眠群、神经肌肉-疲乏群）与卵巢癌的特异性[3,16]。独特的呼吸-认知-情绪群（气短、健忘、悲伤感及口干）跨越生理-心理-认知维度，区别于以往将呼吸困难归于肺癌、认知障碍归于脑肿瘤的研究[3,7]。其形成可能源于“炎症-神经内分泌-躯体化”模型：术后残余腹水或腹胀致膈肌上抬引发气短，化疗药物激发的系统性炎症反应如白细胞介素-6、肿瘤坏死因子-α水平升高，可同时作用于脑干呼吸中枢与海马体、前额叶皮层，分别加重气短、损害记忆并引发情绪低落；持续性悲伤伤及胃肠动力与黏膜修复能力，引起口干等自主神经症状[17-19]。提示卵巢癌患者的气短主诉需同步评估认知与情绪状态以实现全面照护。

3.2 核心症状识别与网络意义

网络分析识别悲伤感、疲劳乏力与苦恼为核心症状。悲伤感强度中心性最高，提示其在网络中与最多数量的其他症状存在强连接[20]；与苦恼、胃口差、口干等症状密切相关（r＞0.6），提示其核心地位不仅源于心理痛苦，还与“肠-脑轴”与“下丘脑-垂体-肾上腺轴”失调，相关疲劳乏力是癌因性疲乏的核心体现[21-22]；其与麻木痛的强关联（r=0.607）直接指向化疗神经毒性及神经炎症[16]。苦恼作为弥散性的情绪痛苦，紧密中心性最高，提示其在网络中信息传播的效率最优，类似“心理放大器”可迅速将负面影响在网络中扩散[23]。

3个核心症状可能通过共享的生物-心理-行为通路相互驱动，共同构成处于网络中心的“情绪-疲乏核心综合征”。机制上，促炎性细胞因子可同步诱导疲乏与负性情绪，心理应激通过HPA轴与化疗引发的胃肠功能障碍及菌群失调通过“肠-脑轴”形成恶性循环[16,24]；行为上，疲劳导致活动减少与社会退缩直接降低生理功能并强化无助感，放大苦恼体验；反之苦恼又会显著降低患者对疲乏、疼痛的耐受阈值，加速症状间的负面互动[25]。

基于上述核心症状的网络枢纽地位及相互作用机制，临床护理应优先构建以此为靶点的分阶段、多学科干预方案，在化疗后第7天等关键点，使用简短工具快速筛查与风险分层；对于中重度患者启动多学科干预，针对疲乏制订个体化有氧抗阻运动处方，针对悲伤苦恼引入认知行为疗法或正念减压训练[23]。利用移动工具动态监测，并通过结构化教育提升患者对核心综合征的自我管理能力，形成临床支持与自我管理的闭环[23]。

3.3 局限与展望

本研究为单中心设计、样本代表性有限，横断面数据无法推断症状间的因果关系及时序演变。未控制社会支持、合并用药（如止吐药、镇静药）等潜在混杂因素。未来可开展多中心、前瞻性纵向研究，纳入更广泛的生物、心理及社会变量，动态追踪核心症状网络的演变轨迹，提升结果的外推性，为制订阶段化、高效化的症状管理策略提供高级别证据。

4 小结

本研究聚焦于卵巢癌术后首次化疗患者，提取胃肠-情绪睡眠群、腹部不适群、神经肌肉-疲乏群和呼吸-认知-情绪群4个症状群，确定悲伤感、疲劳乏力与苦恼为网络核心症状。临床应采用分阶段、多学科协作模式，构建症状早期识别与干预的管理方案，更加高效地进行症状管理，提高患者的治疗依从性及生活质量。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] HUANG J，CHAN W C，NGAI C H，et al. Worldwide burden，risk factors，and temporal trends of ovarian cancer：a global study [J]. Cancers，2022，14（9）：2230.

[2] HAMMER M J，COOPER B A，CHEN L M，et al. Identification of distinct symptom profiles in patients with gynecologic cancers using a pre-specified symptom cluster [J].Support Care Cancer，2023，31（8）：485.

[3] LOPES-JÚNIOR L C，FERRARINI T，PIRES L B C，et al.Cancer symptom clusters in adult patients undergoing chemotherapy：a systematic review and meta-analysis protocol [J]. PLoS One，2022，17（9）：e0273411.

[4] THOMPSON L M A，LOECHER N，ALBIZU-JACOB A，et al. Post-traumatic reactions and quality of life after pelvic exenteration for gynecologic cancer：a retrospective cohort study [J]. Support Care Cancer，2024，32（11）：729.

[5] DONOVAN H S，SEREIKA S M，WENZEL L B，et al. Effects of the WRITE symptoms interventions on symptoms and quality of life among patients with recurrent ovarian cancers：an NRG Oncology/GOG Study（GOG-0259）[J]. J Clin Oncol，2022，40（13）：1464-1473.

[6] TIE H，SHI L，WANG L，et al. Symptom clusters and characteristics of cervical cancer patients receiving concurrent chemoradiotherapy：a cross-sectional study [J]. Heliyon，2023，9（12）：e22407.

[7] WANG X，GU D，WEI J，et al. Network evolution of core symptoms after lung cancer thoracoscopic surgery：a dynamic network analysis [J]. Eur J Oncol Nurs，2024，70：102546.

[8] CHANG G，LIN X，QIN M，et al. Symptom cluster study undergoing chemotherapy in breast cancer patients：latent class analysis and contemporaneous network analysis [J].Asia Pac J Oncol Nurs，2024，11（6）：100499.

[9] BEESLEY V L，ROSS T L，KING M T，et al. Evaluating patient-reported symptoms and late adverse effects following completion of first-line chemotherapy for ovarian cancer using the MOST（Measure of Ovarian Symptoms and Treatment concerns）[J]. Gynecol Oncol，2022，164（2）：437-445.

[10] 李玟，乔筠，王强，等. 基于网络分析的膀胱灌注患者症状群及核心症状的识别[J]. 现代临床护理，2025，24（8）：17-22.

[11] MD Anderson Symptom Inventory-Ovarian Cancer Module（MDASI-OC）[EB/OL]. [2025-10-22]. https：//www.mdanderson.org/.

[12] 马景双. 基于症状管理理论的非小细胞肺癌术后化疗患者症状群干预方案的构建及初步应用[D]. 沈阳：中国医科大学，2023.

[13] 朱政，胡天天，金依霖，等. 症状网络的基本概念及其在症状管理中的应用[J]. 护士进修杂志，2023，38（24）：2214-2218，2224.

[14] 余骏雯，朱政，胡天天，等. 症状网络的特异性指标[J].护士进修杂志，2023，38（24）：2229-2234，2245.

[15] HALLQUIST M N，WRIGHT A G C，MOLENAAR P C M. Problems with centrality measures in psychopathology symptom networks：why network psychometrics cannot escape psychometric theory [J]. Multivariate Behav Res，2021，56（2）：199-223.

[16] FENG Y，LIN T W，LIU X C，et al. A longitudinal study of symptom cluster latent profiles in ovarian cancer patients undergoing chemotherapy [J]. Cancer Med，2024，13（7）：e7139.

[17] MORAND S，DEVANABOYINA M，STAATS H，et al.Ovarian cancer immunotherapy and personalized medicine [J]. Int J Mol Sci，2021，22（12）：6532.

[18] HARRIS C S，KOBER K M，COOPER B，et al. Symptom clusters in outpatients with cancer using different dimensions of the symptom experience [J]. Support Care Cancer，2022，30（8）：6889-6899.

[19] ZHOU K N，WANG Y，XIE Y，et al. Symptom burden survey and symptom clusters in patients with cervical cancer：a cross-sectional survey [J]. Support Care Cancer，2023，31（6）：338.

[20] 朱政，余骏雯，杨中方，等. 症状同期网络的分析方法介绍及R软件实现[J]. 护士进修杂志，2023，38（24）：2235-2239.

[21] CECCHERINI C，DANIOTTI S，BEARZI C，et al. Evaluating the efficacy of probiotics in IBS treatment using a systematic review of clinical trials and multi-criteria decision analysis [J]. Nutrients，2022，14（13）：2689.

[22] ATANASOVA K，KNÖDLER L L，REINDL W，et al.Role of the gut microbiome in psychological symptoms associated with inflammatory bowel diseases [J]. Semin Immunopathol，2025，47（1）：12.

[23] BOWER J E，LACCHETTI C，ALICI Y，et al. Management of fatigue in adult survivors of cancer：ASCO-Society for Integrative Oncology guideline update [J]. J Clin Oncol，2024，42（20）：2456-2487.

[24] MŁYNARSKA E，GADZINOWSKA J，TOKAREK J，et al.The role of the microbiome-brain-gut axis in the pathogenesis of depressive disorder [J]. Nutrients，2022，14（9）：1921.

[25] BAUSSARD L，ERNST M，DIEP A，et al. Network analyses applied to the dimensions of cancer-related fatigue in women with breast cancer [J]. Cancer Med，2024，13（19）：e70268.

Analysis of symptom clusters and core symptom networks in patients undergoing the first chemotherapy after ovarian cancer surgery

WAN Chunzi1,2 LIU Xianliang3 DUAN Xia2

1.School of Medicine, Tongji University, Shanghai 200331, China; 2.Nursing Department, Tongji University Affiliated Obstetrics and Gynecology Hospital, Shanghai 201204, China;3.School of Nursing and Health Sciences, Hong Kong Metropolitan University, Hong Kong 999077, China

[Abstract] Objective To investigate the symptom clusters in patients undergoing first chemotherapy after ovarian cancer surgery, construct a symptom network and identify core symptoms, providing a basis for efficient symptom management. Methods By using the convenience sampling method, 187 patients with ovarian cancer who received their first chemotherapy after ovarian cancer surgery at Shanghai First Maternity and Infant Hospital were selected as the research subjects from October 2023 to June 2025. The investigation was conducted using the general information questionnaire and MD Anderson symptom inventory-ovarian cancer module. Exploratory factor analysis was used to extract symptom clusters, and R 4.4.1 statistical software was used to construct symptom networks. Central indicators were analyzed to determine core symptoms. Results Distress (85.56%) and fatigue (81.82%) were the most common symptoms. Four symptom clusters were identified: gastrointestinal-emotional-sleep, abdominal discomfort,neuromuscular-fatigue, and respiratory-cognitive-emotional, cumulative variance was 56.722%. The symptom network was stable, and the correlation stability coefficient of intensity centrality was 0.519. The comprehensive centrality index determined sadness, fatigue, and distress as the core symptoms. Conclusion Negative emotions and fatigue symptoms occupy a core position in the symptom network of patients undergoing first chemotherapy after ovarian cancer surgery.Clinical nursing should prioritize the intervention of core symptoms to manage them efficiently.

[Key words] Network analysis; Ovarian cancer; Core symptoms; Symptom management

[中图分类号] R473.73

[文献标识码] A

[文章编号] 1673-7210（2026）04（b）-0061-06

DOI：10.20047/j.issn1673-7210.25102227

[基金项目] 上海市卫生健康委员会科研项目（202340048）。

[作者简介]

万春子（2000.12-），女，同济大学医学院2023级护理专业在读硕士研究生；研究方向：肿瘤护理。

[通讯作者] 段霞（1983.7-），女，博士，副教授，博士生导师；研究方向：肿瘤护理、急危重症护理。

（收稿日期：2025-10-31）

（修回日期：2026-01-18）