Vinícius de Lemos | Mstd. PPGP/UFRJ | LP3/UFRJ
Mediação
O que é mediação
Rede como um modelo de mediação
Sintomas Ponte
Vulnerabilidade em Sistemas Dinâmicos (Cramer et al., 2016)
Risco de Transição de Fases (Kossakowski, Gordijn, Riese, & Waldorp, 2016)
Interações entre processos lentos e rápidos (e.g. personalidade e depressão) (Lunansky, Borkulo, & Borsboom, 2019)
rum = indica o quanto uma pessoa rumina seus pensamentos
nerv = indica o quanto uma pessoa se sente nervosa
rum = indica o quanto uma pessoa rumina seus pensamentos
nerv = indica o quanto uma pessoa se sente nervosa
DC = desconforto corporal
Redes de correlação
Redes de correlação parcial e GLASSO
N1 = “Fico facilmente com raiva”
N2 = “Fico facilmente irritado”
N3 = “Tenho mudanças de humor frequentes”
N4 = “Costumo me sentir triste”
N5 = “É fácil pra mim entrar em pânico”
(Revelle, 2018), traduação própria
Todas as relações demonstradas em redes parciais podem indicar a mediação entre variáveis
Ex.: Tristeza (“Sad”) medeia a relação entre relaxamento (“relaxed”) e desconforto corporal (“bodily discomfort”)
(Epskamp et al., 2018)
Quando temos várias interações entre sintomas, temos uma rede complexa
insômnia -> problemas de concentração -> humor deprimido -> sentimento de auto-repulsa = Depressão
Em contraponto com um modelo onde você caracteriza um transtorno de acordo com o sintoma isolado
(Cramer et al., 2016)
Interação complexa entre sintomas -> Sintomas que ligam diferentes transtornos
Ponte = Mediação
(Epskamp et al., 2018)
(Costa et al., 2017)
Cramer et al. (2016) criaram um modelo para entender a vulnerabilidade um individuo em relação à depressão
Depressão como um modelo complexo e dinâmico
Complexo: interação entre os sintomas
Dinâmico: se desenvolve de acordo com o tempo
Bi-estável: tem dois estados estáveis - 1) depressivo, 2) não-depressivo
Objetivo: o que leva uma pessoa a desenvolver depressão após a presença de estressores e outras não?
i.e. qual é o fator que deixa uma pessoa vulnerável?
Hipótese: certas pessoas tem redes de sintomas mais conectados
Uma rede de sintomas de depressão mais conectada gera mais vulnerabilidade
[@(Cramer et al., 2016)]
(Cramer et al., 2016)
Simulação usando dados do Virginia Adult Twin Study of Psychiatric and Substance Use Disorders (VATSPUD)
N = 8973
Responderam a 14 sintomas de Depressão (DSM-III-R)
Definiram “limites” de ativação para cada sintoma
Limite: “preferência” do sintoma estar ativado ou desativado
0 = prefe não estar ativado
1 = prefere estar ativado
A probabilidade do sintoma se ativa depende da ativação dos sintomas que estão próximos a ele na rede
(Cramer et al., 2016)
Cramer et al. (2016) simularam trẽs tipos de redes para verificar a interação entre os sintomas
Redes muito conectadas
Redes moderadamente conectadas
Redes esparsamente conectadas
(Cramer et al., 2016)
Kossakowski et al. (2016) proporam uma nova maneira de entender a transição de fase
ex.: quando uma pessoa passa de um estado “normal” para um episódio de depressão
(Kossakowski et al., 2016): Depressão enquanto sistema dinâmico e complexo
A rede um indivíduo com Depressão pode estar em estado estável ou instável
A mudança de um estado para outro é chamada de transição de fase
O estudo da transição de fase pode ajudar a prevenir a depressão
A transição é brusca entre uma estável e uma fase instável
Mas há indicativos de que uma transição pode ocorrer
desaceleração crítica –> transição de fase
(Kossakowski et al., 2016)
desaceleração crítica (critical slowing-down)
Todo indivíduo tem mudanças de humor
Quando você tem um dia ruim você fica mais deprimido que a maioria dos dias
Mas eventualmente retorna ao humor “médio”
(Kossakowski et al., 2016)
Quando você em um episódio depressivo você está lentamente se desviando do estado de humor médio
Conforme você se aproxima de um episódio depressivo, fica cada vez mais difícil retornar ao estado de humor médio
Densidade da rede x probabilidade dos nodos se ativarem
Em cada momento no tempo a rede tem um valor p
À partir desse valor podemos saber se a rede está em risco de transição de fase
(Kossakowski et al., 2016)
Homem de 57 anos
Sofre de Depressão há mais de 8 anos
Estava em processo de diminuição do medicamente anti-depressivo (até chegar a 0)
Vida monitorada por 239 dias:
Respondeu a uma medida de ESM 10 vezes ao dia
50 itens, 28 usados no estudo
Humor, sentimentos, auto-estima, condição física
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
Gráfico demonstra a desnsidade de nodos ativos ao longo do tempo (relação entre nodos ativos e nodos inativos)
A parte em preto indica que está tomando o anti-depressivo e parte azul que não está tomando o anti-depressivo
(Kossakowski et al., 2016)
Quando há anti-depressivo os picos são menores e permanece menos tempo em cada pico
Na ausência de anti-depressivo há mais ativação dos sintomas e elas duram mais tempo
(Kossakowski et al., 2016) apontam que o padrão de ativação da rede podem apontar o risco de transição de um sistema
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
3 pacientes da psiquiatria de um hospital
Responderam a um questionário de 28 itens sobre o humor naquele momento, 2 vezes ao dia durante 6 semanas
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
(Kossakowski et al., 2016)
(Lunansky et al., 2019)
“The vulnerability hipothesis is certainly not the only game in town” (Lunansky et al., 2019)
Integrar Personalidade (processo lento) com psipatologia (mais rápido)
(Lunansky et al., 2019)
Personalidade não segue um modelo de vulnerabilidade
Caracterizada pela co-evolução de cognições, afetos, estados, comportamentos e ambientes estáveis
Sistema de equilíbrio acoplado
Uma pessoa que desenvolve uma tendência para participar em interações sociais, sua habilidade nessas interações vai aumentar, ela vai procurar novas interações…
Uma pessoa que é ansiosa em situações sociais vai evitar interações sociais
(Lunansky et al., 2019)
Personalidade estabelece um limiar para sintomatologia (exemplo: relação entre neuroticismo e depressão)
Efeito cicatriz: É possível que transtornos mentais influenciem a personalidade
Aumento de resiliência: resiliência é construída pela resposta com sucesso à eventos estressores (fortificação)
(Lunansky et al., 2019)
Dados dos (11) itens de neuroticismo de uma escala de Big-5 (Epskamp, Cramer, Waldorp, Schmittmann, & Borsboom, 2012)
Dados itens de Depressão do Virginia Adult Twin Study of Psychiatric and Substance Use Disorders (VATSPUD)
Ambos são transversais
Simulação para simular a variação temporal
(Lunansky et al., 2019)
(Lunansky et al., 2019)
Para cada iteração da simulação os escores de neuroticismo afetam a estrutura de depressão
Se um indivíduo tem uma rede de depressão mais vulnerável (mais ativa), ativa-se mais os itens de Neuroticismo (efeito cicatriz)
(Lunansky et al., 2019)
Correlação forte entre neuroticismo e depressão
Conforme aumenta o feedback entre os sistemas, aumenta-se a correlação
(Lunansky et al., 2019)
Costa, A. B., Pasley, A., Lara Machado, W. de, Alvarado, E., Dutra-Thomé, L., & Koller, S. H. (2017). The experience of sexual stigma and the increased risk of attempted suicide in young brazilian people from low socioeconomic group. 8. https://doi.org/10.3389/fpsyg.2017.00192
Cramer, A. O., Borkulo, C. D. van, Giltay, E. J., Maas, H. L. van der, Kendler, K. S., Scheffer, M., & Borsboom, D. (2016). Major depression as a complex dynamic system. PLoS One, 11(12), e0167490.
Epskamp, S., Borkulo, C. D. van, Veen, D. C. van der, Servaas, M. N., Isvoranu, A.-M., Riese, H., & Cramer, A. O. (2018). Personalized network modeling in psychopathology: The importance of contemporaneous and temporal connections. Clinical Psychological Science, 6(3), 416–427.
Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). qgraph: Network visualizations of relationships in psychometric data. Journal of Statistical Software, 48(4), 1–18. Retrieved from http://www.jstatsoft.org/v48/i04/
Kenny, D. A. (2018). Mediation (David A. Kenny). Retrieved from http://davidakenny.net/cm/mediate.htm
Kossakowski, J. J., Gordijn, M. C., Riese, H., & Waldorp, L. J. (2016). Mean field dynamics of graphs ii: Assessing the risk for the development of phase transitions in empirical data. arXiv Preprint arXiv:1610.05046.
Lunansky, G., Borkulo, C. D. van, & Borsboom, D. (2019). Personality, resilience, and psychopathology: A model for the interaction between slow and fast network processes in the context of mental health.
Revelle, W. (2018). Psych: Procedures for psychological, psychometric, and personality research. Retrieved from https://CRAN.R-project.org/package=psych