小白系列:通过拆读中华护理杂志的文献,带你入门网络分析!

文摘   科学   2024-06-08 21:25   湖南  
由于微信推送机制的变化,建议大家将公众号标记为星标,如此才能及时收到我们的更新,同时也希望大家能帮忙点点赞和转发,你们的支持是我们前进的重要动力来源,谢谢!护理统计随笔平台的内容现在已经非常丰富,很多方面都有涉及到,如果你觉得你没有看到往期的相关文章,不妨打开公众号的菜单页,在各级目录中查找你想要的内容。


一、通过文献学习网络分析
随着症状科学的兴起,症状管理相关研究也是越来越多,网络分析在症状科学中发挥了很大的作用,逐渐成为现阶段的研究热点。症状网络分析法是将某一系统的特征和信息以网络形式呈现的数据分析方法,也可以理解为以统计学中的一些相关分析算法为基础构建关系网络,并以可视化图形展示各症状之间的关系。
需要注意的是,症状网络分析法并不只能用于分析各症状评分,考虑到任何数据之间都可以计算彼此的相关性,所以适用于多种研究。
对于刚刚接触科研的同学,多读中华系列期刊文献可能是很不错的选择。中华护理杂志虽不是中华医学会系列期刊,但它在护理领域的影响力可以说是首屈一指的。因此,我们将以中华护理杂志最新刊发的一篇网络分析研究为例,介绍并学习网络分析的研究思路和撰写方法。
本期为新手入门系列,如果您有很好的基础,可能并不适用,请见谅。

为避免不必要的纠纷,这里不贴全文,请大家自行下载(知网、万方等平台均可下载)。

(1)摘要部分:摘要提供了最核心的研究信息,经典的四段式写作。

该研究的摘要写的很好(见上图),读完摘要我们大概能知道下面这些东西:

1.症状网络分析的主要目的是分析某疾病的核心症状,并尝试给出护理对策,实现症状管理的精准化干预。

2.研究设计类型是横断面研究,采用的是便利抽样法(虽不太推荐,但确实是最常用也最简单的抽样方法),样本量是232(后面会写样本量估算方法),数据是通过一份量表(问卷调查)来收集的,采用R语言进行的分析(这里就体现了为什么我在前一次直播中要介绍R语言的入门方法,因为真的很有必要学习)。

3.研究结果:一般要呈现哪些是核心症状,哪些症状的关系最强或最弱,要说明可预测性和预期影响(现在看不懂没关系,后面我会给出一些资料,方便大家进一步学习)。然后,要分析本次构建的网络是否准确和稳定(通过boot方法)

4.结论:一般是进一步提炼最重要的研究结果,然后得出结论,强调护理干预方法,突现研究的临床价值。

(2)前言部分:写得很棒,建议大家精读。

1.交代脑卒中的危害及其与PTSD的关系,介绍流行病学;

2.介绍现有的对PTSD研究的重心以及存在的不足,引出本研究的重要性;

3.介绍症状网络分析的来龙去脉,体现它的优势,突现本研究的价值。

(3)对象与方法:大赞,尤其是统计学方法部分,推荐大家好好读一读。

1.交代研究的设计,研究对象的来源及纳排标准,介绍样本量是如何估算的,这里是用了现况调查的计算公式,大家也可以学习下:

2.调查工具:一般情况调查问卷(自己编制)、修订版创伤后应激障碍症状筛查量表(这是本文的主要调查工具)。作者对此症状筛查量表的介绍非常详细,不仅介绍了具体内容和使用场景,还介绍了计分方法和信度。有理有据,点赞!

3.资料收集方法与质量控制:这点很多初次接触科研的同学会忽视,尤其是在临床工作没有经历系统学习的朋友,请注意我们写这类论文一定要有这个环节,不然研究的严谨性和可靠性会受到质疑。具体请读原文。

4.统计学方法:描述性分析很常规,建议读原文,作者对网络分析的过程有很棒的解释,如下图(展示一部分):


网络分析有两个重要概念:边和节点。一个节点就是一组数据,比如232例患者的某症状(条目)得分。一条边表示两个节点的连线,代表的是节点之间关系的强弱,线越粗,说明两者关系越强。这里要说明下,统计学中有多种计算相关性的算法,具体使用何种算法,要看你使用的哪种工具。

准确性和稳定性是通过bootstrap法进行评价的,这个方法非常常用,在预测模型、中介效应分析应用广泛。

(4)研究结果:注意层次和逻辑性。

1.交代调查对象的一般资料;

2.展示主要的问卷得分(本例即创伤后应激障碍症状筛查量表得分),注意,该研究的作者用了分位数形式来展示总得分,说明总得分是个非正态分布数据。

3.症状网络分析结果:这是全文最核心的结果,包括症状网络关系、核心症状。网络见下图:

4.症状网络分析准确性和稳定性评估:光是计算出网络分析结果还是不够的,仍需要考察结果的可考虑和稳定性,排除偶然因素的影响。该文的准确性和稳定性评估是从3个点入手的,分别是边权值的准确性、节点预期影响的稳定性、边权值和节点预期影响的差异性检验。这里推荐看看朱政老师的相关文章,以理解这些指标是如何起作用的。
当然了,本次举例的文献作者基本是用表格展示的核心症状以及其他相关指标,但其实也是可以用图示法来展示的,如果想发SCI的话,有些漂亮的图那么也是推荐附上的。

上面这些图是笔者自己用R语言绘制的,好看吗?再次体现了R语言的重要性,如果大家有兴趣的话,不妨关注下我们的视频号(同名,搜索护理统计随笔),不定期会有直播哦。
(5)讨论:核心内容,仅次于结果部分,要注意逻辑性。
还没有结束,拿到结果后,我们需要分析这份结果,比如:研究结果与其他类似研究之间是否一致?如不一致,要解释下可能的原因。再比如:得到的研究结果提示了什么?对临床的指导意义在哪?不要让审稿人和读者去猜,要自己去挑明,毕竟研究结果只是冰冷的数据,统计学分析有意义不代表在临床上有意义或有价值,这点要明白。
这篇文献相当精彩,作者们下足了功夫,所以可以刊发在我们护理研究领域最好的学术期刊上,推荐大家去读一读原文,了解更多细节
二、one more thing 
相信读到这里,大家对如何去撰写一份网络分析研究论文有了初步的了解,但估计对于如何具体开展这样一种研究还是没有把握。确实没有哪些简单,如何设计研究,如何采集数据,如何分析数据,一切都是刚刚开始。但,好的开始是成功的一半,这里给出一些参考资料,供大家自学。如果你觉得自学没有时间或者没有自学能力稍显不足,也可以在以后加入我们的专项训练营(暂未开放),或者护理统计随笔的直播间(晚上8至9点,不定期开播)。

怎样搭建一份完整的症状网络?示例数据+实操演示
全是症状网络,一次性满足你的全部幻想!
ok,本期的分享到此结束。

参考文献:侯佳雨,杨丽,李佳,吕润田.首发脑卒中患者创伤后应激障碍症状的网络分析及护理对策[J].中华护理杂志,2024,59(08):953-959.

封面来自上述参考文献,本文仅供感兴趣者学习和分享使用,不做任何商业用途,如有侵权,请联系我们删除,谢谢。

小提醒如果你在科研学习中遇到了疑问,恰好也想跟网友们交流,可以加入我们建立的“护理科研交流群”。这是一个完全自由、开放、没有套路的纯交流群。入群方式:私信发送关键词“加群”。

护理统计随笔
未来是精准护理的时代,护理研究的发展不仅在于基于证据的理论创新及实践,更在于大数据和人工智能。这里是一个从0到1的学习平台,关注我们,不但可以夯实科研基础,更可以开阔研究视野,让你的护理科研之路走得更远、更广。
 最新文章