Bachelor Onderzoek
Persoonlijke depressie netwerken: Onderzoek naar verschillen in verloop van depressie bij sporters en niet-sporters.
Opdrachtgever: Universiteit van Amsterdam Faculteit: Maatschappij- en gedragswetenschappen Opleiding: Psychologie
Bachelor specialisatie: Klinische psychologie Datum: 26 mei 2016
Plaats: Amsterdam, Nederland Begeleider: Jolanda Kossakowski Auteur: Lotte Broersen
Studentnummer: 10545964 Aantal woorden: 4379
Abstract
Over het algemeen wordt depressie geconceptualiseerd binnen het reflectieve model, waarbij depressie als latente variabele wordt gezien die de oorzaak is van de observeerbare symptomen. Eerder onderzoek die zich baseerde op dit model, duidde op een positieve relatie tussen sport en depressie maar kon niet uitwijzen waarom sporters minder kans hebben om depressief te worden. Door gebruik te maken van het netwerkmodel, waarbij depressie wordt gezien als systeem van symptomen die invloed op elkaar uitoefenen, kan deze relatie verder worden onderzocht. Met behulp van onderzoek op symptoom niveau kan worden toegelicht welke depressiesymptomen invloed uitoefenen op sporters. Het doel van deze studie is om het verschil in verloop van depressie in kaart te brengen tussen sporters en niet-sporters.
Deelnemers hebben zeven keer per dag gedurende 15 opeenvolgende dagen een korte depressievragenlijst ingevuld, voor het uitvoeren van een tijdseries onderzoek. Met behulp van de verkregen data zijn netwerken geconstrueerd, die vervolgens werden geanalyseerd aan de hand van drie centraliteitsmaten: strength, betweenness en closeness. Uit de resultaten bleek dat de netwerken verschilden; bij de sporters (N = 7) namen andere items een centrale rol in binnen het netwerk dan bij de niet-sporters (N = 10). Deze studie heeft uitgewezen dat onderzoek dat gebaseerd is op het netwerkmodel, kan bijdragen aan het in kaart brengen van de relatie tussen sport en depressie.
Inleiding
“My motto was always to keep swinging. Whether I was in a slump or feeling badly or having trouble on the field, the only thing was to keep swinging.”, sprak de professionele honkballer Hank Aaron (100 Most motivational & Inspirational Sports Quotes Of All Time, n.d.). Als honkballer is het fysiek gezien van belang om over een goede swing te beschikken, maar wat Hank Aaron probeert duidelijk te maken is dat een goede swing op mentaal gebied ook kan bijdragen aan een betere prestatie. Verder blijkt uit grootschalig Europees onderzoek (Abu-Omar, Rütten & Lehtinen, 2004) dat mensen die fysiek actief zijn een betere mentale gesteldheid hebben dan inactieve mensen, wat wijst op een positieve relatie tussen sport en mentale gesteldheid. De resultaten uit de studie van Armstrong en Oomen-Early (2009) ondersteunen deze bevindingen; zij vonden dat de kans op het krijgen van een depressie aanzienlijk lager ligt voor sporters dan niet-sporters. Het doel van dit onderzoek is om een beeld te schetsen van het verschil in verloop van depressie voor niet-sporters en sporters.
Uit onderzoek is gebleken dat ongeveer 20% van de mensheid een depressieve episode krijgt gedurende zijn of haar leven (van de Leemput et al., 2014). Depressie wordt gezien als een stemmingsstoornis waarbij de persoon een sombere stemming of interesseverlies vertoont voor minimaal twee weken (DSM–5; American Psychiatric Association, 2013). Een depressie wordt gediagnosticeerd wanneer er aan vijf van de negen depressie symptomen uit de DSM-4 of 5 wordt voldaan (5th ed.; DSM–5; American Psychiatric Association, 2013). Iemand kan depressief zijn omdat er sprake is van interesseverlies, toename in gewicht, verstoring van slaap, energieverlies en een schuldgevoel, of iemand is depressief aangezien er een
overheersend sombere stemming, afname van eetlust, minder concentratie, suïcidale gedachten en verstoring van slaap aanwezig is. Er is een tal van combinaties mogelijk die leiden tot eenzelfde diagnose, wat maakt dat depressie erg heterogeen van aard is (Fried & Nesse, 2015).
Bovendien kan een depressie de kwaliteit van leven drastisch doen veranderen (Fried & Nesse, 2014). Het hebben van een depressie kan zorgen voor een verslechtering van het psychosociaal functioneren op zowel persoonlijk, relationeel als maatschappelijk vlak. Zo kunnen mensen arbeidsongeschikt raken wat veel kosten met zich mee brengt (Fried & Nesse, 2014). Ondanks dat er al vrij veel bekend is over depressie, is het nog onduidelijk waarom bepaalde mensen een depressie krijgen en hoe het verloop is voor verschillende groepen (van de Leemput et al., 2014). Om een beter beeld te krijgen van de verschillen in het verloop van depressie tussen sporters en niet-sporters, is het van belang om symptomen die hierbij een rol spelen te kunnen identificeren.
Er is al enig onderzoek gedaan naar de relatie tussen sport en depressie. Hieruit is gebleken dat sporters minder kans maken op het ontwikkelen van een depressie (Oler et al., 1994). Ook lijkt het zo dat atleten minder depressief zijn dan niet-atleten en dat een
verhoogde mate van fysieke activiteit leidt tot een vermindering van depressieve symptomen (Armstrong & Oomen-Early, 2009; Lampinen, Heikkinen, & Ruoppila, 2000). Deze
resultaten duiden op een positieve relatie tussen sport en depressie, maar wijzen niet uit waarom sporters minder depressief zijn dan niet-sporters en welke symptomen dit verschil veroorzaken. Hierdoor blijft de richting van de relatie tussen sport en depressie onduidelijk.
De studies waarin de relatie tussen sport en depressie zijn onderzocht, hebben depressie geconceptualiseerd middels het reflectieve model. Dit model beschouwt depressie als een latente variabele die de oorzaak is van de observeerbare symptomen (Schmittmann et al., 2013); symptomen als slapeloosheid en energieverlies zijn dus het gevolg van depressie. Het reflectieve model kent echter een aantal nadelen. Binnen dit model wordt er geen
aandacht besteedt aan de heterogeniteit van depressie, aangezien alle symptomen als identieke indicatie van de stoornis worden gezien (Fried & Nesse, 2015). De aanname van identieke symptomen is ontstaan door depressie te zien als een latente variabele, waarin de variatie in de latente variabele de variatie in de observeerbare symptomen veroorzaakt (Fried & Nesse, 2014). Aangezien de symptomen een indicatie zijn van dezelfde latente variabele, is alleen de som van de symptomen van belang en speelt de unieke combinatie van symptomen geen rol bij het diagnosticeren van depressie (Borsboom & Cramer, 2013).
Een ander groot probleem omtrent het reflectieve model is dat de factor tijd buiten beschouwing wordt gelaten (Schmittmann et al., 2013). Uit de resultaten kan niet worden opgemaakt of een verandering in de latente variabele voorafgaat aan een verandering op symptoom niveau. De causale interpretatie van de resultaten wordt hiermee dus in twijfel getrokken. Daarnaast is dit model gebaseerd op de assumptie dat er geen directe causale relatie bestaat tussen de individuele symptomen (Schmittmann et al., 2013). Dit wil zeggen dat symptomen als slapeloosheid en schuldgevoelens onafhankelijke variabelen zijn, die geen invloed op elkaar uitoefenen. Onderzoek naar depressie heeft echter uitgewezen dat de
interactie tussen symptomen juist bepalend is voor de variatie binnen depressie (Fried & Nesse, 2014).
Het netwerkmodel is een goed alternatief om de relatie tussen sport en depressie te onderzoeken, omdat depressie op een andere manier wordt geconceptualiseerd. Het
netwerkmodel ziet depressie niet als latente variabele, maar gaat er van uit dat een depressie ontstaat door de directe interactie tussen symptomen (Borsboom & Cramer, 2013). Door de
relatie tussen de symptomen en de stoornis te onderzoeken, bestudeer je de functie van de symptomen in het netwerk; welke symptomen zijn dominant en oefenen veel invloed op elkaar uit (Schmittmann et al., 2013). Naast de interactie tussen symptomen kunnen er ook positieve feedbackmechanismen binnen symptomen ontstaan; als iemand zich waardeloos voelt zal dit worden versterkt op een volgend tijdstip (van de Leemput et al., 2014). Aangezien symptomen niet langer als meting van de stoornis worden beschouwd maar onderdeel zijn van een causaal systeem, maakt de interactie tussen symptomen dat iemand depressief is (Borsboom & Cramer, 2013). Uit eerder onderzoek bleek dat de interactie tussen gebeurtenissen clusters van symptomen vormden waaruit een depressie kon ontstaan
(Wichers, 2013). Onderzoek op symptoom niveau biedt dus een goed handvat om het verloop van een depressie in kaart te brengen.
Een netwerk kan worden geconstrueerd middels een tijdseries onderzoek dat is verkregen via de Experience Sampling Method (ESM; Csikszentmihalyi & Larson, 2014). In een tijdseries onderzoek wordt aan deelnemers gevraagd veelvuldig een rapportage te maken van welke gedachten, gevoelens en symptomen zich voordoen in relatie tot dagelijkse
gebeurtenissen (Borsboom & Cramer, 2013). Op deze manier kunnen depressiesymptomen op verschillende tijdstippen op meerdere achtereenvolgende dagen worden gemeten. Een groot voordeel van deze manier van onderzoek is dat de relatie tussen symptomen en alledaagse gebeurtenissen kan worden vastgelegd en ook de interactie tussen symptomen die kunnen leiden tot een stoornis (Borsboom & Cramer, 2013). Hierdoor is het mogelijk
interactiepatronen te identificeren over tijd, waarmee individuele verschillen binnen depressie naar voren kunnen komen (Wichers, 2013). Er kan nu een onderscheid worden gemaakt in het verloop van depressie op symptoom niveau voor sporters en niet-sporters.
In dit onderzoek wordt met netwerkmodellen geprobeerd de relatie tussen sport en depressie aan te tonen door de verschillen tussen sporters en niet-sporters te onderzoeken. Er wordt verwacht dat sporters een ander netwerk laten zien dan niet-sporters omdat
verschillende symptomen een centrale rol innemen. Dit wordt onderzocht door twee depressienetwerken op te stellen voor sporters en niet-sporters die vervolgens worden geanalyseerd aan de hand van centraliteitsmaten (Opsahl, Agneessens, & Skvoretz, 2010), waarbij naar de belangrijkheid van de symptomen wordt gekeken.
Deelnemers
Deze studie maakt deel uit van een groter onderzoek naar “Persoonlijke depressie netwerken”, uitgevoerd aan de Universiteit van Amsterdam en richt zich op twee subgroepen: sporters en niet-sporters. Voor het werven van deelnemers werden mensen in de directe omgeving benaderd en werd er een advertentie op het UvA Lab geplaatst. Deelname aan het onderzoek was of op vrijwillige basis of er werden punten toegekend aan UvA-studenten. Verder was het voor deze studie van belang dat de deelnemers over een iPhone of iPod-touch beschikten en ouder waren dan 18 jaar.
Materialen
Het onderzoek werd uitgevoerd via de Qumi app (Oppenheim, 2016) op een iPhone of iPod-touch waar minimaal iOS 8 op geïnstalleerd moest zijn. Tijdens het onderzoek werd een introductievragenlijst afgenomen die bestond uit vragen met betrekking tot demografische gegevens zoals geslacht, leeftijd en opleiding, en inhoudelijke vragen. De sport-gerelateerde vragen waren als volgt: ‘Beoefen je een sport?’, ‘Welke sport beoefen je?’, ‘Hoeveel uur sport je gemiddeld in de week?’ en ‘Hoeveel dagen sport je gemiddeld in de week?’. De eerste twee vragen waren open vragen; de andere twee vragen werden beantwoord op een schaal van 0 tot 7 en 0 tot 24. Op basis van de antwoorden op de sport-gerelateerde vragen werden de deelnemers ingedeeld in een groep sporters en een groep niet-sporters. Deelnemers werden als sporters beschouwd wanneer zij drie of meer dagen in de week een sport beoefenden of wanneer zij hier vier of meer uur aan besteedden. De deelnemers onder deze criteria werden gezien als niet-sporters. In de introductievragenlijst werden nog enkele andere vragen gesteld; deze worden hier buiten beschouwing gelaten aangezien ze niet relevant zijn voor deze studie. Tevens werd er een korte depressievragenlijst afgenomen die bestond uit een combinatie van vragen gebaseerd op de DSM-5 criteria voor een depressieve stoornis (DSM–5; American Psychiatric Association, 2013) en de verkorte versie van de RRS-NL-10, de Single-Item Self-esteem Scale (SISE; Schoofs, Hermans, & Raes, 2010). De uiteindelijke vragenlijst voor deze studie omvatte negen vragen met betrekking tot depressie die werden beantwoord op een 5-punt Likertschaal, variërend van 1 (heel weinig) tot 5 (heel veel). De koppeling tussen vragen en items wordt weergegeven in Tabel 1.
Tabel 1 Vragen op de korte depressievragenlijst met de toegekende item- labels, afkortingen en betekenis
Item Item labels Item afkortingen Item betekenis (=vraag)
2 Somber Smb Ik voel me somber
3 Interesse Int Ik ben geïnteresseerd
4 Eetlust Etl Ik heb eetlust
5 Energiek Enr Ik voel me energiek
6 Moe Moe Ik voel me moe
7 Waardeloos Wrd Ik voel me waardeloos
8 Schuldig Sch Ik voel me schuldig
9 Concentratie Cnc Ik ben geconcentreerd
Tabel 1 gecontinueerd Procedure
Na aanmelding voor het onderzoek ontvingen de deelnemers een e-mail met daarin een link naar de informed consent en instructies over het verloop van het onderzoek. Na het tekenen van de informed consent kregen de deelnemers een e-mail waarmee de Qumi app (Oppenheim, 2016) gedownload kon worden. De deelnemers vulden eenmalig de
introductievragenlijst in. Vervolgens kregen de deelnemers zeven keer per dag gedurende 15 opeenvolgende dagen een oproep van Qumi om de korte depressievragenlijst in te vullen. Deze oproepen waren random binnen tijdsperioden en moesten binnen 20 minuten worden beantwoord. Nadat de deelnemers het onderzoek hadden volbracht kregen zij een melding van Qumi dat zij het onderzoek succesvol hadden afgerond.
Analyse
Om de dynamiek van een netwerk te begrijpen is het van belang een analyse te maken van symptomen die op verschillende tijdstippen worden gemeten (Csikszentmihalyi &
Larson, 2014). In deze studie is een tijdseries onderzoek uitgevoerd door middel van de ESM, waarbij informatie over depressiesymptomen werd gewonnen door random metingen op verschillende tijdstippen (Bringmann et al., 2013). Er werd aan deelnemers gevraagd een rapportage te maken van gevoelens, gedachten en symptomen gedurende 15
achtereenvolgende dagen en van deze data is een netwerk geconstrueerd. Met behulp van multilevel-VAR (mlVAR; Bringmann et al., 2013) is een berekening gemaakt van de gemiddelde effecten tussen de symptomen over de tijd, die worden weergegeven in een netwerk. Er is gebruik gemaakt van een gemiddeld effect aangezien er een vergelijking wordt gemaakt over de groepen en niet tussen personen (Bringmann et al., 2013). De R-packages die zijn gebruikt voor de visualisatie van het netwerk zijn qgraph (Epskamp, Cramer,
Waldorp, Schmittmann, & Borsboom, 2012) en mlVAR (Epskamp, Deserno, & Bringmann, 2015).
Netwerken
Een netwerk bestaat uit twee kernelementen; knopen en paden (Borsboom & Cramer, 2013). Iedere knoop correspondeert met een item op de korte depressie vragenlijst zoals beschreven in Tabel 1. De lijnen tussen de knopen worden ook wel paden genoemd en vertegenwoordigen de relatie tussen twee knopen; hoe sterker de relatie, hoe dikker en voller de lijn van kleur is (Kossakowski et al., 2015). De paden kunnen groen of rood van kleur zijn, wat respectievelijk aangeeft of de relatie tussen de knopen positief of negatief van aard is. Verder eindigt iedere lijn in een pijl, die de richting van de invloed tussen de knopen weergeeft. De individuele eigenschappen van de knopen zijn onderzocht aan de hand van centraliteitsmaten (Opsahl et al., 2010).
Centraliteit
Om te onderzoeken welke plaats en functie de symptomen binnen de netwerken hebben, zijn 3 centraliteitsmaten gemeten: strength, betweenness en closeness (Opsahl et al., 2010). De mate van centraliteit geeft aan hoe belangrijk een symptoom voor het algemene netwerk is: hoe hoger de centraliteit, hoe belangrijker de knoop. De strength kijkt naar de weging van het aantal verbindingen dat 1 knoop heeft met andere knopen. Hier geldt dat hoe hoger de strength, hoe meer en sterker de verbindingen zijn met andere knopen. Een knoop met een hoge strength heeft dan ook een centrale positie in het netwerk (Opsahl et al., 2010). Binnen strength wordt een onderscheid gemaakt tussen in- en outstrength. Een hoge
instrength maakt dat een knoop afhankelijk is van andere knopen omdat er veel pijlen binnen
komen, terwijl een hoge outstrength wijst op een grote invloed op andere knopen aangezien er veel pijlen uitgaan (Wigman et al., 2015). Betweenness geeft aan hoe vaak een knoop
onderdeel is van het kortste pad met andere knopen. Als een knoop deel uitmaakt van het kortste pad betekent dit dat de snelste route via deze knoop loopt. Een knoop met een hoge betweenness heeft veel invloed op de informatiestroom tussen andere knopen (Wigman et al., 2015). De closeness refereert naar de inverse som van de kortste paden van één knoop naar de andere knopen. Closeness wordt ook wel gezien als de voorspellende waarde van het gehele netwerk; als deze waarde hoog is, heeft de knoop veel invloed op de rest van het netwerk (Kossakowski et al., 2015).
Deelnemer karakteristieken
Er zijn in totaal 60 deelnemers aan het onderzoek gestart waarvan 17 deelnemers het onderzoek succesvol hebben volbracht. Alle deelnemers die gedurende tien opeenvolgende dagen vijf of meer metingen hadden voltooid, zijn meegenomen in de analyse. 27 deelnemers zijn afgevallen, omdat ze niet voldeden aan deze inclusie criteria. Negen deelnemers zijn afgevallen omdat de data niet goed werd weergegeven in Excel en daarnaast vielen nog zeven deelnemers af door problemen met de Qumi app. De gemiddelde leeftijd van de sporters (N = 10) was 23.6 jaar, waarvan 85.71% vrouw. De gemiddelde leeftijd van de niet-sporters (N = 7) was 27.42 jaar en daarvan was 80% vrouw. Uit de Chi-kwadraat toets bleek de verdeling van mannen en vrouwen niet gelijk te zijn voor niet-sporters en sporters, χ2 (1) = 0.000, p = 1.
(a) (b)
Figuur 1a-b: Visuele weergave van de netwerken van niet-sporters (a) en sporters (b). De netwerken zijn gebaseerd op de negen items van de depressievragenlijst zoals beschreven in Tabel 1. Alle gevonden verbindingen tussen de items worden weergegeven.
Netwerk analyse
Figuur 1 is een visuele weergave van de netwerken van niet-sporters en sporters. Het
netwerk van de niet-sporters was sterker verbonden (som van de absolute verbindingen = 6.754) dan het netwerk van de sporters (som van de absolute verbindingen = 4.513). Daarnaast leek het item waardeloos een grote invloed te hebben op het netwerk van de
niet-Str Smb Int Etl Enr Moe Wrd Sch Cnc Str Smb Int Etl Enr Moe Wrd Sch Cnc
sporters (Figuur 1a). Wat ook opviel is dat bij het netwerk van de sporters (Figuur 1b) alle items een positieve bekrachtiger van zichzelf zijn, wat betekent dat bijvoorbeeld moeheid wordt versterkt op een volgend tijdstip (Borsboom & Cramer, 2013). Bij de niet-sporters leek alleen het item waardeloos geen positieve bekrachtiger (Figuur 1a).
Als we naar het netwerk met alleen de significante verbindingen kijken (α = .05), zien we dat de positieve bekrachtiging van het item stress wegvalt bij niet-sporters (Figuur 2a). Ook bleek het netwerk van niet-sporters vooral sterke verbindingen te hebben tussen de items waardeloos, concentratie en eetlust. De sterke negatieve invloed van waardeloos uit zich voornamelijk op concentratie en eetlust; als iemand zich waardeloos voelt zal ook de concentratie en eetlust afnemen (Figuur 2a). Verder zien we dat het netwerk van de niet-sporters in clusters van symptomen uiteenvalt (Figuur 2a), waar het netwerk van de niet-sporters meer significante verbindingen kent omdat alle symptomen met elkaar zijn verbonden; dit duidt op een algemener netwerk (Figuur 2b). Bij niet-sporters heeft moe een negatieve invloed op energiek, terwijl bij sporters concentratie ook nog invloed uitoefent op deze items (Figuur 2). Daarnaast leek het item schuldgevoel bij de niet-sporters alleen een positieve bekrachtiger voor zichzelf, terwijl deze bij de sporters nog in verbinding stond met waardeloos.
(a) (b)
Figuur 2a-b: Visuele weergave van de significante verbindingen in de netwerken van niet-sporters (a) en sporters (b). Str Smb Int Etl Enr Moe Wrd Sch Cnc Str Smb Int Etl Enr Moe Wrd Sch Cnc
Centraliteitsmaten
Om het verschil in de netwerken van niet-sporters en sporters verder te kunnen onderzoeken, zijn de netwerken uit Figuur 1 geanalyseerd aan de hand van drie
centraliteitsmaten; strength, betweenness en closeness (Tabel 2). Als we kijken naar de
strength zien we een verschillend patroon ontstaan voor niet-sporters en sporters (Figuur 3).
Bij de niet-sporters kenden de items energiek en concentratie een hoge instrength (Tabel 2a), wat inhoudt dat deze items sterk worden beïnvloed door andere items en daarvan afhankelijk zijn. Verder had het item waardeloos een hoge outstrenght voor de niet-sporters (Tabel 2a). Bij de sporters kenden de items eetlust, moe en energiek juist een hoge instrength, en concentratie, moe en schuldig een hoge outstrength (Tabel 2b).
Het patroon (Figuur 3) van betweenness was ook verschillend voor de twee groepen. De niet-sporters hadden hier een hoge waarde voor waardeloos en somber (Tabel 2a), terwijl de sporters een hoge waarde hadden voor moe en stress (Tabel 2b). Ook wat betreft de
closeness verschilden de netwerken van elkaar (Figuur 3). Zo scoorden de niet-sporters hoog
op schuldig en waardeloos (Tabel 2a) en de sporters hoog op schuldig, interesse en
concentratie (Tabel 2b). Wat verder opviel is dat in beide netwerken het item schuldig een hoge waarde van closeness aannam en dus invloed uitoefent op het gehele netwerk.
Tabel 2 Centraliteitsmaten (Instrength, Outstrength, Betweenness, Closeness) gebaseerd op de netwerken zoals weergegeven in fig.1, van niet-sporters (a) en sporters (b). De centraliteitsmaten die een hoge waarde aannemen zijn dikgedrukt.
(a)
Symptoom Instrength Outstrength Betweenness Closeness
Stress -0.851 0.070 0.214 0.247 Somber -0.434 -0.135 1.040 0.255 Interesse 0.537 -0.686 0.214 -0.571 Eetlust -0.110 -1.078 -1.162 -1.247 Energiek 1.662 -0.490 0.214 -0.692 Moe -0.018 -0.121 -0.887 -0.581 Waardeloos -0.049 2.355 1.866 1.274 Schuldig -1.738 0.563 -0.612 1.817 Concentratie 1.001 -0.478 -0.887 -0.502 (b)
Symptoom Instrength Outstrength Betweenness Closeness
Somber 0.102 -0.004 -0.571 -0.099 Interesse -0.330 -0.826 0.022 0.413 Eetlust 1.384 -1.162 0.220 -1.303 Energiek 0.668 -1.035 -0.966 -1.590 Moe 0.833 1.080 1.603 0.199 Waardeloos -0.801 -0.629 -0.966 -0.237 Schuldig -1.118 1.025 -0.176 1.532 Concentratie -1.522 1.511 -0.768 1.072 Tabel 2b gecontinueerd
Figuur 3: Visuele representatie van de patronen van de centraliteitsmaten (betweenness, closeness, instrength, outstrength) voor niet-sporters (rode lijn) en sporters (blauwe lijn). Deze patronen zijn gebaseerd op de centraliteitsmaten zoals weergegeven in Tabel 2a-b.
Discussie
In deze studie is onderzocht of er een verschil is in verloop van depressie bij sporters en niet-sporters. Voor zover bekend is dit de eerste studie geweest die het netwerkmodel heeft gebruikt om het verloop van depressie van sporters en niet-sporters in kaart te brengen. Zoals verwacht verschilt het depressie netwerk van niet-sporters met die van sporters; zo lijkt het bij de niet-sporters dat er sterkere verbindingen zijn waarbij vooral het item waardeloos een centrale rol inneemt en veel invloed uitoefent op zowel eetlust als concentratie. De sporters
Betweenness Closeness InStrength OutStrength
●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● Concentratie Eetlust Energiek Interesse Moe Schuldig Somber Stress Waardeloos −1 0 1 2 −1 0 1 −1 0 1 −1 0 1 2 type ● ● Niet−sporters Sporters
vertonen een algemener netwerk waarbij verschillende items een centrale rol innemen bij de verschillende centraliteitsmaten; de items moe en stress hebben een hoge waarde van
betweenness, moe een hoge outstrength en eetlust een hoge instrength. Wat ook opvalt is dat
het item schuldig in beide netwerken een hoge waarde van closeness aanneemt.
Uit deze studie wordt echter niet duidelijk wat de relatie tussen het item schuldig en het beoefenen van een sport precies inhoudt; we weten dat het item een hoge voorspellende waarde heeft maar niet waarom. Een mogelijke verklaring voor deze hoge closeness waarde van het item schuldig in beide netwerken kan zijn dat de deelnemers niet geheel representatief zijn voor de groepssamenstelling. Alle deelnemers in beide groepen sporten, alleen niet in gelijke mate; het kan zijn dat sporters zich schuldig voelen als zij niet gaan sporten. In de analyse kwam naar voren dat bij de niet-sporters, het item schuldig alleen een positieve bekrachtiger was van zichzelf. Bij de sporters stond dit item ook nog in verbinding met waardeloos; het kan zijn dat deelnemers die meer uren sporten zich sneller waardeloos voelen als zij niet gaan sporten. In vervolgonderzoek kan deze relatie worden verduidelijkt door onderzoek te doen bij mensen die wel of geen sport beoefenen; er kan bij dit item expliciet worden gevraagd waarover deelnemers zich schuldig voelen en wanneer deze gevoelens naar voren komen. Bij de deelnemers die niet sporten kan worden vastgesteld of de relatie met het item schuldig zal afnemen.
In deze studie zijn de netwerken van sporters en niet-sporters geanalyseerd aan de hand van drie centraliteitsmaten, waarmee werd vastgesteld welke invloed de knopen op elkaar hebben en of deze invloed van belang is (Opsahl et al., 2010). De uitkomst van de centraliteitsanalyse geeft een suggestie welke knopen een belangrijke rol spelen in de
verschillende netwerken, maar doen geen uitspraak over de causale relatie tussen depressie en sport. Is het nu zo dat mensen met een depressie minder sporten of dat sporters weerbaarder zijn voor een depressie omdat ze een algemeen netwerk laten zien? In vervolgonderzoek is het daarom van belang het verloop van depressie waar te nemen in een andere populatie. Zo kan er een netwerk worden gemaakt voor sporters wanneer zij een sport beoefenen en wanneer zij bewust niet sporten. Op deze manier kan een beter inzicht verkregen worden in welke mate sport invloed uitoefent op depressiesymptomen. Tevens kan er onderzoek worden gedaan binnen een klinische populatie. Eerder onderzoek suggereert namelijk dat sporten een effectieve behandeling kan zijn voor het tegengaan van depressiesymptomen, alleen is niet duidelijk wat maakt dat sport een positieve invloed heeft (Brosse et al., 2002). Door een netwerk te construeren voor depressieve personen die bewust gaan sporten, kan er worden gekeken welke symptomen er toenemen of juist afnemen.
In deze studie zijn er veel deelnemers uitgevallen; er zijn 60 deelnemers gestart
waarvan er uiteindelijk 17 konden worden meegenomen in de analyse. Het verzamelen van de data gebeurde middels een tijdseries onderzoek. Dit heeft veel tijd, motivatie en concentratie van de deelnemers gevraagd aangezien zij zeven keer per dag, gedurende 15 opeenvolgende dagen een vragenlijst moesten invullen. Dit blijkt ook uit de data, waarbij 27 deelnemers niet in staat waren vijf metingen per dag te voltooien gedurende tien opeenvolgende dagen. Deze deelnemers bestonden vooral uit vrijwilligers die aan het onderzoek meededen; deelnemers die studiepunten toegekend kregen, hadden veelal complete data. In vervolgonderzoek is het van belang om alle deelnemers te blijven stimuleren door bijvoorbeeld tussentijds
complimenten te geven of beloningen uit te delen. Hierdoor is het mogelijk meer data te verkrijgen, waarmee de validiteit van de uitspraken wordt versterkt.
Het gevonden verschil tussen de netwerken van sporters en niet-sporters kan ook worden verklaard met een alternatieve hypothese. Aangezien er in deze studie veel
deelnemers zijn uitgevallen, was het niet meer mogelijk om de groepen samen te stellen aan de hand van het wel of niet beoefenen van een sport. In plaats daarvan werden sporters en niet-sporters ingedeeld op het aantal dagen en uren dat zij aan sport besteedden. Het lag buiten het bereik van deze studie om op grond van deze criteria te bepalen of iemand op professioneel cq. hoog niveau sportte, of de sport beoefende als vrijetijdsbesteding. Uit onderzoek is gebleken dat als sporters op een hoger niveau de sport beoefenen, zij meer prestatiedruk ervaren van zowel de media als van fans en dit kan een negatieve invloed hebben op de mentale gesteldheid (Le Crom, Warren, Clark, Marolla, & Gerber, 2009). Tevens kan een specialisatie op jonge leeftijd zorgen voor chronische stress of een burnout (Hedstrom & Gould, 2004). In een vervolgstudie is het interessant om hier onderzoek naar te doen en te beoordelen of het verschil in netwerken kan worden verklaard door het niveau waarop de sport wordt beoefend. Als er voor zowel sporters op recreatief- als professioneel niveau een depressie netwerk wordt opgesteld kan daartussen een vergelijking worden gemaakt en worden gekeken welke depressie symptomen bepalend zijn.
Voor zover bekend is dit de eerste studie geweest die het verloop van depressie heeft onderzocht bij sporters en niet-sporters met het netwerkmodel. Eerder onderzoek is er niet in geslaagd om de relatie tussen sport en depressie duidelijk weer te geven. Deze studie heeft aangetoond dat er door middel van het netwerkmodel kan worden onderzocht welke
symptomen van depressie een belangrijke rol spelen bij sporters en niet-sporters. Onderzoek op symptoom niveau kan een goede bijdrage leveren om de relatie tussen sport en depressie te verduidelijken.
Referenties
100 Most Motivational & Inspirational Sports Quotes Of All Time (n.d.). Retrieved from http://www.keepinspiring.me/100-most-inspirational-sports-quotes-of-all-time/ Abu-Omar, K., Rütten, A., & Lehtinen, V. (2004). Mental health and physical activity in the
European Union. International Journal of Public Health, 49, 301-309.
American Psychiatric Association (2000). Diagnostic and Statistical Manual of Mental Disorders, 4th ed. text revision. Washington, DC.
American Psychiatric Association. (2013). Diagnostic and statistical manual of mental
disorders (5th ed.). Arlington, VA: American Psychiatric Publishing.
Armstrong, S., & Oomen-Early, J. (2009). Social Connectedness, Self-Esteem, and
Depression Symptomatology Among Collegiate Athletes Versus Nonathletes. Journal of
American College Health, 57, 521–526.
Borsboom, D., & Cramer, A. O. J. (2013). Network Analysis: An Integrative Approach to the Structure of Psychopathology. Annual Review of Clinical Psychology, 9, 91–121.
Bringmann, L. F., Vissers, N., Wichers, M., Geschwind, N., Kuppens, P., Peeters, F., … Tuerlinckx, F. (2013). A Network Approach to Psychopathology: New Insights into Clinical Longitudinal Data. PLoS ONE, 8, 1-13.
Brosse, A. L., Sheets, E. S., Lett, H. S., & Blumenthal, J. A. (2002). Exercise and the treatment of clinical depression in adults: recent findings and future directions. Sports
Medicine, 32, 741–760.
Csikszentmihalyi, M., & Larson, R. (2014). Validity and reliability of the experience- sampling method. In Flow and the Foundations of Positive Psychology , 35-54. Springer Netherlands.
Epskamp, S., Deserno, M. K., & Bringmann, L.F. (2015). mlVAR:
Multi-Level Vector Autoregression. R package version 0.1.0. Retrieved from https://CRAN.R-project.org/package=mlVAR
Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). qgraph : Network Visualizations of Relationships in Psychometric Data. Journal of
Statistical Software, 48, 1–18.
Fried, E. I., & Nesse, R. M. (2014). The impact of individual depressive symptoms on impairment of psychosocial functioning. PLoS ONE, 9, 1-7.
Fried, E. I., & Nesse, R. M. (2015). Depression is not a consistent syndrome: An investigation of unique symptom patterns in the STAR∗D study. Journal of Affective Disorders, 172, 96–102.
Hedstrom, R., & Gould, D. (2004). Research in youth sports: Critical issues status. Michigan:
Michigan State University, 1-42.
Kaprio, J., Kujala, U., & Sarna, S. (2003). Influence of Physical Activity on Depression and Anxiety of Former Elite Athletes. International Journal of Sports Medicine, 24, 609– 619.
Kossakowski, J. J., Epskamp, S., Kieffer, J. M., van Borkulo, C. D., Rhemtulla, M., & Borsboom, D. (2016). The application of a network approach to Health-Related Quality of Life (HRQoL): introducing a new method for assessing HRQoL in healthy adults and cancer patients. Quality of Life Research, 25, 781-792.
Lampinen, P., Heikkinen, R.-L., & Ruoppila, I. (2000). Changes in intensity of physical exercise as predictors of depressive symptoms among older adults: An eight-year follow-up. Preventive Medicine, 30, 371–380.
Le Crom, C. L., Warren, B. J., Clark, H. T., Marolla, J., & Gerber, P. (2009). Factors
contributing to student-athlete retention. Journal of issues in Intercollegiate Athletics,
Motl, R. W., Birnbaum, A. S., Kubik, M. Y., & Dishman, R. K. (2004). Naturally occurring changes in physical activity are inversely related to depressive symptoms during early adolescence. Psychosomatic Medicine, 66, 336–342.
Oler, M. J., Mainous, A. G., Martin, C. A., Richardson, E., Haney, A., Wilson, D., & Adams, T. (1994). Depression, suicidal ideation, and substance use among adolescents. Are athletes at less risk? Archives of Family Medicine, 3, 781–785.
Oppenheim, Bas (2016). Qumi for Apple IOS (version 0.5.41) [Mobile application software]. Retrieved from http://qumi-app.blogspot.nl
Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32, 245–251.
Robins, R. W., Hendin, H. M., & Trzesniewski, K. H. (2001). Measuring Global Self-Esteem: Construct Validation of a Single-Item Measure and the Rosenberg Self-Esteem Scale.
Personality and Social Psychology Bulletin, 27, 151–161.
Schmittmann, V. D., Cramer, A. O. J., Waldorp, L. J., Epskamp, S., Kievit, R. A., & Borsboom, D. (2013). Deconstructing the construct: A network perspective on psychological phenomena. New Ideas in Psychology, 31, 43–53.
Schoofs, H., Hermans, D., & Raes, F. (2010). Brooding and reflection as subtypes of
rumination: Evidence from confirmatory factor analysis in nonclinical samples using the dutch Ruminative Response Scale. Journal of Psychopathology and Behavioral
Assessment, 32, 609–617.
Ströhle, A. (2009). Physical activity, exercise, depression and anxiety disorders. Journal of
Neural Transmission, 116, 777–784.
van Borkulo, C., Boschloo, L., Borsboom, D., Penninx, B. W. J. H., Waldorp, L. J., & Schoevers, R. A. (2015). Association of symptom network structure with the course of longitudinal depression. JAMA Psychiatry, 1-8. Retrieved from
http://archpsyc.jamanetwork.com/
van de Leemput, I. A., Wichers, M., Cramer, A. O. J., Borsboom, D., Tuerlinckx, F., Kuppens, P., … Scheffer, M. (2014). Critical slowing down as early warning for the onset and termination of depression. Proceedings of the National Academy of Sciences of
the United States of America, 111, 87–92.
Wichers, M. (2013). The dynamic nature of depression: a new micro-level perspective of mental disorder that meets current challenges. Psychological Medicine, 616, 1–12. Wigman, J. T. W., van Os, J., Borsboom, D., Wardenaar, K. J., Epskamp, S., Klippel, A.,
…Wichers, M. (2015). Exploring the underlying structure of mental disorders: cross-diagnostic differences and similarities from a network perspective using both a top-down and a bottom-up approach. Psychological Medicine, 45, 2375–2387.
