Borderline Persoonlijkheidsstoornis in een Netwerkmodel:
Structuur van BPS, Comorbiditeitsmodellen en Voorspelbaarheid RC-schalen op Symptoomniveau
Melissa Swager 6073883 Augustus 2014
1 Abstract
In dit onderzoek werd gekeken naar de algemene structuur van borderline
persoonlijkheidsstoornis, middels netwerkmodellen. Verwacht werd dat een netwerkmodel een betere verklaring van de structuur van BPS geeft dan een latente factormodel of een latente klassemodel. Ook werd verwacht dat netwerkmodellen een betere verklaring kunnen geven voor comorbiditeit, door directe verbanden tussen symptomen aan te tonen, zonder dat er gekeken wordt naar latente variabelen.. Als laatste werd verwacht dat tests voor persoonlijkheid en persoonlijkheidsstoornissen, zoals de MMPI-2-RF, directe voorspellers zouden zijn voor BPS symptomen. Het best passende netwerkmodel bleek beter te zijn dan een 2-klassenmodel, maar minder goed dan een 1-factormodel.Er bleek een directe relatie te zijn tussen BPS symptomen en een aantal symptomen van andere As-II stoornissen en de MMPI-2-RF RC-schalen bleken redelijk goede voorspellers voor BPS symptomen, met name het symptoom emotionele instabiliteit.
Borderline persoonlijkheidsstoornis (BPS) is, op PS NAO na, de meest voorkomende
persoonlijkheidsstoornis binnen de klinische setting (Skodol et al., 2002). Schattingen van prevalentie lopen sterk uiteen: van iets minder dan 10% tot iets meer dan 40% binnen klinische settings
(Zimmerman, Rothschild, Chelminsky, 2005; Fossati et al.,2000; Marinangeli et al., 2000; Ottosson et al., 1998) In een grootschalig bevolkingsonderzoek onder Amerikanen en Engelsen werd gevonden dat ongeveer 5,9% van volwassenen voldoet aan de DSM-IV criteria voor BPS (Zanarini et al., 2011), terwijl in ander onderzoek wordt gevonden dat slechts 0,7% van de bevolking lijdt aan BPS
(Torgersen, Kringlen, & Cramer, 2001). BPS wordt gekenmerkt door een stabiel patroon van instabiliteit binnen interpersoonlijke relaties en eigen identiteit en door impulsiviteit en labiliteit (Diagnostic and Statistical Manual of Mental Disorder, 4th ed., text rev.; American Psychiatric Association, 2000). Binnen deze stoornis vallen negen symptomen. Om de diagnose BPS te krijgen, moet de cliënt minimaal vijf van deze symptomen vertonen. Uit onderzoek blijkt dat BPS een zeer
2 hoge comorbiditeit met As-I stoornissen heeft (Zanarini et al., 1998; Zimmerman, & Mattia, 1999). De meest voorkomende comorbide As-I stoornissen zijn depressieve stoornis, paniekstoornis met agorafobie en middelenmisbruik, respectievelijk 61%, 29% en 13% (Zimmerman & Mattia, 1999). Uit onderzoek is tevens gebleken dat er een hoge comorbiditeit tussen BPS en andere As-II stoornissen wordt gevonden. Zanarini et al.(1998) vonden een zeer hoge mate van comorbiditeit voor zowel cluster A, B als C persoonlijkheidsstoornissen, met prevalenties van respectievelijk 31%, 40% en 73%. Uit ander onderzoek komen echter lagere prevalenties naar voren: 33%, 28% en 19% voor de cluster A, B en C persoonlijkheidsstoornissen (Grant et al., 2008). Hoewel er een discrepantie is in de prevalentie van comorbide As-II stoornissen, wordt duidelijk dat er substantiële comorbiditeit wordt gevonden tussen BPS en andere persoonlijkheidsstoornissen.
Volgens het huidige diagnostische model, een categoriaal model, voldoet iemand wel of niet aan voldoende criteria voor BPS en daaruit volgt dat iemand wel of niet de diagnose BPS krijgt. Van dit klassemodel voor persoonlijkheidsstoornissen wordt gebruik gemaakt sinds de invoering van de sectie persoonlijkheidsstoornissen in de derde editie van de Diagnostic and Statistical Manual of
Mental Disorders (3th ed.; American Psychiatric Association, 1980; aangehaald in Morey & Skodol,
2013). In dit model wordt uitgegaan van de Kraepeliniaanse assumpties dat een mentale stoornis een discrete afwijking is die met duidelijke grenzen verschilt van ‘normaal’ (Trull & Durrett, 2005). Het klassemodel wordt al lange tijd gebruikt en er zit een aantal voordelen aan; bijvoorbeeld (1) de keuze voor wel of geen behandeling wordt gebaseerd op het wel of niet gediagnosticeerd worden met een mentale stoornis en kan daarom vrij makkelijk worden bepaald (Trull & Durrett, 2005) en (2) de categorische benadering oriënteert de klinische benadering naar de primaire
psychopathologie(Gunderson, 1992; p.16), d.w.z. dat de stoornis die volgens het categorische systeem het meest aanwezig en invaliderend is, als primaire stoornis wordt gezien en vanuit deze benadering worden eventuele comorbide stoornissen onderzocht. Aangezien de focus meer op symptomen kan komen te liggen die binnen een ziektebeeld passen en ook op die symptomen die wat betreft comorbiditeit geregeld samen worden gevonden, is een categoriaal model diagnostisch
3 gezien tijdbesparend. Toch is er sinds het verschijnen van de DSM-III veel kritiek gekomen op het categoriaal bepalen van een stoornis. De grootste kritiekpunten zijn : (1) de enorme heterogeniteit binnen een bepaalde persoonlijkheidsstoornis, waardoor twee cliënten met dezelfde diagnose, wat betreft specifieke criteria nauwelijks overeen kunnen komen (Morey & Skodol, 2013; Trull, & Durrett, 2005), (2) de veel voorkomende comorbiditeit tussen persoonlijkheidsstoornissen (Trull, Distel, & Carpenter, 2010) en (3) de temporele instabiliteit van persoonlijkheidsstoornissen, wat volgens de huidige definitie van persoonlijkheidsstoornissen niet zou moeten voorkomen(Trull, & Durrett, 2005).
De bovenstaande kritiekpunten hebben geleid tot evaluatie van het huidige model. Een comité van de American Psychiatric Association en de National Institute of Mental Health heeft in 2002 de belangrijkste issues voor de DSM-5 geëvalueerd en geconcludeerd dat: “There is a clear need
for dimensional models to be developed and for their utility to be compared with that of existing typologies” (Rounsaville et al., 2002; aangehaald in Trull & Durrett, 2005). Deze conclusie lijkt zeker
van toepassing op het diagnosticeren van BPS. De reden hiervoor is vooral dat de enorme
heterogeniteit binnen het BPS construct zorgt voor belemmeringen in het verhelderen van zowel de etiologie als mogelijke biomarkers en endofenotypen van BPS (Gottesman & Gould, 2003). Een andere reden is dat er weinig support is voor het categoriaal indelen van BPS (Clark, 2007;Trull & Durrett, 2005;) en daarentegen veel support is voor het aannemen van een dimensioneel model (Mullins-Sweatt et al., 2012).
Het aantal dimensies, ofwel factoren, dat binnen BPS gevonden wordt, varieert sterk tussen studies. Sommige studies vinden slechts één dimensie, die de ernst van borderline PS bepaalt (Aggen, Neale, Roysamb, Reichborn-Kjennerud & Kendler, 2009; Johansen, Karterud, Pedersen, Gude & Falkum, 2004; Hallquist & Pilkonis, 2012) terwijl andere studies meerdere dimensies hebben gevonden, variërend van twee (Rosenberger & Miller, 1989) tot soms wel zes dimensies, wanneer gebruik wordt gemaakt van de Personality Assessment Inventory – Borderline Features Scale (PAI-BOR; Jackson & Trull, 2001) Hoewel een 1-factormodel regelmatig als best passende model voor borderline symptomen wordt gevonden, verklaart dit model nog steeds niet de enorme
4 heterogeniteit tussen personen met BPS. Dit kan duidelijk worden gemaakt met de volgende
analogie: het onthouden van een lange cijferreeks geeft over het algemeen aan dat een kortere cijferreeks tevens kan worden onthouden. De moeilijkheidsgraad verschilt en hoe makkelijker, hoe groter de kans dat iets onthouden wordt. Nu zou de kans een stuk kleiner zijn dat iemand die een lange cijferreeks kan onthouden moeite heeft met onthouden van een korte cijferreeks dan dat iemand die een lange cijferreeks kan onthouden ook een korte reeks kan onthouden. Nu zullen ook in het onthouden van cijferreeksen verschillen tussen mensen zijn; hoe langere reeksen iemand kan onthouden hoe verder diegene zit op het continuüm (Borsboom, 2008). Als deze analogie wordt doorgetrokken naar BPS, zou volgens een 1-factormodel tevens een ‘moeilijkheidsgraad’ worden gevonden, waarbij het meest voorkomende symptoom aan het begin van de dimensie en het minst voorkomende symptoom aan het eind van de dimensie staat. Nu zou echter volgens deze zelfde analogie gelden dat iemand die het minst voorkomende symptoom laat zien, vrijwel alle andere symptomen zou moeten laten zien, aangezien dit symptoom hetzelfde attribuut zou meten als alle andere symptomen, maar verder in het continuüm staat. Vanuit klinisch onderzoek is echter nog geen bewijs gevonden dat het minst voorkomende symptoom per sé het verste punt op het continuüm moet zijn en ook vanuit common sense kan niet verwacht worden dat alle symptomen één en hetzelfde attribuut meten, waarbij het meest voorkomende symptoom het begin van het continuüm markeert en het minst voorkomende symptoom het eind van het continuüm. Het zou hierom meer van klinische waarde zijn als er binnen BPS meerdere attributen (subdimensies) gevonden zouden worden, waarbinnen meer homogeniteit heerst (Lewis, Caputi & Grenyer, 2012).
Aangezien er naast één enkele ‘borderlinedimensie’ tevens heel regelmatig uit factoranalyses binnen verscheidene studies drie dimensies worden gevonden die de structuur van BPS mogelijk bepalen (Sanislow, Grilo & McGlashan, 2000, Sanislow, Grilo et al., 2002; Taylor & Reeves, 2007; Blais et al., 1997) is het van belang te bekijken hoe goed een 1-factor- en een 3-factormodel de
symptomen van de deelnemers van dit onderzoek kunnen verklaren. Aangezien ook het alternatieve model voor persoonlijkheidsstoornissen van de DSM-5 BPS tracht te vatten middels drie factoren van
5 het Five Factor Model (FFM; http://www.dsm.psychiatryonline.org), sluit dit onderzoek deels aan bij het idee dat een onderliggend 3-factormodel een goede verklaring voor de symptomen van BPS kan geven.
Ondanks dat factormodellen vermoedelijk een betere verklaring geven voor psychische stoornissen, zoals BPS, dan klasse modellen, zijn op deze factormodellen twee belangrijke kritiekpunten geformuleerd (Borsboom, 2008), die ook gelden tegen latente klasse modellen, namelijk: (1) ze gaan uit van één (of meer) onderliggende factor(en), die alle symptomen rechtstreeks veroorzaakt/veroorzaken, en (2) ze vooronderstellen dat de symptomen onderling causaal onafhankelijk zijn; Zowel klassemodellen als factormodellen vallen onder één van twee dominante conceptuele modellen binnen psychologisch onderzoek, namelijk het reflectieve model, dat stelt dat symptomen een uiting zijn van een latente variabele/factor. Vanuit dit model zouden symptomen causaal onafhankelijk van elkaar zijn, aangezien ze allen worden veroorzaakt door één onderliggende construct. De relaties tussen symptomen verdwijnen wanneer dit construct wordt weggehaald (Cramer, Waldorp, Van der Maas & Borsboom, 2010; Schmittmann et al., 2013). Die tweede assumptie staat haaks op theorieën die directe verbanden veronderstellen. Bijvoorbeeld de
Causal Systems Perspective, beschreven door Borsboom (2008), waarin gesteld wordt dat
symptomen een deel zijn van een groter systeem van symptomen en causale verbanden binnen een stoornis en niet zozeer een uiting zijn van een onderliggend construct. Daarnaast lijkt het tegen-intuïtief om te vooronderstellen dat de symptomen van BPS onderling causaal onafhankelijk zijn en dat één of meer factoren alle symptomen veroorzaakt. In de praktijk nemen clinici juist aan dat symptomen vaak niet los van elkaar staan maar dat ze elkaar direct beïnvloeden (Kim & Ahn, 2002); Een voorbeeld: een therapeut die een cliënt behandelt voor depressie met o.a. de symptomen ‘slapeloosheid’ en ‘vermoeidheid’, zal er van uit gaan dat de slapeloosheid een direct causaal effect heeft op de vermoeidheid. Ook voor BPS zijn directe relaties tussen symptomen plausibel. Het symptoom ‘emotionele instabiliteit ‘(bor6) zou bijvoorbeeld aanleiding kunnen geven tot ‘chronische gevoelens van leegte’ (bor7).
6 Het tweede dominante model, het formatieve model, gaat van het tegengestelde van het reflectieve model uit: de optelsom van symptomen veroorzaakt de uiteindelijke stoornis
(Schmittmann et al., 2013). In dit model is wel sprake van directe causale/bidirectionele verbanden tussen symptomen, maar kunnen verbanden die niet direct verklaard kunnen worden door de latente variabele(n) eigenlijk niet bestaan (Schmittmann et al., 2013). Netwerkmodellen omzeilen die factoren –‘wat is oorzaak, wat is gevolg?’ en ‘Causale verbanden tussen symptomen kunnen niet bestaan of kunnen alleen bestaan wanneer ze direct verklaard kunnen worden door een latente variabele’- door de stoornis niet als oorzaak of gevolg van symptomen te behandelen, maar als een systeem bestaande uit de symptomen, de symptomen zijn de stoornis (Schmittmann et al., 2013).
Over deze directe verbanden binnen het ‘systeem’ borderline zijn modellen opgesteld. Selby en Joiner (2009) stellen bijvoorbeeld een model voor waarin emotionele disregulatie, als gevolg van een ontregelende gebeurtenis, leidt tot extreme ruminatie, wat vervolgens leidt tot
gedragsproblemen, die voor cliënten met BPS als afleiding van de negatieve emoties zouden zorgen. Uitgaande van dit model, zou bij alle cliënten met BPS emotionele disregulatie als symptoom centraal moeten staan en zouden er vervolgens directe relaties tussen dit symptoom en andere symptomen bestaan. Dit zou dan inhouden dat de symptomen niet onderling causaal onafhankelijk van elkaar zijn. Om deze redenen is het van belang om de relaties tussen individuele BPS symptomen te bekijken. Deze relaties kunnen worden neergezet in netwerken, waarbij de symptomen onderling met elkaar verbanden laten zien. In deze netwerken is te zien welke symptomen centraal staan (hoe meer samenhang met andere symptomen, hoe centraler) en hoe sterk relaties tussen symptomen zijn. Ook kunnen eventuele ‘valse’ relaties gevonden worden: symptomen laten geen samenhang meer zien wanneer het symptoom dat deze samenhang eigenlijk veroorzaakt wordt verwijderd.
Borsboom, Cramer, Schmittmann, Epskamp en Waldorp (2011) hebben zo alle DSM-IV stoornissen in één groot netwerk gezet en ontdekten dat, hoewel de symptomen van elke stoornis apart bij elkaar clusteren, er ook een enorme gezamenlijke component bestaat, die bijna de helft van alle DSM-IV symptomen direct met elkaar verbindt. Een onderdeel van deze gezamenlijke
7 component is Depressie. Vanuit common sense valt te verwachten dat stoornissen op dit punt een sterke relatie laten zien, aangezien depressieve gevoelens zowel bij affectieve stoornissen, als bij angst- en persoonlijkheidsstoornissen een symptoom kunnen zijn. Deze samenhang tussen
symptomen kan een hint zijn naar de hoge comorbiditeit tussen psychische stoornissen: het is geen toeval dat stoornissen samen voorkomen en misschien is het ook geen gezamenlijke latente variabele die verschillende stoornissen veroorzaakt, maar is er een directe causale relatie tussen symptomen.
Een groot voordeel van deze benadering van mentale stoornissen is het feit dat er niet a
priori vanuit gegaan wordt dat symptomen een onderliggende mentale stoornis als gezamenlijke
oorzaak hebben, maar dat er puur naar directe, meetbare relaties tussen symptomen wordt gekeken (Cramer et al., 2010). Twee andere voordelen van deze benadering zijn (1) er kan onderscheid gemaakt worden tussen centrale (symptomen die sterke relaties met alle/ veel andere symptomen binnen de stoornis hebben) en perifere symptomen (symptomen die slechts met één/een paar symptomen een relatie hebben) en (2) er kan zowel gekeken worden naar mogelijke activatie van een systeem van symptomen als naar de huidige positie van een cliënt binnen dit causale systeem. Bijvoorbeeld: slaapgebrek en vermoeidheid kunnen duiden op een depressie; het systeem is geactiveerd, maar zolang de cliënt geen last heeft van depressieve gevoelens, zit de cliënt nog aan het ‘begin’ van het systeem (Borsboom,2008).Er wordt verwacht dat een netwerkbenadering van BPS een betere verklaring voor de structuur van een stoornis kan geven dan een klassemodel of een factormodel.
Er is nog zeer weinig onderzoek gedaan naar de onderlinge samenhang en mogelijke
causaliteit tussen symptomen, hoewel uit bovenstaande blijkt dat een onderlinge samenhang tussen symptomen goed mogelijk is en dat een eventuele gevonden samenhang van klinisch toegevoegde waarde kan zijn. Met name naar MDD (Major Depressive Disorder) en GAD (Generalized Anxiety
Disorder) zijn inmiddels wel meerdere (deels hypothetische) voorbeelden met netwerkmodellen
8 Waldorp, Van der Maas, & Borsboom, 2010), maar er zijn nog geen onderzoeken gedaan naar
netwerkmodellen van persoonlijkheidsstoornissen in het algemeen en BPS in het specifiek. Een netwerkmodel maakt de relaties tussen symptomen duidelijk, zonder te kijken naar eventuele onderliggende factoren. Omdat deze symptomen en de relaties ertussen meetbaar en berekenbaar zijn, kan er meer duidelijkheid komen over BPS dan alleen een beschrijving van de stoornis. Er wordt verwacht dat een aantal symptomen centraler staat in het BPS netwerk dan andere symptomen en met netwerk analyses kan dat onderzocht worden. Daarnaast zou dergelijk onderzoek tot beter begrip van comorbiditeit kunnen leiden.
Comorbiditeit wordt momenteel meestal onderzocht vanuit dimensionele benaderingen. Markon (2010) bijvoorbeeld heeft zo een factoranalyse op symptoomniveau uitgevoerd over alle as-II stoornissen om zo te bepalen welke symptomen van verschillende persoonlijkheidsstoornissen kunnen worden verklaard door één en dezelfde factor. Van de in totaal 20 gevonden factoren, blijkt BPS op vier domeinen te scoren, die Markon Emotional Lability, Disorganized Attachment, Hostility en Attention Seeking genoemd heeft. Emotional lability zou een typisch onderliggende factor van BPS zijn. Disorganized Attachment zou zowel symptomen van BPS als van Paranoïde ps veroorzaken en
Hostility zou symptomen van BPS, paranoïde ps en obsessief-compulsieve ps veroorzaken. Attention Seeking zou een typisch onderliggende factor zijn van de cluster B persoonlijkheidsstoornissen,
namelijk de theatrale ps, narcistische ps en BPS. Op basis van deze bevindingen zou verwacht kunnen worden dat symptomen die samen binnen een factor vallen sneller comorbide voorkomen, dan symptomen van verschillende factoren. Het is echter ook goed mogelijk dat deze symptomen bij elkaar clusteren, omdat ze in causaal verband met elkaar staan, ongeacht of er wel of niet een onderliggende factor aanwezig zou zijn. Bijvoorbeeld binnen het domein Disorganized Attachment vallen de symptomen BPS1: ‘angst voor verlating’ en Paranoïde7: ‘terugkerende verdenkingen van ontrouw van de partner’. Een onderliggende factor zou deze beide symptomen kunnen verklaren, maar een andere mogelijkheid is dat het ene symptoom ‘verdenking van ontrouw’ het andere symptoom ‘angst voor verlating’ triggert. In dit laatste geval zouden onderlinge verbanden tussen
9 symptomen van verschillende as-II stoornissen moeten worden onderzocht. Verwacht wordt dat niet een onderling construct per se de samenhang tussen symptomen verklaart, maar dat enkele
symptomen van verschillende stoornissen onderling een sterke directe samenhang laten zien. De mogelijke samenhang en eventuele hypothesen over causaliteit tussen symptomen binnen BPS en tussen BPS en andere As-II stoornissen kunnen exploratief worden onderzocht met
netwerkmodellen. In het huidige onderzoek wordt exploratief gekeken naar verbanden tussen BPS symptomen en symptomen van andere As-II stoornissen met behulp van zulke netwerkmodellen.
Als laatste wordt gekeken naar de Restructured Clinical Scales (RC-schalen) van de Minnesota
Multiphasic Personality Inventory-2-Restructured Form (MMPI-2-RF). Al meerdere malen zijn deze
schalen op stoornisniveau en op factorniveau onderzocht op hun voorspelbaarheid van
persoonlijkheidsstoornissen. Van der Heijden et al. (2013) bijvoorbeeld, hebben de samenhang tussen As-II stoornissen en de klinische schalen en RC-schalen onderzocht. BPS bleek in hun
onderzoek een sterke correlatie te geven met RC7: disfunctionele negatieve emoties (r=.52) en met RC8: afwijkende ervaringen (r=.50). Hoewel duidelijk is dat de scores op deze RC-schalen goede voorspellers zijn voor BPS (Van der Heijden, Egger, Rossi, Grundel, & Derksen, 2013; Kamphuis, Arbisi, Ben-Porath, & McNulty, 2008), gaat men er nu vanuit dat deze schalen voorspellers zijn van één of meer onderliggende factoren, die de symptomen verklaren. Net als de verwachting rondom comorbiditeit echter, zou ook vanuit een netwerk-perspectief verwacht kunnen worden dat niet latente factoren van belang zijn, maar de directe samenhang tussen symptomen. In dit onderzoek wordt om deze reden niet gekeken of de RC-schalen voorspellers zijn van bepaalde factoren, maar of de RC-schalen directe voorspellers van symptomen kunnen zijn. Uitgaande van een netwerkmodel kan men verwachten dat sommige RC-schalen vooral voorspellers zijn van kernsymptomen van het BPS-netwerk en vervolgens indirect van invloed op perifere symptomen, terwijl andere RC-schalen in direct verband met perifere symptomen zullen staan. Op deze wijze zou een nauwkeuriger inzicht ontstaan in de voorspelbaarheid van de heterogene aspecten van BPS dan middels de eerder genoemde correlaties met diagnoses. Dit zou van grote relevantie zijn, aangezien het mogelijke
10 onmeetbare indirecte verbanden tussen test en stoornis laat liggen, omdat er niet langer wordt gekeken naar een mogelijke onderliggende factor, maar er naar directe verbanden wordt gekeken tussen testresultaten en symptomen, die wel meetbaar zijn. Het is niet langer zo dat testresultaten een stoornis of dimensie voorspellen die met symptomen wordt gemeten, maar dat testresultaten directe voorspellers zijn van symptomen. Verwacht wordt dat verschillende RC-schalen direct verschillende BPS symptomen kunnen voorspellen.
Voor het onderzoek werden de volgende hypothesen opgesteld: (1) een netwerkmodel geeft een betere weergave van de structuur van BPS-symptomen dan een klasse model of een
factormodel, (2) een aantal symptomen staat centraler in het BPS netwerk dan andere symptomen en deze symptomen spelen mogelijk een grotere rol binnen de BPS-problematiek dan andere symptomen, (3) de comorbiditeit van BPS met andere As-II stoornissen zit hem niet in een
onderliggend construct, maar in enkele symptomen die een sterke samenhang met elkaar laten zien en (4) De RC-schalen van de MMPI-2-RF zijn directe voorspellers voor verschillende BPS symptomen.
Studie 1
Methode
Deelnemers
Voor het onderzoek werd gebruik gemaakt van beschikbare data van 278 patiënten van De Viersprong in Halsteren. Allen hadden toestemming gegeven voor het anoniem gebruiken van de testgegevens. Van de 278 deelnemers misten van 73 deelnemers alle data van de SCID-II. De gegevens van deze deelnemers werden niet meegenomen in de data-analyse. Van 105 deelnemers waren de SCID-II gegevens compleet; van de overige 100 deelnemers miste in de gegevens minimaal één item van de SCID-II. Aangezien de onvolledigheid van data vooral zat in de
persoonlijkheidsstoornissen NAO (i.e. depressieve ps en passief-agressieve ps), werden de gegevens van deze deelnemers toch meegenomen. Uiteindelijk bleven de gegevens van 205 deelnemers over
11 voor analyse. Deze groep bestond uit 94 mannen en 111 vrouwen. De gemiddelde leeftijd was ongeveer 31 jaar (M=30.98, SD=9.125).
Materiaal
SCID-I. Er werd gebruik gemaakt van de Structured Clinical Interview for DSM-IV Axis I
disorders (SCID-I). In deze test worden DSM-IV As-I stoornissen uitgevraagd en dichotoom gescoord,
met de opties: ‘aanwezig’ of ‘afwezig’. Uit onderzoek is gebleken dat de
interbeoordelaarsbetrouwbaarheid van de Nederlandse SCID-I voldoende tot uitstekend werd bevonden, met Cohen’s Kappa variërend van =. 61 tot =.83 (Lobbestael, Leurgans, & Arntz, 2010).
SCID-II. De Structured Clinical Interview for DSM-IV Axis II disorders (SCID-II) is een
semigestructureerd interview, waarbij de volgende antwoordmogelijkheden worden gehanteerd: onvoldoende, afwezig, twijfelachtig en aanwezig. Uit onderzoek is gebleken dat de
interbeoordelaarsbetrouwbaarheid van de Nederlandse SCID-II voldoende werd bevonden
(Weertman, Arntz, Dreessen, Velzen, & Vertommen, 2003) en dat interne consistentie varieert van
α = .71 tot α = .94 (Maffei e.a., 1997; aangehaald in Eurelings-Bontekoe, Verheul, & Snellen, 2007).
Ook de test-hertest betrouwbaarheid van de SCID-II is voldoende gebleken, met Cohen’s Kappa variërend van = .63 (Weertman, Arntz, Dreessen, Velzen, & Vertommen, 2003) tot = .93 (Osone, & Takahashi, 2003).
MMPI-2-RF. Voor het onderzoek werd gebruik gemaakt van de scores van de deelnemers op de Restructured Clinical Scales (RC-schalen) van de Minnesota Multiphasic Personality
Inventory-2-Restructured Form (2-RF). Deze schalen zijn ontworpen uit de klinische schalen van de
MMPI-2, aangezien de klinische schalen veel overlap met elkaar laten zien. Een algemene factor ‘demoralisatie’ werd uit de schalen gefilterd en hiervoor werd een aparte schaal ontworpen. Vervolgens werd uit elke klinische schaal de kerncomponent gehaald en werden bijpassende items uit de standaard klinische schalen gevormd tot “seed scales”. Zo zijn de uiteindelijke Restructured
Clinical (RC) Scales gecreëerd. De zo geconstrueerde schalen zijn de volgende: RCd Demoralisatie
12 Antisociaal gedraag (asb), RC6 Achtervolgingswanen (per), RC7 Disfunctionele negatieve emoties (dne), RC8 Afwijkende ervaringen (abx), RC9 Hypomane activatie (hpm; zie voor een gedetailleerde beschrijving Simms, Casillas, Clark, Watson, & Doebbeling, 2005). Uit onderzoek is gebleken dat de convergente validiteit ongeveer vergelijkbaar is met de convergente validiteit van de Clinical Scales (Handel,& Archer, 2008; Sellbom, & Ben-Porath, 2005) maar met name de divergente validiteit blijkt in de RC-schalen beter te zijn dan in de Clinical Scales (Forbey, & Porath, 2008; Sellbom, & Ben-Porath, 2005; Sellbom, Graham, & Schenk, 2010; Simms, Casillas, Clark, Watson, & Doebbeling, 2005; Wygant et al., 2007).
Statistische analyses
Mplus. Voor de statistische analyses werd het programma Mplus, versie 6.1, gebruikt. In studie 1 werd hiermee de goodness-of-fit van de Latente Klasse Analyse, de Exploratieve Factor Analyses en de Confirmatieve Factor Analyse bepaald. Voor de goodness-of-fit bepalingen werd gebruik gemaakt van Sample Size Adjusted Bayesian Information Criterion (SABIC). Met deze waarde kunnen verschillende modellen met elkaar vergeleken worden. Hoe lager de SABIC-waarde, hoe beter het model past bij de data. Voor het bepalen van de goodness-of-fit van de exploratieve factor analyses werd tevens gebruik gemaakt van de Root Mean Square Error of Approximation(RMSEA) en van de Comparative Fit Index (CFI) en de Tucker Lewis Index (TLI). Met de RMSEA kan de absolute fit van een model berekend worden. Browne en Cudeck (1992) stellen dat een RMSEA-waarde van .05 of lager een goede model fit aangeeft en dat een RMSEA-waarde van .10 of hoger kan worden gezien als een index voor een slechte model fit. Zowel de CFI als de TLI maken een vergelijking tussen de fit van het model dat onderzocht wordt en een alternatief model; bijvoorbeeld een model dat stelt dat alle variabelen onafhankelijk van elkaar in het model staan. Voor de CFI en de TLI geldt: hoe hoger de waarde, hoe beter de fit van het model over het alternatieve model. Daarnaast wordt in het
algemeen een cut-off gehanteerd van .90 (Bentler & Bonett, 1980) of .95 (Hu & Bentler, 1999) voor een voldoende passend model.
13 Netwerkanalyses. De onderlinge samenhang tussen symptomen van BPS werd berekend middels odds ratios. Vervolgens werden deze door het programma Qgraph gebruikt om netwerk-figuren te creëren. Binnen Qgraph wordt elk criterium van BPS in een aparte ‘knoop’ gezet. De samenhang tussen alle symptomen (‘knopen’) wordt weergegeven met lijnen, ofwel edges. Qgraph zet in het begin alle symptomen bij elkaar en kijkt dan naar relaties tussen de symptomen: hoe zwakker de samenhang met andere symptomen, hoe verder uit het midden een knoop gezet wordt. De symptomen met de meeste en sterkste samenhang met andere symptomen blijven centraal staan. De edges geven vervolgens de mate van samenhang tussen symptomen weer, gebaseerd op odds ratios. Hoe dikker een lijn, hoe sterker, negatief of positief, de relatie is. Een rode lijn geeft een negatieve relatie weer en een groene lijn een positieve (zie voor een gedetailleerde beschrijving Cramer, 2013 of Epskamp, Cramer, Waldorp, Schmittmann, & Borsboom, 2012). Voorts werd met behulp van relatieve risico’s de unidirectionele samenhang tussen symptomen berekend. De reden dat relatieve risico’s werden gebruikt is dat deze asymetrisch gewicht geven aan de samenhang tussen symptomen, i.t.t. odds ratios, die samenhang symmetrisch weergeven. Bijvoorbeeld emotionele instabiliteit (bor 6) zou waarschijnlijk een sterkere voorspeller zijn van gevoelens van leegte (bor 7) dan andersom. Hierbij zou dan verwacht worden dat het relatieve risico van emotionele instabiliteit op leegte hoger uitvalt dan andersom.
Resultaten
Algemene Data
De deelnemers lieten gemiddeld ongeveer twee BPS symptomen zien (M=1.67, SD=2.15) en er voldeden in totaal 26 deelnemers aan de criteria voor BPS, uitgaande van de DSM-IV-TR. Zowel As-I als As-As-IAs-I stoornissen bleken in de onderzoeksgroep minder voor te komen dan verwacht kan worden in een kliniek voor persoonlijkheidsstoornissen. Prevalenties van de voor het onderzoek relevante stoornissen worden weergegeven in Tabel 1 en Tabel 2.
14 Tabel 1
Prevalentie (Percentages) Deelnemers met As-I Stoornis binnen de Totale Onderzoeksgroep en bij Deelnemers met Diagnose BPS
Tabel 2
Prevalentie (Percentages) Deelnemers met As-II Stoornis binnen de Totale Onderzoeksgroep en bij Deelnemers met Diagnose BPS
Totale onderzoeksgroep Deelnemers met diagnose BPS
Paranoïde ps 4 (1,4%) 2 (7,7%) Schizoïde ps 0 0 Schizotypische ps 0 0 Antisociale ps 4 (1,4%) 1 (3,8%) Narcistische ps 6 (2,2%) 0 Theatrale ps 0 0 Ontwijkende ps 53 (19,1%) 2 (7,7%) Afhankelijke ps 3 (1,1%) 0 Obsessief-compulsieve ps 16 (5,8%) 1 (3,8%) Passief-agressieve ps 3 (1,6%) 0 Depressieve ps 18 (6,5%) 3 (14,3%) Exploratieve factoranalyse
Allereerst werd onderzocht in hoeverre de structuur van borderline symptomen past bij een 1-, 2- dan wel 3-factormodel. Hiertoe werd gebruik gemaakt van exploratieve factoranalyses. Bij vergelijking van de 3 modellen bleek het 1-factor model een optimale fit te hebben (RMSEA<0.001, CFI=1.000, TLI=1.000; zie voor de andere modellen Tabel 3). Dit betekent dat de verwachting van multidimensionaliteit niet werd ondersteund door deze analyses, hoewel zowel het 2-factormodel als het 3-factormodel een goede model-fit lieten zien.
Totale onderzoeksgroep Deelnemers met diagnose BPS
Bipolair I 2 (0,7%) 0 Bipolair II 2 (0,7%) 0 Dysthyme stoornis 41 (14,7%) 4 (15,4%) Depressie 65 (23,4%) 6 (23,1%) Alcohol afhankelijkheid 11 (4,0%) 1 (3,8%) Alcohol misbruik 8 (2,9%) 0 Middelen afhankelijkheid 8 (2,9%) 0 Middelen misbruik 4 (1,4%) 0 Paniekstoornis 15 (0,4%) 1 (3,8%) Sociale fobie 43 (15,5%) 2 (7,7%) Obsessief-compulsieve stoornis 14 (5,0%) 1 (3,8%)
Posttraumatische stress stoornis 25 (9,0%) 4 (15,4%)
Gegeneraliseerde angststoornis 8 (2,9%) 1 (13,8%)
15 Tabel 3
Goodness-of-Fit van een 1-, 2- en 3-Factormodel
RMSEA CFI TLI
1-factormodel <0.001 1.000 1.000
2-factormodel 0.013 0.999 0.998
3-factormodel 0.019 0.999 0.996
Confirmatieve factoranalyse versus latente klasse analyse
Vanwege de bevinding in de EFA werd een 1-factor CFA-model geschat (SABIC=1487.395). Dit dimensionele model werd vervolgens vergeleken met een latente klasse model.
In het latente klasse model, met 2 latente klassen, wordt aangenomen dat er twee kwalitatief verschillende groepen bestaan (i.p.v. 1 dimensie). Dit model liet duidelijk een minder goede fit met de data zien (i.e. SABIC=1510.806) dan het 1-factor model. Om die reden lijkt een 1-factormodel beter te passen bij de structuur van BPS dan een latente klasse model met 2 klassen.
Exploratieve netwerkmodellen
Vervolgens werd exploratief naar de onderlinge samenhang tussen symptomen gekeken. Hierbij werd gekeken naar mogelijke centrale symptomen (symptomen die met veel of alle andere symptomen sterke verbanden hebben) en perifere symptomen (symptomen die met slechts één of een paar andere symptomen in verband staan). Om de samenhang tussen symptomen zo begrijpelijk mogelijk te maken, worden alle BPS symptomen in het vervolg met een (of twee) kernwoord(en) aangeduid (zie Tabel 4).
16 Tabel 4
Omschrijving Symptomen BPS en Kernwoord voor elk Symptoom
BPS symptoom Omschrijving
Bor1: Verlatingsangst Krampachtig proberen te voorkomen om feitelijk of vermeend in de steek gelaten te worden.
N.B.: Reken hier niet het suïcidale of automutilerend gedrag toe, aangegeven in criterium 5.
Bor2: Instabiele Relaties Een patroon van instabiele en intense intermenselijke relaties gekenmerkt door wisselingen tussen overmatig idealiseren en kleineren.
Bor3: Identiteitsstoornis Identiteitsstoornis: duidelijk en aanhoudend instabiel zelfbeeld of zelfgevoel.
Bor4: Impulsiviteit Impulsiviteit op ten minste twee gebieden die in potentie betrokkene zelf kunnen schaden (bijvoorbeeld geld verkwisten, seks, misbruik van middelen, roekeloos autorijden, vreetbuien). N.B.: Reken hier niet het suïcidale of automutilerend gedrag toe, aangegeven in criterium 5.
Bor5: Automutilatie/Suïcide Recidiverende suïcidale gedragingen, gestes of dreigingen of automutilatie.
Bor6: Emotionele Instabiliteit Affectlabiliteit als gevolg van duidelijke reactiviteit van de stemming (bijvoorbeeld periodes van intense somberheid, prikkelbaarheid of angst, meestal enkele uren durend en slechts zelden langer dan een paar dagen).
Bor7: Leegte Chronisch gevoel van leegte.
Bor8: Woede Inadequate, intense woede of moeite kwaadheid te beheersen (bv.
frequente driftbuien, aanhoudende woede of herhaaldelijk vechtpartijen).
Bor9: Paranoia/Dissociatie Voorbijgaande, aan stress gebonden paranoïde ideeën of ernstige dissociatieve verschijnselen.
In het netwerk met BPS symptomen van alle deelnemers (Figuur 1) bleken vooral de symptomen Instabiele Relaties (bor2) en Emotionele Instabiliteit (bor6) centraal te staan. Wanneer vervolgens naar de relatieve risico’s tussen de symptomen werd gekeken (Tabel 6), bleek een meest positieve samenhang tussen Emotionele Instabiliteit en alle andere symptomen. Dit betekent dat de kans op ieder ander symptoom van BPS sterk toeneemt (meestal verdubbeld), als iemand voldoet aan het symptoom Emotionele Instabiliteit (bor6).
17
Figuur 1. Netwerkmodel BPS symptomen alle deelnemers
Tabel 5
Relatieve Risico’s Symptomen in Netwerk met alle Deelnemers
Bor1 Bor2 Bor3 Bor4 Bor5 Bor6 Bor7 Bor8 Bor9
Bor1 0,15 2,06 1,71 1,60 1,36 1,94 1,33 1,57 1,60 Bor2 1,82 0,13 1,49 1,56 1,47 1,64 1,51 1,91 1,91 Bor3 1,77 1,65 0,16 1,95 1,29 1,68 1,66 1,54 2,04 Bor4 1,41 1,49 1,57 0,12 1,16 1,52 1,17 1,49 1,78 Bor5 1,32 1,49 1,24 1,19 0,13 1,67 1,31 1,39 1,38 Bor6 2,46 2,11 1,87 2,04 2,08 0,18 1,96 2,01 3,16 Bor7 1,39 1,82 1,74 1,27 1,43 1,85 0,17 1,42 2,08 Bor8 1,45 1,86 1,40 1,56 1,35 1,54 1,28 0,13 1,23 Bor9 1,28 1,43 1,37 1,45 1,21 1,49 1,34 1,15 0,08
Noot: relatieve risico’s van 1,50 en hoger zijn vetgedrukt; De waarden op de diagonaal geven de prevalentie van elk
symptoom weer.
Vanwege de centraliteit van Emotionele Instabiliteit (bor6), werd vervolgens gekeken in hoeverre de netwerken van deelnemers mét emotionele instabiliteit verschilden van degenen zonder dit symptoom. Dit is vergelijkbaar met het bekijken van verbanden tussen de symptomen wanneer gecontroleerd wordt voor emotionele instabiliteit en toont dus welke verbanden overeind blijven na controle voor dit centrale symptoom. Met Qgraph werd een model gemaakt van BPS symptomen van alleen deelnemers die Emotionele Instabiliteit laten zien (Figuur 2). Uit het figuur en de bijbehorende relatieve risico’s bleek dat de meeste verbanden tussen symptomen wegvielen, behalve de
bor1 bor2 bor3 bor4 bor5 bor6 bor7 bor8 bor9
18 bor1 bor2 bor3 bor4 bor5 bor7 bor8 bor9
verbanden tussen de symptomen Verlatingsangst (bor1), Instabiele Relaties (bor2) en Woede (bor8) en tussen de symptomen Identiteitsstoornis (bor3), Leegte (bor7) en Paranoia/Dissociatie (bor9). Daarnaast bleken vooral de symptomen Impulsiviteit en Zelfmutilatie/Suïcide negatief met elkaar te correleren. Dit betekent dat de kans niet groot is dat Impulsiviteit en Zelfmutilatie/Suïcide samen voor zullen komen, aangezien de kans op het hebben van het ene symptoom kleiner wordt wanneer het andere symptoom aanwezig is. Wanneer gekeken werd naar het netwerkmodel van BPS
symptomen van deelnemers die Emotionele Instabiliteit niet laten zien, leken vrijwel alle verbanden tussen de symptomen te verdwijnen (Appendix A). Dat lijkt erop te wijzen dat bij afwezigheid van Emotionele Instabiliteit er geen duidelijke structuur te vinden is in het borderline-netwerk.
Figuur 2. Netwerkmodel BPS symptomen
alleen deelnemers met symptoom Emotionele Instabiliteit
19 Tabel 6
Relatieve Risico’s Symptomen in Netwerk met alleen Deelnemers met Emotionele Instabiliteit
Bor1 Bor2 Bor3 Bor4 Bor5 Bor7 Bor8 Bor9
Bor1 0,53 2,75 1,97 0,95 0,92 0,87 1,95 0,85 Bor2 2,15 0,43 1,66 1,09 1,45 1,44 2,85 1,69 Bor3 1,77 1,72 0,47 1,69 1,21 1,28 1,27 2,58 Bor4 0,96 1,08 1,51 0,39 0,75 0,96 1,59 1,89 Bor5 0,93 1,45 1,20 0,72 0,45 1,38 1,05 0,85 Bor7 0,87 1,62 1,33 0,95 1,48 0,53 0,90 2,47 Bor8 1,60 2,42 1,23 1,64 1,04 0,92 0,41 0,90 Bor9 0,90 1,45 1,74 1,66 0,88 1,64 0,91 0,35
Noot: Relatieve Risico’s van 1,50 en hoger zijn vetgedrukt; Relatieve risico’s van minder dan 0,90 zijn rood gekleurd. Op de
diagonaal staan prevalenties van symptomen.
Vervolgens werd gekeken naar de netwerkmodellen van mensen mét en zonder het symptoom Instabiele Relaties. De redenen dat er naar netwerkmodellen met en zonder dit
symptoom werd gekeken is (1) dat dit symptoom net als Emotionele Instabiliteit (bor6) centraal staat in het borderline netwerk van alle deelnemers en dat (2) duidelijk wordt dat het symptoom Instabiele Relaties sterk centraal staat binnen het netwerk waarin Emotionele Instabiliteit niet voor komt (Appendix A). Duidelijk blijft de relatie bestaan tussen de symptomen Identiteitsstoornis, Leegte en Paranoia/Dissociatie (bor3, 7 en 9), waarbij de symptomen Emotionele Instabiliteit (bor6) en Impulsiviteit (bor4) tevens een relatie laten zien met dit clustertje. De relatie tussen de symptomen Verlatingsangst (bor1) en Woede (bor8) lijkt te verdwijnen, wat doet vermoeden dat deze relatie voornamelijk via het symptoom Instabiele Relaties (bor2) loopt. Wanneer een netwerkmodel werd gemaakt van de mensen zonder het symptoom Instabiele Relaties, bleek dat alleen het clustertje van de symptomen Identiteitsstoornis, Emotionele Instabiliteit, Leegte en Paranoia nog bleef bestaan (Appendix A). Dat betekent dat het symptoom Instabiele Relaties vermoedelijk niet of nauwelijks invloed heeft op het clustertje Identiteitsstoornis, Emotionele Instabiliteit, Leegte en Paranoia, maar dat dit symptoom daarentegen een centrale rol speelt in het clustertje van Instabiele Relaties, Verlatingsangst en Woede.
20
Discussie Studie 1
Uit bovenstaande is gebleken dat een 1-factormodel een betere fit heeft met de data dan een 2-klassenmodel, een 2-factormodel en een 3-factormodel. Om de onderlinge samenhang tussen symptomen te bekijken, werd gekeken naar de structuur van borderlinesymptomen in
netwerkmodellen.
Uit de netwerkmodellen is gebleken dat met name Emotionele Instabiliteit een
kernsymptoom van BPS is. Deze bevinding is consistent met meerdere eerdere onderzoeken en theorieën over de etiologie van BPS (Selby, & Joiner, 2009; Tragesser, & Robinson, 2009;). Vanuit deze bevindingen werd de volgende hypothese voor studie 2 geformuleerd: Kernsymptoom in het borderline netwerk is Emotionele Instabiliteit, wat nauw samenhangt met alle andere BPS
symptomen.
Uit de netwerkmodellen bleek dat naast het kernsymptoom Emotionele Instabiliteit, twee subnetwerken lijken te bestaan. Het ene subnetwerk wordt gevormd door Verlatingsangst, Instabiele Relaties en Woede; het andere subnetwerk wordt gevormd door Identiteitsstoornis, Leegte en Paranoia/Dissociatie. Er zijn veel onderzoeken gedaan naar mogelijke subtypen van borderline, om de heterogeniteit van de stoornis beter te kunnen grijpen. In deze onderzoeken werd d.m.v. factoranalyse gekeken naar factoren waarop meerdere symptomen clusteren. Uit meerdere onderzoeken blijkt dat Verlatingsangst en Instabiele Relaties regelmatig samengaan (Taylor & Reeves, 2007; Becker, McGlashan, & Grilo, 2006;), zoals ook gezien wordt in bovenstaande netwerkmodellen. Woede wordt daarentegen in combinatie met beide andere symptomen niet gevonden. Uit het netwerkmodel bleek echter wel dat Woede een relatie laat zien met Instabiele Relaties en Verlatingsangst en hieruit werd de hypothese gevormd: In het borderline-netwerk bevindt zich een subnetwerk, dat gerelateerd is aan interpersoonlijke problematiek (Verlatingsangst, Instabiele Relaties, Woede). Identiteitsstoornis en Leegte lijken ook veelal samen clusteren (Taylor & Reeves, 2007; Benazzi, 2006; Sanislow et al., 2000; Blais et al., 1997) en ook stress geïnduceerde Paranoia/Dissociatie wordt samen gevonden met beide symptomen (Speranza et al., 2012). In het
21 netwerkmodel kwam naar voren dat deze drie symptomen, Identiteitsstoornis, Leegte en
Paranoia/Dissociatie, samen lijken te clusteren. De volgende hypothese werd hierover gevormd: In het borderline-netwerk bevindt zich een subnetwerk dat gerelateerd is aan identiteit, zelfbeeld en zelfregulatie (Identiteitsstoornis, Leegte, Paranoia/Dissociatie).
Uit onderzoek is gebleken dat Impulsiviteit bij personen met BPS correleert met Emotionele Instabiliteit (Jacob et al., 2010) Sommige onderzoekers vinden dat impulsiviteit mogelijk één van de belangrijkste aanstuurders van de overige BPS symptomen is (Bornovalova et al., 2008;), maar ander onderzoek vindt dat Impulsiviteit vermoedelijk voortkomt uit Emotionele Instabiliteit (Tragesser, & Robinson, 2009). Ook een link tussen Emotionele Instabiliteit en nonsuicidel self-injury
(automutilatie) wordt geregeld gevonden. Voornamelijk een hoge mate van negatieve emoties en een lage mate van positieve emoties correleert met automutilatie (Victor, & Klonsky, 2014; Anestis, Pennings, Lavender, Tull, & Gratz,2013). Een ander onderzoek vond dat met name de instabiliteit van ruminatie en emotie een rol speelt bij automutilatie (Selby, Franklin, Carson-Wong, Rizvi, 2013). Vanuit het netwerkmodel in de huidige studie is het aannemelijk dat zowel Impulsiviteit als
Zelfmutilatie/Suïcide voortkomen uit Emotionele Instabiliteit, aangezien beide symptomen perifeer staan in het model en niet al te sterke samenhang met andere symptomen laten zien. Ook lijken beide symptomen negatief met elkaar samen te hangen, binnen het netwerkmodel met Emotionele Instabiliteit (bor6), wat tegengesteld is aan het idee van Lieb, Zanarini, Schmahl, Linehan en Bohus (2004), dat Impulsiviteit en Zelfmutilatie/Suïcide onder eenzelfde cluster vallen. Het lijkt er op dat Impulsiviteit en Zelfmutilatie/Suïcide in het algemene netwerk iets met elkaar samenhangen, maar dat deze symptomen juist minder snel samen voor komen wanneer er sprake is van Emotionele Instabiliteit. Voor dit onderzoek werd een laatste hypothese opgesteld: Automutilatie/Suïcide en Impulsiviteit zijn problemen die primair voortkomen uit Emotionele Instabiliteit.
22
Studie 2
In de tweede studie werd dieper ingegaan op mogelijke causale relaties tussen symptomen. Hiervoor werd gepoogd de vier bovenstaande hypothesen nader te onderzoeken: (1) Kernsymptoom in het borderline netwerk is Emotionele Instabiliteit, wat nauw samenhangt met alle andere BPS symptomen. ; (2) In het borderline netwerk bevindt zich een subnetwerk, dat gerelateerd is aan interpersoonlijke problematiek (Verlatingsangst, Instabiele Relaties, Woede); (3) In het borderline netwerk bevindt zich een subnetwerk dat gerelateerd is aan identiteit, zelfbeeld en zelfregulatie (Identiteitsstoornis, Leegte, Paranoia/Dissociatie) en (4) Automutilatie/Suïcide en Impulsiviteit zijn problemen die primair voortkomen uit Emotionele Instabiliteit. Om tot een nadere toetsing van deze hypothesen te komen werd in studie 2 een additionele analyse gedaan, middels path-models, over dezelfde dataset als in studie 1. Bij deze analyse werd gekeken welke modellen aansluiten bij de data en de samenhang tussen symptomen. Daarnaast konden directionele verbanden tussen symptomen worden onderzocht.
Naast het testen van deze hypothesen werd gekeken of een netwerk benadering van BPS zou leiden tot een beter begrip van comorbiditeit. Bij een latente factor model geldt dat symptomen indicatoren zijn van een latente variabele. Wanneer comorbiditeit tussen stoornissen wordt gevonden, impliceert een latente factor model dat er sprake is van samenhang tussen latente variabelen van verschillende stoornissen. In een netwerkmodel wordt daarentegen de comorbiditeit tussen stoornissen verklaart door directe verbanden tussen symptomen. Dit zou inhouden dat niet zozeer een latente variabele, maar een causale relatie tussen symptomen bestaat. Zo zou het symptoom van de ene stoornis het symptoom van een andere stoornis kunnen voorspellen, dat mogelijk weer andere symptomen binnen het netwerk van die stoornis voorspelt. Op deze manier zou comorbiditeit tussen stoornissen kunnen optreden. Er zijn onderzoeken gedaan naar mogelijke factorstructuren binnen As-II stoornissen. Tot nu toe is er echter weinig consensus over welke symptomen van As-II stoornissen met elkaar samen clusteren en wat de onderliggende factor zou
23 zijn. In Tabel 7 staan de verwachtingen over mogelijke samenhang tussen symptomen van As-II stoornissen op basis van literatuur ( Durett, & Westen, 2005; Markon, 2010) en common sense. Tabel 7
Verwachtingen Verbanden tussen BPS Symptomen en Symptomen van andere As-II Stoornissen
BPS symptomen Verwachtingen verbanden
Bor1 Afhankelijke 1a, 6a en 8a en paranoïde 7b; negatief met schizoïde Bor2 Paranoïde 7b en theatrale 8; negatief met schizoïde
Bor3 negatief met Narcistische 1, 3, 5, 9
Bor4 Antisociale psa; vooral verwacht met 3 en 5, Narcistische psab, theatrale psb
Bor5 Geen directe verbandenab
Bor6 Geen directe verbandenab
Bor7 Geen directe verbandenab
Bor8 Paranoïde ps 5b, 6b, antisocial ps 4a, 7a, OCPS8b
Bor9 Paranoïde, schizotypische5
Noot: a onderzoek Durett & Westen (2005); b onderzoek Markon (2010)
Als laatste werd gekeken naar de voorspelbaarheid van MMPI-2 RC-schalen op de
symptomen van BPS. Er is bekend dat meerdere MMPI-2 RC-schalen behoorlijke voorspellers zijn van BPS (Kamphuis et al., 2008; Van der Heijden, Egger, Rossi, Grundel, & Derksen, 2013). Vanuit een latente variabele opvatting van BPS zou men verwachten dat deze schalen steeds een onderliggende dimensie voorspellen. In een 1-factor model zou daarom worden verwacht dat een RC-schaal die BPS goed kan voorspellen alle BPS-symptomen enigszins kan voorspellen (het zijn immers allen
indicatoren van dezelfde dimensie). Vanuit een netwerk-opvatting zou men daarentegen verwachten dat verschillende schalen verschillende symptomen direct voorspellen en dat vervolgens door directe relaties tussen symptomen een BPS-patroon ontstaat. Er wordt meer symptoom-specificiteit
verwacht in de voorspellingen. Op basis van de correlaties van Van der Heijden et al. (2013) en de netwerkmodellen van dit onderzoek, werden voorspellingen gedaan over de samenhang van
symptomen met de schalen (Tabel 8). De algemene verwachting was dat emotie-gerelateerde RC-schalen (RCd, RC2, RC7) voorspellers zouden zijn voor het kernsymptoom van BPS , namelijk
emotionele instabiliteit, terwijl andere RC-schalen meer perifere symptomen zouden voorspellen. Specifiek: dat RC3 (cyn), RC4 (asb) en RC6 (per) in ieder geval zouden samenhangen met de
symptomen Instabiele Relaties (Bor2), aangezien deze schalen problemen in relaties lijken te meten en met Woede (Bor8). Daarnaast werd verwacht dat RC3 (cyn) een samenhang zou laten zien met
24 Verlatingsangst(Bor1), omdat deze schaal wantrouwen in anderen meet, dat RC4 (asb) met
Impulsiviteit(Bor4) zou samenhangen omdat impulsiviteit vaker samen met antisociaal gedrag gevonden wordt en dat RC6 (per) met Paranoia (Bor9) samenhangt. Tevens werd verwacht dat RC7 (dne) een samenhang zou laten zien met Identiteitsstoornis (Bor3) en Leegte (Bor7) en dat RC8 (abx) een samenhang zou laten zien met Paranoia/Dissociatie (Bor9) en Emotionele Instabiliteit (Bor6), aangezien deze afwijkende ervaringen meet, die vermoedelijk worden veroorzaakt door extreme emoties. Als laatst werd verwacht dat RC9 (hpm) een samenhang zou laten zien met Impulsiviteit (Bor4) en Woede (Bor8), aangezien deze schaal onder andere agressie, risicogedrag en sensatie-zoeken meet. Naast deze analyses werden nogmaals analyses uitgevoerd, maar dit keer werd er gecontroleerd voor het symptoom Emotionele Instabiliteit (bor6), aangezien de verwachting was dat veel verbanden weg zouden vallen, wanneer er gecontroleerd werd voor dit symptoom en dat slechts de verbanden met meer perifere symptomen over zouden blijven. De verwachting dat veel verbanden zouden wegvallen wanneer gecontroleerd wordt voor Emotionele Instabiliteit is gebaseerd op de bevinding dat Emotionele Instabiliteit centraal staat in het BPS netwerk.
Vermoedelijk speelt Emotionele Instabiliteit een mediërende rol in de relaties tussen RC-schalen en andere BPS symptomen.
Tabel 8
Verwachtingen Voorspellende Waarden van de RC-Schalen op BPS Symptomen
RC-schalen Verwachtingen symptoom
RCd: demoralisatie Emotionele Instabiliteit (bor6)
RC1: somatiek Emotionele Instabiliteit (bor6)
RC2: lage positieve emoties Emotionele Instabiliteit (bor6)
RC3: cynisme Verlatingsangst (bor1), Instabiele Relaties (bor2),
Woede (bor8)
RC4: antisociaal gedrag Instabiele Relaties (bor2), Impulsiviteit (bor4), Woede (bor8)
RC6: achtervolgingswanen Instabiele Relaties (bor2), Woede (bor8), Paranoia/Dissociatie (bor9)
RC7: disfunctionele negatieve emoties Identiteitsstoornis (bor3), Emotionele Instabiliteit (bor6), Leegte(bor7)
RC8: afwijkende ervaringen Emotionele Instabiliteit (bor6), Paranoia/Dissociatie (bor9)
25
Methode
Deelnemers en materialen
Aan de tweede studie deden dezelfde deelnemers mee als aan de eerste studie en werden dezelfde vragenlijsten en tests gebruikt.
Statistische analyses
Mplus. Voor de statistische analyse van studie 2 werd Mplus, versie 6.1, gebruikt om
path-models te maken. Deze path-path-models zijn geschat op basis van logistische regressie, in plaats van
lineaire regressie, aangezien de symptomen van BPS dichotoom zijn gemeten. Bij multipele
logistische regressie wordt gekeken naar de kans op uitkomst A tegenover de kans op uitkomst B bij meerdere variabelen. Dit is de logaritmische kansverhouding ofwel de log odds. Structural Equation
Modelling (SEM) is een uitbreiding op multipele logistische regressie. Een groot voordeel van SEM
over multipele regressie is dat een variabele kan worden gemodelleerd als zowel afhankelijk (van andere variabelen) als onafhankelijk (voorspeller). Een applicatie van SEM is path analysis. Hierbij wordt uitgegaan van directe verbanden tussen variabelen; op deze manier kan richting worden gegeven aan de verbanden tussen symptomen. Nadeel van path analysis is dat effecten tussen variabelen slechts naar één richting gaan en niet bidirectioneel kunnen zijn. Zowel vanuit common
sense als vanuit de waarden van relatieve risico’s valt op te maken dat symptomen soms een
wisselwerking op elkaar hebben; in de path models is hier echter geen sprake van. Hierom wordt slechts de richting van de vermoedelijk sterkste relatie weergeven en kan een suboptimale fit worden verwacht,
Qgraph. Voor de comorbiditeitsanalyses werd met het programma Qgraph gewerkt. Middels odds ratios werd de samenhang tussen BPS symptomen en symptomen van andere As-II stoornissen berekend en deze werden in een model gezet, op dezelfde manier als de BPS symptomen in het netwerkmodel werden gezet. Eveneens werden de relatieve risico’s tussen de relaties berekend.
26 SPSS. Voor de analyses met de MMPI RC-schalen werd het programma SPSS gebruikt. Met de Kolmogorov-Smirnov test werd gekeken of scores op de RC-schalen van de deelnemers met en zonder BPS bij alle symptomen normaal verdeeld waren. Dit bleek niet in alle gevallen zo te zijn, wat een voorkeur gaf voor de Mann-Whitney U test, een non-parametrische toets, over de independent
samples T-test, bij welke de assumpties voor normaliteit moeten gelden. Deze test werd gebruikt om
te bepalen of deelnemers met BPS diagnose significant hoger of lager scoorden op de RC-schalen dan deelnemers zonder BPS diagnose; met een Spearman correlatie werd de samenhang tussen de RC-schalen en BPS-symptomen/BPS-dimensie berekend.
Resultaten
Hypothese gebaseerde Path Analysis
Met path analysis werd gekeken naar voorspelbaarheid van relaties binnen de BPS-symptomen. Het simpelste model beschrijft het symptoom Emotionele Instabiliteit als voorspeller van alle andere symptomen (Figuur 3 en Tabel 9). Zoals verwacht bleek dit model niet zo goed te passen binnen de data, omdat het te simplistisch is. Er werd een SABIC-waarde gevonden van: 1553.477, tegenover een SABIC-waarde van 1510.806 voor het 1-klasse model en een SABIC-waarde van 1487.395 voor het 1-factor model. Dit model bleek daarentegen wel beter dan een model waarin ieder ander symptoom als voorspeller van alle symptomen centraal werd gezet (Tabel 10).
Vervolgens werd een aangepast model gemaakt (Tabel 11 en Figuur 4), waarbij de
subnetwerken van “interpersoonlijke problematiek”(Verlatingsangst, Instabiele Relaties, Woede) en “zelfregulatie” (Identiteitsstoornis, Leegte, Paranoia/Dissociatie) werden toegevoegd. Verwacht werd dat verbanden tussen deze clustertjes, die uit de netwerkmodellen naar voren kwamen, extra
voorspellers zouden zijn binnen het path-model. In dit model werd verwacht dat het symptoom Verlatingsangst een voorspeller zou zijn voor zowel Instabiele Relaties als Woede. Tevens werd verwacht dat Woede een voorspeller van Instabiele Relaties zou zijn. In het subnetwerk
27 zouden zijn en Leegte een voorspeller van Identiteitsstoornis. Verder werd verwacht dat Impulsiviteit een voorspeller voor Woede zou zijn en Verlatingsangst een voorspeller voor Identiteitsstoornis. Dit aangepaste model bleek beter te passen bij de data; SABIC: 1514.664.
Tabel 10
SABIC Waarden van Path-Models met ieder symptoom (behalve bor6) als enige
voorspeller voor alle andere symptomen
Model SABIC bor1 1630,99 bor2 1606,25 bor3 1634,74 bor4 1666,82 bor5 1694,94 bor7 1662,89 bor8 1666,42 bor9 1664,73 Afhankelijke Variabele Onafhankelijke Variabele Odds Ratio Bor1 Bor6 11.794** Bor2 Bor6 7.841** Bor3 Bor6 6.807** Bor4 Bor6 6.924** Bor5 Bor6 7.558** Bor7 Bor6 7.850** Bor8 Bor6 7.222** Bor9 Bor6 12.938** Afhankelijke Variabele Onafhankelijke Variabele Odds Ratio Bor1 Bor6 11.566** Bor2 Bor1 4.460** Bor3 2.030 Bor6 2.155 Bor8 5.557** Bor3 Bor1 3.785** Bor6 2.414 Bor7 3.589** Bor4 Bor6 6.975** Bor5 Bor6 7.619** Bor7 Bor6 7.727** Bor8 Bor1 2.056 Bor4 2.846* Bor6 3.930** Bor9 Bor3 2.800* Bor6 6.569** Bor7 2.522
Figuur 3 Path-model met symptoom Emotionele
Instabiliteit als kernsymptoom
Tabel 9
Odds Ratio's tussen BPS symptomen van path-model Figuur 3
Tabel 11
Odds Ratio's tussen BPS symptomen van path-model Figuur 4
* significant op betrouwbaarheidsinterval van 95%; ** significant op betrouwbaarheidsinterval van 99%
** significant op betrouwbaarheidsinterval van 99%
28 Additionele exploratieve path-analyse
In beide bovenstaande path-modellen speelt het symptoom Instabiele relaties (bor2) slechts een passieve rol als afhankelijke variabele. Uit de netwerkmodellen is echter gebleken dat dit symptoom net als Emotionele Instabiliteit centraal staat binnen het BPS netwerk. In het volgende
path model (Figuur5 en Tabel 12) werd om deze reden het symptoom Instabiele Relaties naast het
symptoom Emotionele Instabiliteit meer centraal gezet. Verwacht werd echter dat Instabiele Relaties een minder grote rol zou spelen in de “zelfregulatie”-symptomen en voor het pathmodel werd om deze reden geen voorspellende waarde verwacht van Instabiele Relaties op de symptomen Identiteitsstoornis, Leegte en Paranoia. Bij dit model werd een SABIC-waarde van 1503.706 gevonden. Deze waarde is beter dan de LCA (SABIC: 1510.806), maar minder goed dan de 1-factor CFA (SABIC: 1487.395)
Figuur 4 Path-model met symptoom
Emotionele Instabiliteit als kernsymptoom en toegevoegd de subnetwerken "zelfregulatie" en "interpersoonlijke problematiek" en een brug tussen beide subnetwerken.
29 Comorbiditeitsmodellen
Als eerste werd binnen alle deelnemers gekeken hoe vaak elk symptoom van As-II stoornissen voorkomt (Tabel 13). Wanneer de symptomen minder dan tien keer voorkwamen, werden deze niet meegenomen in de comorbiditeitsmodellen, aangezien de prevalentie te laag was om betrouwbare analyses uit te kunnen voeren. Om deze reden vielen comorbiditeitsmodellen van BPS met schizotypische ps, schizoïde ps, theatrale ps, antisociale ps en passief-agressieve ps volledig af. Van de overige comorbiditeitsmodellen met As-II stoornissen werden in sommige gevallen één of meer symptomen niet meegenomen. Paranoïde ps werd ondanks de lage prevalentie van
symptomen wel meegenomen, aangezien zowel uit dit onderzoek (Tabel 14), als uit eerder onderzoek is gebleken dat deze stoornis vaak comorbide voorkomt met BPS (Zanarini et al., 1998). Afhankelijke Variabele Onafhankelijke Variabele Odds Ratio Bor1 Bor2 5.527** Bor6 7.565** Bor2 Bor6 7.869** Bor3 Bor1 3.524** Bor6 3.971** Bor4 Bor3 4.600** Bor6 5.651** Bor5 Bor2 2.573* Bor6 5.651** Bor7 Bor2 2.984* Bor6 5.621** Bor8 Bor2 6.281** Bor6 4.095** Bor9 Bor3 2.357 Bor4 3.449* Bor6 4.529** Bor7 3.019*
* Significant op betrouwbaarheidsinterval van 95%; ** Significant op betrouwbaarheidsinterval van 99%
Tabel 12
Odds Ratio's tussen BPS symptomen van path-model Figuur 5
Figuur 5. Path-model met Emotionele
Instabiliteit als kernsymptoom en met de subnetwerken Zelfregulatie en Interpersoonlijke problematiek,
waarbinnen deze laatste het symptoom Instabiele Relaties een grote rol krijgt toebedeeld
30 Tabel 13
Aantal Symptomen van As-II Stoornissen binnen de Onderzoeksgroep
As-II stoornissen
sympt1 sympt2 sympt3 sympt4 sympt5 sympt6 sympt7 sympt8 sympt9
Paranoïde 6 5 11 5 13 9 6 - - Schizotypische 1 2 1 0 7 1 0 10 4 Schizoïde 0 3 1 5 3 1 1 - - Narcistische 10 11 3 23 8 2 16 7 15 Borderline 41 35 43 32 37 49 47 35 23 Theatrale 7 5 3 1 2 3 4 3 - Antisociale 7 3 1 4 8 1 2 - - Vermijdende 35 53 50 82 58 64 39 - - Afhankelijke 18 16 20 19 26 7 8 14 - Obsf-comp. 23 50 23 14 8 38 6 18 - Pass-agress. 9 8 9 9 5 8 2 - - Depressieve 45 43 58 33 30 38 31 - - Tabel 14
Samenhang tussen Dimensies As-II Stoornissen en BPS-Dimensie (Spearman Correlatie) Correlatie met BPS (s) Paranoïde PS .406 (p<.001) Depressieve PS .370 (p<.001) Schizotypische PS .276 (p<.001) Afhankelijke PS .252 (p<.001) Theatrale PS .157 (p=.025) Vermijdende PS .155 (p=.026) Antisociale PS .155 (p=.027) Schizoïde PS .098 (p=.172) Passief-Agressieve PS .094 (p=.205) Obsessief-Compulsieve PS .063 (p=.366) Narcistische PS .002 (p=.973) Cluster A
Als eerste werd een comorbiditeitsmodel gemaakt van BPS met paranoïde ps (Appendix B). Verwacht werd dat de symptomen Verlatingsangst en Instabiele Relaties zouden samenhangen met “verdenkingen van ontrouw van partner “(para7) en dat Woede zou samenhangen met
“onvergeeflijkheid van anderen” (para5) en “snel aangevallen voelen” (para6). Als laatste werd verwacht dat Paranoia/Dissociatie zou samenhangen met alle symptomen van paranoïde ps. Uit de relatieve risico’s bleek dat er een vrij hoge samenhang tussen symptomen van beide stoornissen is. De specifieke verwachtingen bleken niet helemaal te kloppen. Bijna alle symptomen leken vrij sterk
31 met elkaar samen te hangen, behalve Automutilatie/Suïcide. Dit symptoom liet een iets negatieve samenhang met de paranoïde stoornis zien. Daarnaast bleek Paranoia/Dissociatie slechts met een aantal symptomen van paranoïde stoornis samen te hangen; met name met de symptomen die gaan over wantrouwen in andere personen (para 1, 2, 3, en 7).
Cluster B
Voor de comorbiditeit van BPS met narcistische ps werd verwacht dat er een positieve samenhang zou zijn tussen Impulsiviteit (bor4) en alle symptomen van de narcistische ps. Verder werd een negatieve samenhang verwacht tussen Identiteitsstoornis (bor3) en “ gevoelens van superioriteit” (nar1), “gevoelens van uniekheid, die alleen door andere speciale personen begrepen kunnen worden” (nar3), “meent speciale voorrechten te hebben” (nar5) en “ arrogantie” (nar9).
Uit het comorbiditeitsmodel met narcistische ps (Appendix B)kwamen voornamelijk
negatieve relaties naar voren. Hoewel er gemiddeld genomen geen verband werd gevonden tussen BPS en Narcistische ps, lijkt het er op dat een aantal symptomen desondanks negatief met elkaar correleren. Met name Gevoelens van superioriteit (Nar1), Fantasieën over faam/succes (Nar2) en Arrogantie/Hooghartigheid (Nar9) correleerden negatief met o.a. Angst voor afwijzing (Bor1), Identiteitsstoornis (Bor3), Emotionele Instabiliteit (Bor6) en Leegte (Bor7).
Dat Gevoelens van superioriteit (nar1) en Arrogantie/Hooghartigheid (nar9) negatief samenhangen met Identiteitsstoornis (bor3) bleek met de verwachting te kloppen. De overige gevonden relaties waren niet verwacht. Deze negatieve samenhang zou niet gevonden worden wanneer er alleen met factoranalyse naar de samenhang gekeken zou worden.
Cluster C
Over het comorbiditeitsmodel van BPS met ontwijkende ps waren geen specifieke verwachtingen gemaakt. Er bleek echter een aantal negatieve relaties naar voren te komen. Met name het symptoom Instabiele Relaties bleek een negatief verband te hebben met interpersoonlijke
32 problemen bij de ontwijkende ps (Appendix B). Hoewel er een positieve samenhang werd gevonden tussen BPS en ontwijkende ps (s=.155, p=.026) bleek op symptoomniveau dat juist de negatieve
samenhang in het oog springt. De optelsom van alle symptoomrelaties is positief, maar de negatieve verbanden die, hoewel in mindere mate, werden gevonden, zijn sterker.
Binnen het comorbiditeitsmodel van BPS met afhankelijke ps werd verwacht dat het symptoom Verlatingsangst (bor1) een positief verband zou laten zien met de symptomen “moeite met zelf dagelijkse beslissingen te maken” (afh1), “gevoelens van hulpeloosheid wanneer alleen, uit angst niet voor zichzelf te kunnen zorgen” (afh6) en “naarstig zoeken naar een nieuwe relatie voor support, wanneer een andere relatie verbroken is” (afh8). In het model werd echter alleen een positieve relatie gevonden tussen Verlatingsangst (bor1) en het zoeken naar een nieuwe relatie (afh8). Uit het comorbiditeitsmodel van BPS met afhankelijke ps (Appendix B) bleek tevens een positieve relatie te zijn tussen “de angst om alleen gelaten te worden en voor zichzelf te moeten zorgen” (Afh8) en Leegte (Bor7).Daarnaast werden voornamelijk negatieve relaties gevonden tussen afhankelijke ps symptomen en Impulsiviteit (Bor4), Zelfmutilatie/Suïcide (Bor5) en Woede (Bor8).
Wat opviel bij de comorbiditeitsmodellen met ontwijkende ps en afhankelijke ps is dat zowel deze twee persoonlijkheidsstoornissen als BPS draaien om interpersoonlijke problematiek: angst voor verlating of vernedering door anderen. Bij vermijdende ps zal voornamelijk voorkomen worden dat interpersoonlijke relaties worden gevormd, terwijl bij de afhankelijke ps er juist alles aan gedaan wordt om de gevormde interpersoonlijke relaties krampachtig vast te houden door aanklamping. Bij BPS wordt een patroon gezien van zowel het afstoten van de ontwijkende ps als het aanklampen van de afhankelijke ps op het gebied van interpersoonlijke relaties.
Wat betreft de comorbiditeit van BPS met obsessief-compulsieve ps werd verwacht dat Woede (bor8) positief zou samenhangen met “starheid en koppigheid”(Obs8). Uit het
comorbiditeitsmodel met Obsessief-compulsieve ps (Appendix B) kwam echter slechts naar voren dat gewetensvolheid (Obs4) en starheid/koppigheid (Obs8) iets negatief correleerden met
33 Zelfmutilatie/Suïcide (Bor5), Emotionele Instabiliteit (Bor6) en Identiteitsstoornis (Bor3). Over het geheel genomen bleek er geen correlatie te zijn tussen BPS en Obsessief-compulsieve ps.
Depressieve PS (PS-NAO)
Over comorbiditeit van de symptomen van BPS met PS-NAO waren geen voorspellingen gedaan. De sterkste samenhang werd gevonden tussen Neerslachtigheid (Depr1), Kritisch, beschuldigend naar zichzelf (Depr3), Kritisch, beoordelend naar anderen (Depr5) en Pessimisme (Depr6) met Leegte (Bor7) en Stressgerelateerde paranoia (Bor9; Appendix B). De verbanden tussen BPS en Depressieve ps lijken vooral te bestaan uit problemen in zelfregulatie en emotieregulatie.
RC-schalen en Borderline persoonlijkheidsstoornis
Uit de Mann-Whitney U test bleek dat de deelnemers met de diagnose BPS op de schalen RCd, RC3, RC6, RC7 en RC8 significant hoger scoorden dan de deelnemers zonder BPS (Tabel 15). Dit betekent dat de deelnemers met BPS gemiddeld meer pathologie/klachten lieten zien op deze schalen dan deelnemers zonder BPS.
Vervolgens werd aan de hand van Spearman’s correlaties gekeken naar de samenhang tussen de borderlinedimensie en borderline symptomen met de RC-schalen (Tabel 15 en Tabel 16). Uit het onderzoek bleek dat de correlaties zowel op dimensioneel niveau als op diagnostisch niveau een stuk lager uitkwamen dan de correlaties uit eerder onderzoek (Van der Heijden et al., 2013; zie inleiding).
34 Tabel 15
Correlaties RC-Schalen en BPS Dimensie en Verschil in Gemiddelden tussen Aan- en Afwezigheid van Symptomen op de RC-Schalen
RC-schalen
Correlationeel onderzoek Mann-Whitney test
r
Onderzoek Van der Heijden et al.
s Dimensie Eigen onderzoeksgroep Diagnose BPS M rank p RCd .43* .29* Wel 127,38 .024* Niet 99,46 RC1 .38* .19* Wel 123,35 .061 Niet 100,04 RC2 .16 .02 Wel 120,77 .101 Niet 100,42 RC3 .29 .26* Wel 127,52 .024* Niet 99,44 RC4 .45* .30* Wel 121,12 .094 Niet 100,37 RC6 .25 .32* Wel 126,62 .027* Niet 99,57 RC7 .52* .36* Wel 124,67 .046* Niet 99,85 RC8 .50* .30* Wel 128,21 .019* Niet 99,34 RC9 .40* .23* Wel 111,15 .452 Niet 101,82
Noot. In het onderzoek van Van der Heijden et al. werd gebruik gemaakt van correlaties tussen BPS diagnoses en
RC-schalen; in dit onderzoek werd gebruik voor de correlaties met de RC-schalen gebruik gemaakt van BPS dimensies en voor verschil in gemiddelden op de RC-schalen van BPS diagnoses.
Nwel=26, Nniet=127; * = significant op betrouwbaarheidsniveau van 95%.
Tabel 16
Correlaties BPS-Symptomen met RC-Schalen
Bor1 Bor2 Bor3 Bor4 Bor5 Bor6 Bor7 Bor8 Bor 9
RCd .050 .155* .123 .095 .252** .211** .203** .102 .182** RC1 -.004 .074 .120 .164* .165* .168* .086 .105 .121 RC2 -.047 .024 .029 -.047 .184** .107 .098 .003 .110 RC3 .136 .197** .121 .177* .107 .198** .158* .182** .198** RC4 .215** .168* .133 .304** -.011 .205** .147* .176* .212** RC6 .151* .257** .148* .198** .152* .309** .178* .230** .195** RC7 .082 .162* .140* .139* .296** .310** .196** .151* .198** RC8 .139* .138* .168* .258** .197** .278** .135 .110 .211** RC9 .112 .210** .142* .156* -.027 .161* .102 .142* .087
35 Aangezien Emotionele Instabiliteit een centraal symptoom is in het netwerkmodel van BPS en verscheidene gevonden correlaties tussen andere BPS symptomen en de RC-schalen mogelijk via Emotionele Instabiliteit lopen, werden tevens correlaties berekend, wanneer gecontroleerd werd voor Emotionele Instabiliteit (Tabel 17). Uit de gegevens bleek dat er inderdaad een groot aantal correlaties verdween. Dit betekent dat Emotionele Instabiliteit waarschijnlijk een mediërende rol speelt binnen de relaties tussen RC-schalen en andere BPS symptomen. Het lijkt er op dat er veel indirecte relaties bestaan tussen de RC-schalen en verscheidene BPS symptomen en dat deze vermoedelijk via het symptoom Emotionele Instabiliteit lopen. De overgebleven relaties staan beschreven in Tabel 18.
Tabel 17
Correlaties BPS-Symptomen met RC-Schalen, wanneer Gecontroleerd Wordt voor het Symptoom Emotionele Instabiliteit (bor6)
Bor1 Bor2 Bor3 Bor4 Bor5 Bor7 Bor8 Bor9
RCd -.039 .102 .076 .010 .188** .080 .088 .098 RC1 -.093 .001 .036 .091 .108 -.015 .047 .031 RC2 -.111 -.005 .000 -.106 .165* .062 -.014 .087 RC3 .077 .151* .056 .120 .051 .026 .122 .103 RC4 .080 .039 .066 .293** -.109 .005 .120 .127 RC6 .009 .118 .055 .071 .057 .021 .091 .043 RC7 -.027 .054 .050 .007 .219** .027 .069 .036 RC8 .070 .040 .088 .220** .079 .013 .033 .107 RC9 .067 .157* .101 .121 -.100 -.040 .147* -.018
* = significant bij betrouwbaarheidsinterval van 95%, ** =significant bij betrouwbaarheidsinterval van 99%.
Uit Tabel 18 valt op te maken dat bijna alle schalen correleren met Emotionele Instabiliteit, behalve RC2. Daarnaast is te zien dat: (1) RCd, RC2 en RC7positief correleren met
Automutilatie/Suïcide, (2) RC3 positief correleert met Instabiele Relaties, (3) RC4 en RC8 positief correleren met Impulsiviteit en (4) dat RC9 positief correleert met Instabiele Relaties en Woede. Dat Emotionele Instabiliteit met bijna alle RC-schalen samen blijkt te hangen en niet alleen de
emotionele schalen (RCd, RC1, RC2, RC7) was niet verwacht. Wat juist wel werd verwacht was dat dit symptoom een samenhang zou laten zien met RC2 (lpe); dit werd niet gevonden. Dat
