De Rol van Veerkracht bij Depressie, een Netwerkbenadering Iris Bosscher
Onder begeleiding van Claudia van Borkulo Universiteit van Amsterdam
29 juni 2015
Studentnummer: 10343911 Aantal woorden: 3478 Aantal woorden abstract: 236
Abstract
Depressie is een heterogene stoornis die steeds meer voor komt. Tot op heden is depressie vaak
onderzocht aan de hand van het latente variabele model, maar veel vragen blijven onbeantwoord. In dit onderzoek is door middel van een netwerkmodel gekeken naar de rol van veerkracht bij depressie. In een netwerkmodel worden mentale stoornissen geconceptualiseerd als complexe dynamische systemen van interacterende symptomen. Doormiddel van een vragenlijst bestaande uit de DASS en de MHC-SF, die is afgenomen bij 318 deelnemers, is gekeken naar de mate van veerkracht en depressie. De deelnemers zijn op basis van de MHC-SF score ingedeeld in een Lage Veerkracht groep en een Hoge veerkracht groep, en voor beide is een netwerk opgesteld. Met behulp van de Network Comparison Test zijn de netwerken met elkaar vergeleken. De netwerken bleken niet van elkaar te verschillen (D = 0.507, p = .706). Op symptoomniveau bleken, ‘sombere gevoelens en zwaarmoedigheid’, ‘niet in staat zijn plezier te beleven aan dingen’ en ‘interesseverlies’ een belangrijke rol te spelen in het netwerk van mensen met een lage mate van veerkracht. Voor mensen met een hoge mate van veerkracht gold dit voor ‘het gevoel als persoon niet veel voor te stellen’ en ‘het gevoel niets te hebben in te toekomst om zich op te verheugen’. Dergelijke informatie kan in de klinische praktijk worden toegepast door in therapie de focus te leggen op de belangrijkste symptomen en zo depressieklachten bij cliënten te verminderen.
De Rol van Veerkracht bij Depressie, een Netwerkbenadering
Depressie is een van de meest voorkomende mentale stoornissen in de wereld (Antai-Otong, 2003). Verwacht wordt dat depressie in 2020 de op één na meest voorkomende ziekte is in de wereld (Kenny & Williams, 2007). Depressie kenmerkt zich door gevoelens van verdriet, hulpeloosheid, waardeloosheid en schuld, terugtrekking uit het sociale leven en verstoringen in eetlust, seksueel verlangen en slaap (Edward, 2005). De emotionele, sociale en economische lasten van deze stoornis zijn zwaar, voor zowel degene die aan depressie lijdt, als voor zijn familie en omgeving. Vrouwen lopen een groter risico op het ontwikkelen van een depressie dan mannen (Al-Issa & Tousignant, 1997). Ook verschilt de prevalentie van depressie tussen verschillende culturen, wat kan worden verklaard door onder andere verschillen in psychosociale ondersteuning van de omgeving en
verschillen in de manier waarop mensen betekenis geven aan gebeurtenissen, gedachten en gevoelens (Gray, 1999).
Niet alleen tussen culturen zijn er verschillen in het risico op depressie. Ook binnen een cultuur verschilt het risico op depressie tussen individuen (Bonannoo, 2004). Wat veroorzaakt deze verschillen? Ondanks het vele onderzoek gericht op het onderscheiden van risicofactoren voor depressie, kan de stoornis nog onvoldoende voorspeld worden. Een van de risicofactoren die uit dergelijk onderzoek naar voren is gekomen is het ervaren van stressvolle levensgebeurtenissen (Bonanno, 2004). Deze blijken het risico op het ontwikkelen van een depressie kan verhogen (Kendler, Karkowski & Prescott, 1999). Opvallend is echter dat mensen zeer verschillend op zulke stressvolle ervaringen reageren (Bonanoo, 2004). Waarom ontwikkelt de een wel een depressie na een dergelijk ervaring en de ander niet? Om hierop een antwoord te verkrijgen dient onderzoek mogelijk af te stappen van onderzoek naar risicofactoren, en zich juist te richten op het onderscheiden van factoren die juist tegen depressie beschermen (Luthar, Cicchetti & Becker, 2000)
Veerkracht (resilience) is een factor die mogelijk kan verklaren waarom mensen zo
verschillend reageren op stressvolle levensgebeurtenissen. Veerkracht kan worden omschreven als het vermogen uit te stijgen boven moeilijke situaties (Criss, Pettit, Bates, Dodge & Lapp, 2002).
zingeving, sociale steun en een actieve copingstijl als de belangrijkste psychosociale factoren die geassocieerd worden met veerkracht tegen stress en depressie. Deze factoren beïnvloeden hoe mensen reageren op bepaalde ervaringen. Samenvattend kan veerkracht worden gezien als de mate waarin iemand succesvol om kan gaan met de stressvolle situaties waaraan hij blootgesteld wordt (Maybery, , Ling & Szakacs, 2002).
Naast een focus op beschermende factoren in plaats op van risicofactoren voor depressie dient mogelijk ook vanuit en ander perspectief naar depressie gekeken te worden (Fried, 2015). Veel onderzoek naar depressie wordt gedaan vanuit het latente variabele model. Dit gaat er vanuit dat depressie de onderliggende factor (de latente variabele) is die alle depressie symptomen veroorzaakt. Bovendien wordt aan alle symptomen in dit model dezelfde waarde toegekend en zouden de
correlaties tussen de symptomen enkel worden veroorzaakt door hun gemeenschappelijke oorzaak (Cramer, Borsboom, Aggen & Kendler, 2012). Dit geldt ook voor het stellen van een diagnose. Er wordt vanuit gegaan dat men kan spreken over een depressie wanneer aan voldoende van de DSM criteria wordt voldaan (APA, 2000). Dit betekent dat gesteld wordt dat iemand depressief is wanneer hij last heeft van een bepaalde hoeveelheid symptomen. De aanwezigheid van een symptoom zegt echter niet genoeg over de ernst van dit symptoom, de rol die het symptoom speelt in relatie tot andere symptomen en de mate van disfunctioneren die het symptoom veroorzaakt, terwijl deze patronen per persoon verschillen blijken (Fried, Nesse, Guille & Sen, 2015). Zo blijken ook stressvolle
levensgebeurtenissen te resulteren in verschillende symtoompatronen. Na bijvoorbeeld het eindigen van een relatie bleken mensen vooral last te hebben van een depressieve stemming en
schuldgevoelens. Stress werd daarentegen geassocieerd met vermoeidheid en slapeloosheid (Cramer et al., 2012). Twee depressieve mensen kunnen beide last hebben van een bepaald symptoom, maar dit symptoom kan bij de één een veel prominentere rol spelen dan bij de ander. Deze bevindingen spreken het latente variabele model dus tegen.
Het recent ontwikkelde netwerkmodel lijkt beter aan te sluiten bij de complexiteit van depressie en mentale stoornissen in het algemeen (Borsboom, 2008). Een voordeel van het netwerk model ten opzichte van het latente variabele model is dat er met het netwerkmodel niet wordt gefocust op de gemiddelde ernst van symptomen en niet wordt gewerkt vanuit het idee dat er een onderliggende
gemeenschappelijke oorzaak is voor de aanwezige symptomen. In netwerkmodellen worden symptomen geconceptualiseerd als complexe dynamische systemen van interacterende symptomen (Kendler et al., 2011; Cramer, Waldorp, Van De Maas, Borsboom , 2010). Correlaties tussen symptomen representeren bovendien werkelijke relaties (Cramer et al., 2010). Als voorbeeld stelt Borsboom (2013) dat het niet aannemelijk is dat een gevonden correlatie tussen slapeloosheid en vermoeidheid enkel worden veroorzaakt door hun gemeenschappelijke oorzaak, zoals vanuit het latente variabele model gesteld wordt, terwijl vermoeidheid een gebruikelijk gevolg van slapeloosheid is. In het netwerkmodel wordt er dus vanuit gegaan dat symptomen direct met elkaar verbonden zijn en elkaar wederzijds beïnvloeden. Dit betekent bijvoorbeeld dat iemand verdriet ervaart als gevolg van gevoelens en emoties die worden geactiveerd door een stressvolle levensgebeurtenis. Er ontstaat dan een vicieuze cirkel (een feedbackloop) van symptomen die elkaar wederzijds aansteken, beïnvloeden en mogelijk versterken. Dit kan zodanig uit de hand lopen dat zo’n feedbackloop uitmondt in een volledige depressieve episode (Van Borkulo et al., 2015).
Door middel van kennis over symptomen en hun onderlinge relaties (connectiviteit) kan een netwerk opgesteld. Hoe sterker de connectiviteit van symptomen binnen het complexe dynamische systeem, hoe sterker de feedback tussen deze symptomen zal zijn en activiteit van één symptoom zal sneller leiden tot activatie van andere symptomen. De mate van connectiviteit van een netwerk zou iets kunnen zeggen over de kwetsbaarheid voor het ontwikkelen van een depressie (Van Borkulo et al., 2015).
Aangezien een hogere mate van veerkracht geassocieerd is met een lagere mate van depressie (Hjemdal, Vogel, Solem, Hagen & Stiles, 2011) bekijkt dit onderzoek wat de rol is van veerkracht als beschermende factor bij depressie, door te onderzoeken of de mate van veerkracht invloed heeft op de complexe dynamische systemen van depressiesymptomen. Verwacht wordt dat er in het
depressienetwerk van mensen met een lage mate van veerkracht sprake is van een sterkere
connectiviteit dan in het depressienetwerk van mensen met een hoge mate van veerkracht. De lokale connectiviteit tussen individuele symptomen binnen de netwerken zullen worden benaderd met drie centraliteitsmaten: strenght, closeness en betweenness (Opsahl, Agneessens & Skvoretz, 2010). Door middel van deze centraliteitsmaten kan gekeken worden hoe groot de rol is die individuele symptomen
hebben binnen het netwerk. Dit kan belangrijke implicaties hebben voor de klinische praktijk. Als bekend is welke rol een bepaald symptoom speelt bij iemand, kan in therapie de focus op de juiste aspecten gelegd worden.
Methode Deelnemers
Deelnemers (gezond en uit de normale populatie) werden verworven via email en social media en konden uit eigen beweging besluiten deel te nemen aan het onderzoek. Ze ondertekenden een informed consent en gaven daarmee aan op de hoogte te zijn van het doel van het onderzoek.
Vervolgens konden zij de vragen in hun eigen tijd en omgeving invullen (dit nam ongeveer 5 minuten in beslag). Een deel van de deelnemers vulde enkel de 14 depressie vragen van de DASS en de 14 vragen van de MHC-SF in (zie materialen), en een andere deel van de deelnemers nam deel aan een groter onderzoek over emotie en psychopathologie, waarin naast de gehele DASS en de MHC-SF ook andere vragenlijsten ook de werden afgenomen. Psychologiestudenten konden met hun deelname 1 proefpersoonpunt verdienen. Behalve een minimale leeftijd van 18 jaar waren er geen exclusie criteria. Materialen
De Depressie, Angst en Stress Scale (DASS; origineel van Lovibond & Lovibond, 1995; bewerkt door Dyck, 2001) en de Mental Health Continuum Short Form (MHC-SF; Keyes, 2002; Nederlandse versie Lamers, Westerhof, Bohlmeijer, Ten Klooster & Keyes, 2011) werden
afgenomen. Van de DASS werden enkel de 14 depressievragen afgenomen. Deze vragen testen het voorkomen van depressiesymptomen in de afgelopen week. Een van de vragen luidt: "Ik voelde me verdrietig en depressief". Deelnemers dienen op een vier-punts Likertschaal (nooit, soms, vaak, meestal) aan te geven in hoeverre deze uitspraak op hen van toepassing is geweest in de afgelopen week. Door middel van de somscore van alle items wordt de uiteindelijke score berekend, welke kan lopen van 14 (minst depressief) tot 42 (meest depressief). De gehele DASS heeft een betrouwbaarheid van α ≈ .91, de depressie subschaal heeft een betrouwbaarheid van α ≈ .95 en de interne consistentie van DASS is erg hoog. (Dyck, 2001).
De MHC-SF bestaat uit 14 items die positief welbevinden meten; 3 items meten het
emotioneel welbevinden, 6 items meten het psychologisch welbevinden en 5 items meten het sociaal welbevinden. Hier wordt de mate van veerkracht van afgeleid. De deelnemers wordt gevraagd aan te geven in hoe vaak er in de afgelopen maand sprake was geweest van de in de items genoemde uitspraken. Een van de items uit de MHC-SF luidt: "In hoeverre had je in de afgelopen maand het gevoel dat je tevreden was?" Deelnemers dienen op een zes-punts Likertschaal (nooit, een of twee keer, ongeveer 1 keer per week, 2 of 3 keer per week, bijna elke dag, elke dag) aan te geven in hoe vaak dit voor hen gold in de afgelopen maand. Door middel van de somscore van alle items wordt de totaalscore berekend, welke kan lopen van 14 (lage mate van veerkracht) tot 84 (hoge mate van veerkracht). De MHC-SF heeft een betrouwbaarheid van α = .89 (Lamers et al., 2011).
Statistische analyse Groepen
Op basis van de somscore van de MHC-SF werden twee groepen gecreëerd. De mediaan van deze scores werd als cut-off score gebruikt. Deelnemers met een somscore van de mediaan of lager werden ingedeeld in de Lage Veerkracht groep (LV). Deelnemers met een somscore hoger dan de mediaan werden ingedeeld in de Hoge Veerkracht groep (HV).
Standaardisatietesten
Door middel van een onafhankelijke t-test werd gekeken of de LV groep en de HV groep van elkaar verschilden wat betreft depressiescore. Ook werd doormiddel van deze test gekeken of de twee groepen van elkaar verschilden qua leeftijd. Om na te gaan of de twee groepen van elkaar verschilden wat betreft sekse werd en Chi-kwadraat toets uitgevoerd.
Netwerk schatting
Op basis van de behaalde score op de DASS werd een netwerk opgesteld. Deze vragen werden in het netwerk weergegeven als knopen. De relatie tussen deze knopen werd benaderd met behulp van l1-gereguleerde partiële correlaties. Dit zijn de significante correlaties tussen symptomen als voor alle andere symptomen gecontroleerd wordt. De dikte van de lijnen die deze verbindingen weergeven is afhankelijk van de sterkte van de correlatie.
Om een zo spaarzaam mogelijk netwerk te schatten en zo de belangrijkste verbindingen weer te geven werd l1-penalty (lasso) uitgevoerd. Dit zorgt ervoor dat de partiele correlaties kleiner worden of slinken tot nul. Hierdoor blijven enkel sterkere verbindingen over (Van Borkulo et al., 2015). Het krimpniveau werd bepaald aan de hand van het Extended Bayesian Information Criteria (EBIC, Chen & Chen, 2008). Met behulp van de EBIC wordt gekeken wat het best passende model is bij de gegeven data. De EBIC beperkt te som van de absolute waarde van het aantal mogelijke verbindinen door middel van hypermarameter y. Wanneer y gelijk was aan nul werden geen beerkingen opgelegd en wordt de dichtheid van het netwerk groter. Als y één is werd het aantal verbindingen beperkt en wordt de dichtheid van het netwerk kleiner. Omdat onduidelijk was voor welke waarde van y het beste gekozen kon worden is de totale range van y gebruikt (0, .1, .2, … 1). Door middel van qgrah werden de netwerken gevisualiseerd in RStudio (R package qraph; Epskamp, Cramer, Waldorp, Schmittmann & Borsboom, 2012)
Verschillen in globale connectiviteit
Globale connectiviteit kan worden gedefinieerd als de gewogen som van alle connecties (Barrat, 2004). Verschillen in de globale connectiviteit van de netwerken van beide groepen werden berekend met behulp van de Netwerk Commparison Test (NCT; Van Borkulo et al., 2015). De NCT is in R uit te voeren met het pakket NetworkComparisonTest. De NCT is een permutatie-test die de verschillen tussen twee groepen herhaaldelijk berekend (in dit geval 1000 keer) voor random heringedeelde groepen. Dit resulteert in een verdeling die bij de nulhypothese past. De nulhypothese stelde dat e netwerken dezelfde globale connectiviteit hebben. Voor het verwerpen van de
nulhypothese werd een significantieniveau van 0.05 gehanteerd. Verschillen in lokale connectiviteit
Om te kijken wat de rol was van individuele symptomen in het netwerk werd gekeken naar drie lokale centraliteitsmaten: betweenness, closeness en node strenght. Door middel van deze centraliteitsmaten kan gekeken worden welke symptomen een belangrijke activerende rol spelen en welke symptomen belangrijke posities innemen binnen het netwerk (Van Borkulo et al., 2015). Node Strenth meet het gewogen aantal verbindingen die een symptoomknoop heeft met andere
gemiddelde afstand van een knoop tot alle andere knopen en houdt hierbij wel rekening met de globale structuur van het netwerk (Boccalleti, Latora, Moreno, Chaves & Hwang, 2006). Betweenness geeft aan hoe belangrijk een knoop is bij het verspreiden van informatie binnen het netwerk door te meten hoe vaak een bepaalde knoop op de route van twee andere knopen ligt. Deze symptoomknopen vormen een soort brugsymptomen tussen clusters van symptomen en controleren zo de stroom van informatie binnen het netwerk (Opsahl et al., 2010).
Resultaten
Na de afname van de vragenlijst bleek er bij een deel van de deelnemers een verschil te zitten in de aangeboden antwoordmogelijkheden van de MHC-SF. Een deel van de deelnemers had een antwoordmogelijkheid minder aangeboden gekregen. Om de data samen te kunnen voegen zijn daarom twee antwoordmogelijkheden samengevoegd tot één: de antwoordmogelijkheden 3 ("ongeveer 1 keer per week") en 4 ("2 of 3 keer per week") zijn samengevoegd. Deelnemers die 4 als antwoord hadden ingevuld zijn uiteindelijk gescoord met een 3, net als de deelnemers die als antwoord 3 hadden ingevuld.
Statistische analyses
Van de 318 deelnemers waren 120 vrouw (37,7%) en 198 man (62,2%) (zie tabel 1). De gemiddelde leeftijd was 27,69 (SD=11,8) jaar (zie tabel 2). De mediaan van de MHC-SF somscore was 41. Hierop gebaseerd werden 170 deelnemers ingedeeld in de Lage Veerkracht groep (53,5%). 45 (26,5%) van hen waren vrouw en 125 (73,5%) waren man. Binnen deze groep hadden de deelnemers een gemiddelde leeftijd van 27,25 (SD=11,77). Er werden 148 deelnemers werden ingedeeld in de Hoge Veerkracht groep (46,5%). 75 (50,7%) van hen waren vrouw en 73 (49,3%) waren man. Binnen deze groep hadden de deelnemers een gemiddelde leeftijd van 27,98 (SD=11,80).
Om te testen of de groepen van elkaar verschillen qua leeftijd werd onafhankelijke t-test uitgevoerd. Er werd geen significant verschil gevonden; t(316) = -.553, p =.581. Dit betekent dat de twee groepen niet van elkaar verschillen wat betreft leeftijd.
Om te testen of de groepen van elkaar verschillen qua geslacht werd een Chi-kwadraat test uitgevoerd. Hieruit bleek significante relatie tussen sekse en groep; X2 = (1, N=318) = 19.729, p <.001. Dit betekent at de groepen verschilden wat betreft sekse.
Uit een onafhankelijke t-test bleek dat deelnemers in de LV groep een significant hogere depressiescore hebben dan deelnemers in de HV groep (LV: M=21.20, SD=7.579; HV: M=18.89, SD=5.474); t(316) = 3.072, p =.002. De onafhankelijke t-test voor de score van de MHC-SF wees uit dat deelnemers in de LV groep een significant lagere score hebben dan deelnemers in de HV groep (LV: M=37.08; SD=4,487; HV: M=48.28; SD=6,983); t(316) = -17.302, p < .001.
Verschillen in algehele connectiviteit
Door middel van de NCT is berekend of de twee opgestelde netwerken significant van elkaar verschillen. Dit bleek niet het geval; D = 0.507, p = .706. Over de gehele range van y werden geen verschillen tussen de netwerken gevonden. In figuur 1 zijn de l1-geregulariseerde partiële
correlatienetwerken afgebeeld. Verschillen in lokale connectiviteit
Om te kijken naar verschillen in lokale connectiviteit zijn de twee netwerken vergeleken met behulp van de drie centraliteitsmaten. De node strength bleek in beide groepen ongeveer gelijk, wat betekent dat de beide netwerken niet sterk verschilden wat betreft de mate van verbondenheid die de individuele symptoomknopen hadden met andere knopen. Een aantal kleine verschillen waren op te merken voor D6 (Het gevoel als persoon niets voor te stellen), welke hoger was voor de HV groep dan voor de LV groep. In de LV groep gold dit juist voor D9 (Sombere gevoelens en zwaarmoedigheid) Ook de closeness was in beide groepen ongeveer gelijk. Dit betekent dat de afstand die de symptomen moesten afleggen naar andere symptoomknopen niet verschilde tussen de twee netwerken. Bij de betweenness bleken wel een aantal verschillen tussen de netwerken. Opvallend was de hoge
betweenness van D12 (Iets in de toekomst hebben om me op te verheugen) voor de HV groep. In de LV groep was de betweenness van D5 (Interesseverlies), D8 (Niet in staat enig plezier te hebben bij wat ik deed) en D9 (Sombere gevoelens en zwaarmoedigheid) juist hoger dan in de HV groep. Dit betekent dat D5, D8 en D9 in het netwerk van de LV groep een grotere verbindende rol spelen dan ze doen in het netwerk van de HV groep. In de HV groep geldt dit juist voor D12.
Discussie
De netwerken van mensen met een lage mate van veerkracht en mensen met een hoge mate van veerkracht bleken niet van elkaar te verschillen in globale connectiviteit. Tegen de verwachting in bleek een lage mate van veerkracht niet te resulteren in een sterker verbonden depressie netwerk. Wel kwamen er een aantal symptomen naar voren die verschillenden wat betreft hun rol in het netwerk. Bij mensen met een lage mate van veerkracht blijkt ‘het hebben van sombere gevoelens en
zwaarmoedigheid’ een activerende rol te spelen binnen het symptoomnetwerk. Bij mensen met een hogere mate van veerkracht bleek dit juist te gelden voor ‘het gevoel als persoon niet veel voor te stellen’. Verder bleken ‘het hebben van sombere gevoelens en zwaarmoedigheid’, ‘niet in staat zijn plezier aan iets te beleven’ en ‘interesseverlies’ belangrijke brugsymptomen voor mensen met een lage mate van veerkracht. Voor mensen met een hogere mate van veerkracht gold dit juist voor ‘het gevoel niets te hebben in de toekomst om zich op te verheugen’. Dit zijn punten waar in de klinische praktijk rekening mee kan worden gehouden, door de focus van therapie op de voor de individu belangrijke symptomen te leggen.
Dit onderzoek telt een aantal beperkingen. Bij de MHC-SF is bij een deel van de deelnemers een antwoordmogelijkheid minder gegeven en daarom is zijn bij het andere deel van de deelnemers twee antwoordmogelijkheden samengevoegd. Hierdoor wijkt voor een deel van de deelnemers de uiteindelijke score af van wat het zou zijn geweest met de antwoorden die ze oorspronkelijk hadden gegeven. Mogelijk zijn de verschillen in veerkracht hierdoor onderschat. Verder bleek er een relatie te zijn tussen de mate van veerkracht die mensen hadden en of zij man of vrouw waren, terwijl het beter zou zijn als dit onafhankelijk van elkaar was. Mogelijk speelt geslacht een rol in de mate van
veerkracht en is het interessant om dit te onderzoeken. Ten slotte zou het nuttig zijn om in
vervolgonderzoek ook deelnemers op te nemen uit de klinische populatie, om zo een bodem effect te voorkomen. Doordat aan dit onderzoek enkel mensen deelnamen uit de gezonde populatie was er mogelijk te weinig verschil in de hoeveelheid depressieve symptomen die de deelnemers ervoeren.
Een suggestie voor volgend onderzoek is dat in plaats van enkel een gezonde populatie, ook mensen uit de klinische populatie (gediagnosticeerd met een depressie) worden meegenomen in het onderzoek. Zo kan een vloereffect van depressie worden voorkomen. Verder is het mogelijk
interessant om in vervolg onderzoek stressvolle levensgebeurtenissen mee te nemen. Veerkracht is de mate waarin iemand succesvol om kan gaan met de stressvolle situaties waaraan hij wordt blootgesteld en daarom zou het interessant kunnen zijn om te kijken in welke mate iemand is blootgesteld aan stressvolle levensgebeurtenissen en op welke manier iemand hiermee om is gegaan. Ook zou het interessant kunnen zijn om door middel van longitudinaal onderzoek te kijken hoe de mate van veerkracht en de kwetsbaarheid voor depressie verschillen over tijd. Op deze manier kan bijvoorbeeld gekeken worden of het verband tussen veerkracht en depressie verschillend is voor verschillende leeftijden, of zou er gekeken kunnen worden of er een verschil is in de mate van veerkracht tussen mensen die depressief zijn geweest (en wanneer / hoe lang) en mensen die niet depressief zijn geweest.
Dit onderzoek heeft laten zien dat mensen met een verschillende mate van veerkracht niet van elkaar verschillen wat betreft depressie symptoomnetwerk. Wel zijn er door depressie en veerkracht met een netwerkmodel te benaderen een aantal individuele symptomen naar voren gekomen waar in de klinische praktijk mogelijk meer op gefocust kan worden. Dit draagt bij aan het idee dat het goed is om depressie in de toekomst te benaderen vanuit een netwerkperspectief, om zo de vele aspecten van depressie die nog altijd onbekend zijn beter te kunnen begrijpen.
Literatuurlijst
Al-Issa, I., & Tousignant, M. (Eds.). (1997). Ethnicity, immigration, and psychopathology. Springer Science & Business Media.
Antai‐Otong, D. (2003). Antidepressant discontinuation syndrome. Perspectives in psychiatric
care, 39(3), 127-128.
Barrat, A., Barthelemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences of the United States of
America, 101(11), 3747-3752.
Boccaletti, S., Latora, V., Moreno, Y., Chavez, M., & Hwang, D. U. (2006). Complex networks: Structure and dynamics. Physics reports, 424(4), 175-308.
Bonanno, G. A. (2004). Loss, trauma, and human resilience: have we underestimated the human capacity to thrive after extremely aversive events?.American psychologist, 59(1), 20. Borsboom, D. (2008). Psychometric perspectives on diagnostic systems. Journal of clinical
psychology, 64(9), 1089-1108.
Borsboom, D., & Cramer, A. O. (2013). Network analysis: an approach to the structure of psychopathology. Annual review of clinical psychology, 9, 91-121.
Cramer, A. O., Waldorp, L. J., van der Maas, H. L., & Borsboom, D. (2010). Comorbidity: A network perspective. Behavioral and Brain Sciences, 33(2-3), 137-150.
Cramer, A. O. J., Borsboom, D., Aggen, S. H., & Kendler, K. S. (2012). The pathoplasticity of dysphoric episodes: differential impact of stressful life events on the pattern of depressive symptom inter-correlations. Psychological medicine, 42(05), 957-965.
Criss, M. M., Pettit, G. S., Bates, J. E., Dodge, K. A., & Lapp, A. L. (2002). Family adversity, positive peer relationships, and children’s externalizing behavior: A longitudinal perspective on risk and resilience. Child development,73(4), 1220-1237.
Dyck, V. (2001). De DASS: een vragenlijst voor het meten van depressie, angst en stress.
Edward, K. L. (2005). Resilience: A protector from depression. Journal of the American Psychiatric
Nurses Association, 11(4), 241-243.
Network visualizations of relationships in psychometric data. Journal of Statistical
Software, 48(4), 1-18.
Fried, E. I. (2015). Problematic assumptions have slowed down depression research: why symptoms, not syndromes are the way forward. Frontiers in Psychology, 6, 309.
Fried, E. I., Nesse, R. M., Guille, C., & Sen, S. (2015). The differential influence of life stress on individual symptoms of depression. Acta Psychiatrica Scandinavica, 131(6), 465-471. Gray, J. R. (2004). Integration of emotion and cognitive control. Current Directions in Psychological
Science, 13(2), 46-48.
Hjemdal, O., Vogel, P. A., Solem, S., Hagen, K., & Stiles, T. C. (2011). The relationship between resilience and levels of anxiety, depression, and obsessive–compulsive symptoms in adolescents. Clinical psychology & psychotherapy, 18(4), 314-321.
Kendler, K. S., Karkowski, L. M., & Prescott, C. A. (1999). Causal relationship between stressful life events and the onset of major depression. American Journal of Psychiatry, 156(6), 837-841. Kendler, K. S., Aggen, S. H., Knudsen, G. P., Røysamb, E., Neale, M. C., & Reichborn-Kjennerud, T.
(2011). The structure of genetic and environmental risk factors for syndromal and subsyndromal common DSM-IV axis I and all axis II disorders. Structure, 168(1). Kenny, M. A., & Williams, J. M. G. (2007). Treatment-resistant depressed patients show a good
response to mindfulness-based cognitive therapy.Behaviour research and therapy, 45(3), 617-625.
Kessler, D., Heath, I., Lloyd, K., Lewis, G., & Gray, D. P. (1999). General Practice Cross sectional study of symptom attribution and recognition of depression and anxiety in primary care. Commentary: There must be limits to the medicalisation of human distress. British medical
journal, 318(7181), 436-440.
Keyes, C. L. (2002). The mental health continuum: From languishing to flourishing in life. Journal of
health and social behavior, 207-222.
Lamers, S., Westerhof, G. J., Bohlmeijer, E. T., ten Klooster, P. M., & Keyes, C. L. (2011). Evaluating
the psychometric properties of the mental health continuum‐short form (MHC‐SF). Journal of
Lovibond, P. F., & Lovibond, S. H. (1995). The structure of negative emotional states: Comparison of the Depression Anxiety Stress Scales (DASS) with the Beck Depression and Anxiety
Inventories. Behaviour research and therapy,33(3), 335-343.
Luthar, S. S., Cicchetti, D., & Becker, B. (2000). The construct of resilience: A critical evaluation and guidelines for future work. Child development, 71(3), 543-562.
Maybery, D., Ling, L., & Szakacs, E. (2002). The needs of children with parents who have a mental illness. La Trobe University, Wodonga.
Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245-251.
Southwick, S. M., Vythilingam, M., & Charney, D. S. (2005). The psychobiology of depression and resilience to stress: implications for prevention and treatment. Annu. Rev. Clin. Psychol., 1, 255-291.
Van Borkulo, C. D., Borsboom, D., Epskamp, S., Blanken, T. F., Boschloo, L., Schoevers, R. A., & Waldorp, L. J. (2014). A new method for constructing networks from binary data. Scientific
Reports, 4, 5918.
Van Borkulo, C. D., Boschloo, L., Borsboom, D., Penninx, B. W. J. H., Waldorp, L. J., Schroevers, R. A. (2015). Do symptom expression patterns matter? Network structure predicts the course of depression. Manuscript submitted for publication.
Tabellen en Figuren Tabel 1.
Aantal mannen en vrouwen per groep, percentage mannen en vrouwen per groep, percentage deelnemers per groep
Groep 1 Groep 2 Totaal (N=318) Man 125 73 198 Vrouw 45 75 120 % 53,5 46,5 Tabel 2.
Gemiddelde leeftijd en standaarddeviatie per groep Groep 1 Groep 2 Totaal (N=318) Gemiddelde 27,25 27,98 27,69 SD 11,77 11,80 11,80 Tabel 3. Depressievragen Vraagnummer D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 D13 D14 Vraag
Ik was niet in staat om ook maar enig positief gevoel te ervaren Ik kon maar niet op gang komen
Ik had het gevoel dat ik niets had om naar uit te kijken Ik voelde me verdrietig en depressief
Ik had mijn interesse in zo'n beetje alles verloren Ik had het gevoel dat ik als persoon niet veel voorstel Ik had het gevoel dat mijn leven niet de moeite waard is Ik was niet in staat om enig plezier te hebben bij wat ik deed Ik voelde me somber en zwaarmoedig
Ik was niet in staat om over ook maar iets enthousiast te worden Ik had het gevoel niks waard te zijn
Ik kon niets in de toekomst zien om me op te verheugen Ik had het gevoel dat mijn leven geen zin had
Figuur 2. Centraliteitsmaten, van onder naar boven: Node Strength, Closeness, Betweenness voor de Lage Veerkracht groep (blauw) en de Hoge Veerkracht groep (rood)
