Mannen en Vrouwen: In Hoeverre Speelt Boosheid een Rol in
Depressie bij Mannen?
Aantal woorden Abstract: 192 Aantal worden Verslag: 4898 Door: Irina Karaban
Student nr: 10543104
Begeleid door: Jolanda Kossakowski Universiteit van Amsterdam
Abstract
Tot op heden ontbreekt er een eenduidige verklaring voor het feit dat er wereldwijd twee keer zoveel vrouwen als mannen met een depressie kampen. Naar aanleiding hiervan werd met het netwerkmodel exploratief onderzocht in hoeverre de seksen verschillen in het belang van depressiesymptomen. Hierbij werd depressie geconceptualiseerd als een netwerk van voortdurend interacterende symptomen. Bij 17 deelnemers (14 vrouwen) werd
herhaaldelijk een vragenlijst afgenomen. Hiermee werd het potentieel mannelijke depressiesymptoom ‘boos’ en de DSM-V depressiesymptomen gemeten. Er werden depressienetwerken van de seksen gemaakt, waarop vervolgens een centraliteitsanalyse uitgevoerd werd. De mate van centraliteit van een depressiesymptoom geeft namelijk aan hoe belangrijk deze is voor het depressienetwerk. Het symptoom ‘waardeloos’ scoorde hoog op centraliteit in het depressienetwerk van vrouwen, waardoor er wordt geconcludeerd dat dit gevoel belangrijk is in depressie bij vrouwen. Het symptoom ‘boos’ scoorde hoog op centraliteit in het depressienetwerk van mannen, maar ook, zij het in mindere mate, bij vrouwen. Er werd daarom geconcludeerd dat boosheid belangrijk is in depressie bij mannen en in mindere mate bij vrouwen. Deze bevindingen brengen zowel nieuwe theoretische inzichten omtrent het sekseverschil in depressie naar voren, als waardevolle suggesties voor de klinische praktijk.
Een Exploratieve Netwerkanalyse van Depressienetwerken van Mannen en Vrouwen: In Hoeverre Speelt Boosheid een Rol in Depressie bij Mannen?
Depressie is een wereldwijd veelvoorkomende mentale ziekte met een grote ziektelast (World Health Organisation, 2008) en hoge maatschappelijke kosten (Kessler, 2012). Zo bedragen de directe en indirecte kosten van depressie ruim 2.8 miljard euro per jaar in Nederland (Slobbe, Smit, Groen, Poos & Kommer, 2011; De Graaf, Tuithof, Dorsselaer & ten Have, 2011). Een van de meest robuuste bevindingen omtrent depressie is dat het twee keer zo waarschijnlijk is dat een vrouw getroffen wordt door een depressie dan een man (Essau, Lewinsohn, Seeley & Sasagawa, 2010; Kessler, 2001). Hoewel dit sekseverschil in depressie veelvuldig onderzocht is, is er nog geen eenduidige oorzaak voor dit sekseverschil gevonden (Girgus & Yang, 2015). Bovendien is er nog relatief weinig bekend over depressie bij mannen in vergelijking met depressie bij vrouwen (Addis, 2008). Het is noodzakelijk om meer inzicht te krijgen in de verschillen en de eventuele overeenkomsten in de beleving van depressie tussen de seksen om effectievere preventie- en behandelingsinterventies in het leven te roepen. Om de negatieve impact van depressie zowel op maatschappelijk als op individueel niveau te beperken stelt het huidige onderzoek zich ten doel verheldering te brengen in het sekseverschil.
Onderzoek naar sekseverschillen in depressie toont aan dat het verschil in adolescentie optreedt (Essau et al., 2010) en afneemt naarmate mensen ouder worden (Pachana,
McLaughlin, Leung, Byrne & Dobson, 2012). Bovendien blijkt dat het sekseverschil in verschillende culturen voorkomt (Kuehner, 2003; Angst, Gamma, Gastpar, Lépinem, Mendlewicz & Tylee, 2002). Kendler & Gardner (2014) hebben dit sekseverschil in tweelingen van de tegenovergestelde sekse geobserveerd. Hun bevinding laat zien dat een gedeelte van het sekseverschil niet door sociale factoren veroorzaakt wordt en dat de oorzaak ervan gedeeltelijk biologisch is. Zo wordt een deel van het verschil tussen de seksen in depressie verklaard door een verschil in geslachtshormonen (Altemus, Sarvaiya & Epperson,
2014). Aanvullende verklaringen voor het sekseverschil zijn gezocht in verschillen tussen mannen en vrouwen in hun perceptie op vergelijkbare alledaagse situaties (Cole et al., 2009), cognitieve processen, de kans op het meemaken van een trauma, en soorten stressoren (Girgus & Yang, 2015). De bovengenoemde onderzoeken richten zich hoofdzakelijk op het
onderscheiden van enkele risicofactoren die mannen en vrouwen kwetsbaar maken voor het ontwikkelen van een depressie. Dit verschil in kwetsbaarheid wordt dan ook voorgesteld als een verklaring van het sekseverschil in depressie (Girgus & Yang, 2015).
In tegenstelling tot dergelijk onderzoek stellen Martin, Neighbours en Derek (2013) dat verschillende combinaties van symptomen in verschillende mate belangrijk zijn bij depressie bij mannen en vrouwen. Uit hun onderzoek is gebleken dat externaliserende
symptomen, zoals boosheid, in grotere mate bijdragen tot het diagnosticeren van depressie bij mannen, terwijl internaliserende symptomen, zoals stress, in grotere mate bijdragen tot de diagnose bij vrouwen. Het ontbreken van externaliserende symptomen in de Diagnostic
Statistical Manual of Mental Disorders-V (DSM-V; American Psychiatric Association, 2013)
speelt volgens hen een belangrijke rol in het sekseverschil in depressie omdat depressieve mannen in tegenstelling tot vrouwen niet de typische DSM-V depressiesymptomen vertonen waardoor depressie bij mannen minder snel herkend wordt. Er zijn dus gevarieerde
verklaringen geopperd voor het sekseverschil in depressie.
Deze gevarieerde verklaringen worden vooral onderzocht met het disease model van psychopathologie, dat de huidige conceptualisatie van psychopathologie beschrijft (Cramer & Borsboom, 2013). Dit model definieert een stoornis als een latente, gemeenschappelijke oorzaak van symptomen; met andere woorden, symptomen zijn het gemeenschappelijke gevolg van dezelfde oorzaak, namelijk de latente stoornis (zie Figuur 1a). Volgens dit model wordt variatie in symptomen veroorzaakt door variatie in de stoornis. Omdat de stoornis latent is, is variatie in de stoornis niet direct meetbaar. Om toch uitspraken te kunnen doen over
variatie in de stoornis worden twee problematische assumpties gedaan, die het verklarende vermogen van onderzoek naar sekseverschillen in depressie verzwakken.
Ten eerste bestaat er de assumptie dat stoornissen aparte categorieën vormen binnen de psychopathologie (Fried, 2015). Stoornissen worden onderscheiden op basis van hun symptomatologie, wat impliceert dat variatie in depressiesymptomen alleen wordt veroorzaakt door variatie in depressie. Depressiesymptomen overlappen echter met symptomen van
andere stoornissen, waardoor variatie in de symptomen niet noodzakelijk door variatie in de latente depressie veroorzaakt wordt. Bijvoorbeeld: Jan heeft last van zowel slaapproblemen als concentratieproblemen. De latente oorzaak van de symptomen van Jan kan zowel een depressie als een gegeneraliseerde-angststoornis zijn, aangezien beide symptomen criteria zijn voor de diagnose van beide stoornissen volgens de DSM-V (American Psychiatric
Association, 2013).
Ten tweede wordt aangenomen dat elk symptoom even belangrijk is in de beleving van de stoornis. De bevindingen van Martin et al. (2013) wijzen er echter op dat
externaliserende symptomen belangrijker zijn in de beleving van depressie bij mannen, terwijl internaliserende symptomen belangrijker zijn bij vrouwen. Dit impliceert dat, hoewel mannen en vrouwen beide last kunnen hebben van een specifiek depressiesymptoom, dit
depressiesymptoom in de ene sekse een belangrijkere rol kan spelen dan bij de andere sekse. Het idee dat individuele depressiesymptomen verschillende gevolgen hebben voor het psychosociaal functioneren wordt ook beargumenteerd door Fried en Nesse (2014).
Waar het disease model tekortschiet, kent het recent ontwikkelde netwerkmodel van psychopathologie juist sterke kanten. Het netwerkmodel definieert een stoornis als een voortdurende interactie tussen symptomen die samen een stoornisnetwerk vormen (Cramer & Borsboom, 2013; zie Figuur 1b). Hierbij wordt aangenomen dat de symptomen dimensioneel
Figuur 1. Een hypothetische weergave van depressie, vijf depressiesymptomen en de
onderlinge samenhang tussen depressie en depressiesymptomen volgens het disease model (a) en het netwerkmodel (b). Bijvoorbeeld, in het disease model worden veranderingen in de mate van interesse veroorzaakt door veranderingen in de latente depressie, terwijl in het netwerkmodel veranderingen in de mate van interesse worden veroorzaakt door
veranderingen in gevoelens van somberheid.
Enr – Energie; Int – Interesse; Smb – Somberheid; Cnc – Concentratie; Wrd – Waardeloos
zijn, dus in meer of mindere mate aanwezig in ieder individu. Het is de mate van interactie tussen de symptomen die de de mate van psychopathologie bij individuen bepaalt, niet de aan- of afwezigheid van symptomen. Bovendien zijn volgens dit model de symptomen een actief onderdeel van het stoornisnetwerk in plaats van een passief gevolg van de stoornis. In tegenstelling tot het disease model staat variatie in de symptomen gelijk aan variatie in de stoornis. Hoewel een stoornisnetwerk uit een set symptomen bestaat, kan het interactiepatroon tussen verschillende combinaties van de symptomen verschillen tussen groepen en
individuen. Door het interactiepatroon van een stoornisnetwerk na te gaan, is het mogelijk om erachter te komen welke symptomen belangrijk zijn voor het stoornisnetwerk van een groep. Kortom, onderzoek naar sekseverschillen in depressie vanuit het netwerkmodel maakt het
mogelijk om de interactie tussen depressiesymptomen te bekijken, zodat uitspraken gedaan kunnen worden over het verschil in de beleving van depressie tussen de seksen.
Om de interactie tussen symptomen, oftewel de dynamische structuur, van een
depressienetwerk in kaart te kunnen brengen is het onvoldoende om de symptomen op slechts één meetmoment te meten. Hierdoor wordt slechts een ‘snapshot’ van de structuur gemaakt, zonder de dynamiek tussen de symptomen over tijd weer te geven. Door het herhaaldelijk meten van depressiesymptomen worden tijdseriedata verkregen op basis waarvan de
dynamische structuur van een depressienetwerk weergegeven en onderzocht kan worden. De
Experience Sampling-Method (ESM; Csikszentmihalyi & Larson, 1987) leent zich goed voor
het verzamelen van zulke tijdseriedata. Met de ESM kan gekeken worden naar het affect op een specifiek meetmoment in het dagelijks leven van een individu door meerdere malen per dag een vragenlijst aan te bieden. Op deze manier wordt temporele informatie verkregen met betrekking tot interactie tussen depressiesymptomen, zodat de dynamische structuur van het depressienetwerk onderzocht kan worden.
Voor zover bekend is er geen onderzoek naar het sekseverschil in depressie verricht met de ESM en op basis van het netwerkmodel. Daarom beoogt het huidige onderzoek door middel van een netwerkanalyse exploratief te onderzoeken in hoeverre depressienetwerken van mannen en vrouwen verschillen in het belang van de depressiesymptomen. Naar aanleiding van Martin et al. (2013) wordt het externaliserende symptoom boosheid in dit onderzoek opgenomen als een potentieel mannelijk depressiesymptoom, waarbij er wordt gesteld dat depressienetwerken van vrouwen en mannen verschillen in het belang van symptomen gerelateerd aan boosheid en stress. Ten eerste wordt er verwacht dat het
symptoom gerelateerd aan stress belangrijker is en meer invloed heeft op andere symptomen in het vrouwelijke depressienetwerk dan in het mannelijke depressienetwerk. Ten tweede wordt er verwacht dat het symptoom gerelateerd aan boosheid belangrijker is en meer invloed
heeft op andere symptomen in het mannelijke depressienetwerk dan in het vrouwelijke depressienetwerk. Er wordt hier verwacht dat het symptoom boosheid relatief onbelangrijk is in het depressienetwerk van vrouwen.
Methode
Deelnemers
Een convenience steekproef (Mook, 2001) is voor dit onderzoek gebruikt. Een deel van de deelnemers is geworven in de directe omgeving van de onderzoeker en deden vrijwillig mee aan het onderzoek. De overige deelnemers waren psychologiestudenten, die aan het onderzoek meededen voor participatiepunten. De inclusiecriteria waren het in bezit zijn van een iPhone of iPod touch en het ouder zijn dan 18 jaar.
Materialen
Voor dit onderzoek is een vragenlijst bestaande uit 10 items opgesteld. Deze vragenlijst is afgenomen bij deelnemers via de mobiele Qumi app (Oppenheim, 2016), die enkel werkzaam is bij een iPhone en iPod touch. Negen van deze items (‘waardeloos’, ‘stress’, ‘somber’, ‘schuldig’, ‘moe’, ‘interesse’, ‘energiek’, ‘eetlust’ en ‘concentratie’) zijn gebaseerd op de DSM-V symptomen van een depressieve stoornis (American Psychiatric Association, 2013). Een voorbeeld van een item is: “ik voel me somber”. Daarnaast is het tiende item “ik voel me boos” opgenomen omdat dit niet-DSM-V symptoom relevant lijkt te zijn voor depressie bij mannen (Martin et al., 2013). Elk item is gescoord op een schaal van 1 (“heel weinig”) tot 5 (“heel veel”).
Demografische informatie over de deelnemers is verkregen aan de hand van een vragenlijst bij aanvang van het onderzoek. In zowel deze vragenlijst als de Qumi app
waarmee wordt samengewerkt bij het verzamelen van data. Alleen gegevens die relevant zijn voor het huidige onderzoek zijn opgenomen in de analyse.
Procedure
Bij het benaderen van deelnemers die aan de inclusiecriteria voldoen is het belang van een actieve dagelijkse deelname benadrukt. Na het ondertekenen van de informed consent worden instructies over zowel het verloop van het onderzoek als een download van de Qumi app per e-mail opgestuurd. Via de Qumi app vullen de deelnemers de Qumi app vragenlijst in gedurende 15 dagen zeven keer per dag, waarbij maximaal één meetmoment per dag gemist mag worden. De dataverzameling vindt plaats over een periode van een maand, tussen maart en april 2016. Na afloop van de 15 dagen worden deelnemers nader ingelicht over het doel van het onderzoek.
Netwerkanalyse
Aan de hand van demografische en tijdseriedata worden depressienetwerken gemaakt voor mannen en voor vrouwen. Tijdseriedata betreffende de depressiesymptomen zijn via de Qumi app (Oppenheim, 2016) verzameld volgens de ESM (Csikszentmihalyi & Larson, 1987). Deze tijdseriedata zijn vervolgens gebruikt om een multilevel vector autoregression (VAR) model (Epskamp, Deserno & Bringmann, 2015) te schatten, waarin de interactie tussen de symptomen per groep en per meting wordt weergegeven. Gebaseerd op deze interactie worden de gemiddelde effecten per groep over alle meetmomenten heen berekend tussen symptomen. Deze gemiddelde effecten worden vervolgens gebruikt om
depressienetwerken van mannen en vrouwen te maken, waarbij de verbindingen tussen symptomen de gemiddelde effecten representeren. Door de absolute waarden van de
verbindingen bij elkaar op te tellen wordt de mate van de verbondenheid, de global strength, van de depressienetwerken berekend (Bringmann et al., 2013). Vervolgens wordt visueel onderzocht in hoeverre een symptoom op een bepaald meetmoment een ander symptoom op
een ander meetmoment beïnvloedt. Deze informatie en de depressienetwerken worden per groep gevisualiseerd door middel van R package qgraph (Epskamp, Cramer, Waldorp, Schmittmann & Borsboom, 2012).
Een depressienetwerk bestaat uit twee elementen: (1) knopen, die de
depressiesymptomen representeren, en (2) lijnen, die de verbindingen tussen knopen weergeven (Cramer & Borsboom, 2013). Het kan voorkomen dat een symptoom zichzelf versterkt, wat wordt weergegeven als een ‘feedbackloop’ in het depressienetwerk, zie symptoom ‘Interesse’ in Figuur 1b. Dit is een verbinding die zowel bij het symptoom begint als eindigt. De verzadiging, de dikte en de richting van de lijn wijst aan hoe sterk een
bepaalde knoop een andere knoop door de tijd heen beïnvloedt (Epskamp et al., 2012). Hoe verzadigder en dikker de lijn, hoe sterker de invloed. Daarnaast wijst de kleur van de
verbinding op de aard van de invloed; rood wijst op een negatieve samenhang en groen op een positieve samenhang tussen knopen.
Centraliteitsanalyse
Het belang van de knopen in de depressienetwerken van mannen en vrouwen wordt middels qgraph vergeleken op de relatieve centraliteit van hun symptomen (Epskamp et al., 2012). De mate van centraliteit geeft weer hoe belangrijk een knoop, in dit geval een
symptoom, is voor het depressienetwerk (Constatini et al., 2015). Daarom worden de verwachtingen van dit onderzoek voornamelijk onderzocht aan de hand van de drie centraliteitsmaten: strength, betweenness en closeness.
De strength van een knoop wordt bepaald door de som van de sterkte van alle verbindingen die een knoop heeft met andere knopen (Opsahl, Agneessens & Skvoretz, 2010). De knoop met de meeste en de sterkste verbindingen heeft een hoge mate van strength. Op deze manier wordt informatie over welke verbindingen het belangrijkst zijn voor het
netwerk inzichtelijk gemaakt. Hierbij is een onderscheid gemaakt tussen instrength en
outstrength. Een symptoom met een hoge instrength wordt beschouwd als een afhankelijke
variabele, die vooral beïnvloed wordt door andere knopen, zoals het symptoom ‘Waardeloos’ in Figuur 1b. Een symptoom met een hoge outstrength wordt als een onafhankelijke variabele beschouwd die vooral andere knopen beïnvloedt, zoals het symptoom ‘Somberheid’ in Figuur 1b.
De betweenness geeft aan langs welke knoop de meeste kortste paden gaan zodat andere knopen in het netwerk elkaar onderling kunnen beïnvloeden (Opsahl et al., 2010). Een pad is een route via welke een knoop een andere knoop beïnvloedt, waarbij geldt: hoe korter het pad, hoe sneller de route. Een knoop met een hoge betweenness is dus een knoop via welke andere knopen elkaar snel kunnen beïnvloeden, zoals het symptoom ‘Concentratie’ in Figuur 1b. Als een dergelijke knoop weggehaald wordt uit het netwerk dan wordt de afstand tussen de resterende knopen groter, waardoor zij elkaar minder snel kunnen beïnvloeden. Een dergelijke knoop verbindt dus delen van het netwerk, waardoor deze beschouwd kan worden als de verbindende factor in het netwerk.
De closeness van een knoop is de inverse van de som van de afstand tussen één knoop met alle andere knopen (Opsahl et al., 2010). De closeness geeft weer hoe goed een
verandering van een knoop veranderingen in de andere knopen kan voorspellen. Een verandering in een knoop met een hoge closeness, zoals het symptoom ‘Concentratie’ in Figuur 1b, leidt gemakkelijker tot een verandering in de andere knopen.
Resultaten
Deelnemers
Aanvankelijk zijn er 60 deelnemers aan het onderzoek begonnen, waarvan de tijdseriedata van 17 deelnemers (waarvan 14 vrouwen) meegenomen zijn in de analyse. Bij
het bekijken van de verzamelde tijdseriedata zijn veel inconsistente gevallen gevonden. Hierdoor is er besloten om alleen de data te gebruiken van deelnemers die gedurende tien dagen ten minste vijf keer per dag de Qumi app vragenlijst hebben ingevuld. Het verloop van de participatie en de uitval van deelnemers is weergegeven in Figuur 2.
De twee groepen gevormd op basis van de sekse van de deelnemers zijn onderzocht op demografische informatie. Daaruit blijkt dat het opleidingsniveau van seksegroepen gelijk is (X2 (3) = 2.01, p = .571). Aangezien het totale aantal deelnemers laag was, werd een Welch
Two-Sample t-test uitgevoerd om de seksegroepen te vergelijken op leeftijd. Hieruit blijkt dat
er geen significant verschil is in leeftijd tussen mannen (M = 25.43, SD = 2) en vrouwen (M = 24, SD = 12.60), t (14.9) = 0.40, p = .694.
Figuur 2. Flowchart van het verloop van de participatie en de uitval van de deelnemers aan
het onderzoek.
Netwerkanalyse
Bij de eerste aanblik op de depressienetwerken van mannen en vrouwen (zie Figuur 3) zijn meerdere verschillen op te merken. Het is bijvoorbeeld opvallend dat het
Figuur 3. Het depressienetwerk van mannen (a) en het depressienetwerk van vrouwen (b)
waarbij alle verbindingen in het netwerk worden weergegeven, ongeacht significantieniveau. Hoe dikker en verzadigder de lijn, hoe sterker het verband (Epskamp et al., 2012). Een rode en een groene lijn wijzen respectievelijk op een negatief en een positief verband. De richting van het verband wordt met een pijl weergegeven.
Etl – Eetlust; Sch – Schuldig; Enr – Energie; Wrd – Waardeloos; Int – Interesse; Moe – Moe Bos – Boos; Cnc – concentratie; Smb – Somber; Str – Stress
depressienetwerk van vrouwen (global strength = 5.77). Hoewel er veel te vergelijken valt tussen de depressienetwerken van de seksen, richt dit onderzoek zich voornamelijk op de symptomen “boos” en “stress”. Daarom worden vooral deze symptomen besproken. De gebruikte R codes bij deze analyse zijn vermeld in Bijlage A.
Het eerste wat opvalt wat betreft het symptoom ‘boos’ is dat de feedbackloop van dit symptoom negatief is bij mannen maar positief bij vrouwen. Dit wijst erop dat, anders dan vrouwen, mannen minder boos worden naarmate de tijd vordert. Daarnaast heeft dit symptoom een groter aantal sterke verbindingen met andere symptomen in het
depressienetwerk van mannen vergeleken met het depressienetwerk van vrouwen. Zo blijkt bij mannen dat boosheid tot een toename van concentratievermogen, gevoel van
vermoeidheid en interesse over tijd leidt. Daarnaast nemen gevoelens van somberheid, waardeloosheid en eetlust af. Bovendien valt het op dat symptomen ‘waardeloos’ en ‘stress’ bij mannen een een redelijk sterke positief verband hebben met ‘boos’. Dit wijst erop dat mannen bozer worden na het ervaren van stress en een gevoel van waardeloosheid. In tegenstelling tot bij het mannelijke depressienetwerk lopen er bij vrouwen nauwelijks
verbindingen van andere symptomen naar ‘boos’. Zo heeft dit symptoom bij vrouwen slechts twee redelijk sterke verbindingen: één met zichzelf en één met het symptoom ‘stress’. Dit wijst erop dat vrouwen zich vooral bozer en gestresster voelen wanneer ze boos zijn geweest.
Het meest opvallende verschil betreft het symptoom ‘stress’is dat er een sterk wederzijds positief verband bestaat tussen ‘stress’ en ‘somber’ bij mannen. Dit patroon is afwezig bij vrouwen, wat erop wijst dat mannen zich gestresster voelen na een periode van somberheid en dat dit op zijn beurt tot meer sombere gevoelens leidt. Andere verbanden met dit symptoom die aanwezig zijn bij mannen, maar niet bij vrouwen, zijn: het positieve verband van ‘stress’ naar ‘waardeloos’ en het matige negatieve verband van ‘stress’ naar ‘concentratie’. Dit geeft aan dat bij mannen stress tot een toename van een gevoel van
waardeloosheid leidt en een afname van het concentratievermogen. In het algemeen geldt dat dit symptoom in het vrouwelijke depressienetwerk nauwelijks verbindingen heeft met andere symptomen. De negatieve verbinding die loopt van ‘stress’ naar ‘interesse’ is de allersterkste verbinding die het symptoom ‘stress’ heeft met andere symptomen. Deze is echter
tegelijkertijd relatief zwak in vergelijking met andere verbindingen in het depressienetwerk van vrouwen, zoals de negatieve verbindingen die het symptoom ‘waardeloos’ heeft met ‘energie’, ‘interesse’ en ‘concentratie’.
Centraliteitsanalyse
Verschillen tussen de seksegroepen in het belang van symptomen is onderzocht op basis van drie centraliteitsmaten. De gebruikte R codes voor deze analyse zijn vermeld in Bijlage A. Voor de interpretatie van de resultaten wordt verwezen naar Figuur 4 en Tabel 1.
Strength. Bij vrouwen vertoonden de symptomen ‘energiek’, ‘interesse’ en ‘eetlust’ de hoogste mate van instrength en ‘boos’, ‘waardeloos’ en ‘schuldig’ de laagste. Bij mannen scoorden de symptomen ‘eetlust’, ‘energiek’ en ‘somber’ het hoogst en ‘schuldig’,
‘concentratie’ en ‘boos’ het laagst. Dit wijst erop dat bij beide seksen de mate van boosheid en schuld het zwakst wordt beïnvloed door andere symptomen en de mate van energie en eetlust het sterkst. Bij mannen wordt het symptoom ‘somber’ meer door overige symptomen beïnvloed dan bij vrouwen. Daarnaast is het opvallend dat zowel bij mannen als bij vrouwen de symptomen ‘waardeloos’, ‘boos’ en de hoogste mate van outstrength vertonen. Bij mannen vertoont het symptoom ‘boos’ echter een hogere mate van outstrength dan bij vrouwen, bij ‘waardeloos’ is dat andersom. Mede in lijn met de verwachting betekent dit dat boosheid vooral veel invloed heeft op de overige symptomen in het depressienetwerk van voornamelijk mannen, maar ook, zij het in mindere mate, in het depressienetwerk van vrouwen.Tevens scoort ‘schuldig’ hoog bij mannen en ‘moe’ bij vrouwen. Tegen de verwachting in blijkt het
Figuur 4. De score van elk symptoom op de centraliteitsmaten betweenness, closeness,
instrength en outstrength in het depressienetwerk van vrouwen en in het depressienetwerk van mannen.
symptoom ‘stress’ weinig invloed te hebben op andere symptomen in het depressienetwerk van vrouwen. Vervolgens scoren ‘eetlust’, ‘energiek’ en ‘somber’ het laagst op outstrength bij vrouwen, terwijl bij mannen ‘interesse’, ‘concentratie’ en ‘eetlust’ het laagst scoren. Dit wijst erop dat de depressienetwerken van de seksen vooral verschillen in de symptomen die de minste invloed op andere symptomen hebben.
Betweenness. In overeenkomst met de verwachting vertoont het symptoom ‘boos’ een aanzienlijk hogere mate van betweenness bij mannen vergeleken met vrouwen. Naast ‘boos’
scoren ook de symptomen ‘moe’ en ‘energiek’ het hoogst op betweenness bij mannen. Anders dan bij mannen, scoren bij vrouwen de symptomen ‘interesse’, ‘moe’ en ‘waardeloos’ het hoogst op betweenness en niet het symptoom ‘stress’ zoals er verwacht werd. Hierbij zijn twee opmerkingen te plaatsen: (1) er is een duidelijk verschil tussen de seksen in welke symptomen de verbindende factor zijn in het depressienetwerk en (2) behalve bij het
symptoom ‘moe’ blijkt dat symptomen die laag scoren bij vrouwen, bij mannen juist relatief hoog scoren en vice versa. Dit betekent dat mannen en vrouwen in het algemeen verschillen in de symptomen die belangrijk zijn voor de verbondenheid van het gehele depressienetwerk. Dit is zichtbaar in een voorbeeld met boosheid: als een man zich boos voelt, dan medieert dit gevoel de invloed van bijvoorbeeld concentratievermogen op somberheid. Als hij echter niet boos is, wordt somberheid niet beïnvloed door concentratieproblemen.
Closeness. In het depressienetwerk van zowel mannen als vrouwen scoren de symptomen ‘waardeloos’ en ‘boos’ het hoogst op closeness relatief aan de overige
symptomen. Mede in lijn met de verwachting scoort het symptoom ‘boos’ echter hoger op closeness dan bij vrouwen, bij ‘waardeloos’ is dat andersom. Dit wijst erop dat bij beide seksen een verandering in boosheid en in het gevoel van waardeloosheid gemakkelijk tot verandering van de overige symptomen leidt. Er bestaat echter een verschil tussen de seksen in de voorspellende kracht van deze symptomen. Tegen de verwachting in blijkt het
symptoom ‘stress’ noch hoog, noch hoger te scoren op closeness bij vrouwen in vergelijking met mannen. Daarnaast verschillen mannen en vrouwen in de closeness van de symptomen ‘concentratie’ en ‘moe’. Veranderingen in moeheid leiden bij mannen gemakkelijker tot verandering in de overige symptomen dan bij vrouwen. Hetzelfde geldt bij vrouwen voor het symptoom ‘concentratie’, maar niet bij mannen. Dit zou kunnen betekenen dat mannen die zich moe voelen gemakkelijker boos worden en minder eetlust krijgen. Een dergelijke verandering in moeheid voorspelt bij vrouwen niet een verminderde eetlust. Wel kan bij
vrouwen een verandering in concentratie tot bijvoorbeeld een schuldgevoel leiden.
Vervolgens scoren bij mannen de symptomen ‘eetlust’, ‘interesse’ en ‘concentratie’ het laagst en bij vrouwen ‘eetlust’, ‘energie’ en ‘somber’. Deze symptomen voorspellen veranderingen in andere symptomen het minst.
Tabel 1
Centraliteitsmaten Instrength, Outstrength, Betweenness en Closeness per Depressiesymptoom in het Depressienetwerk van Mannen en Vrouwen
Depressiesymptoom Betweenness Closeness Instrength Outstrength
Waardeloos 0.693a 2.072a -1.111b 2.157a Stress -0.107 -0.393 -0.384 -0.337 Somber -0.640 -0.731b -0.061 -0.713b Schuldig -0.907b -0.114 -0.791b -0.192 Vrouwen Moe 0.961a -0.805 -0.075 0.629a Interesse 2.028a -0.015 1.320a -0.365 Energiek -1.174b -0.805b 1.682a -0.852b Eetlust -0.907b -1.313b 0.667a -1.311b Concentratie 0.160 0.236a 0.149 0.155 Boos -0.107 1.242a -1.395b 0.831a Depressiesymptoom Betweenness Closeness Instrength Outstrength
Waardeloos -0.682 0.544a 0.023 0.668a Stress 0.292 0.275 0.045 0.113 Somber 0.292 -0.210 0.713a -0.025 Schuldig -0.926b 0.017 -2.133b 0.359a Mannen Moe 1.511a 0.644a 0.630 0.244 Interesse -0.926b -1.065b -0.019 -1.383b Energiek 1.023a -0.225 1.080a -0.017 Eetlust -0.926b -1.171b 1.109a -0.917b Concentratie -0.926b -0.971b -0.944b -1.124b Boos 1.267a 2.161a -0.503b 2.082a a
Discussie
In dit onderzoek is een exploratieve netwerkanalyse uitgevoerd waarin de depressienetwerken van vrouwen en mannen onderzocht zijn op het belang van DSM-V depressiesymptomen (American Psychiatric Association, 2013) en het potentieel mannelijke depressiesymptoom gerelateerd aan boosheid. Hieruit is gebleken dat het symptoom ’boos’ het belangrijkst is in het depressienetwerk van mannen en het symptoom ‘waardeloos’ in het depressienetwerk van vrouwen, omdat deze symptomen bij de seksen het hoogst scoorden op de drie centraliteitsmaten. Tegen de eerste verwachting in is het symptoom ‘stress’ noch belangrijk, noch onbelangrijk gebleken in het depressienetwerk van vrouwen dan in het depressienetwerk van mannen. Dit symptoom lijkt visueel ook geen sterke verbindingen te hebben met de andere symptomen in het depressienetwerk van vrouwen. Het gevoel van stress is in het depressienetwerk van mannen echter sterk positief verbonden met zowel somberheid als boosheid. Echter, het gevoel van stress bleek niet belangrijk in het depressienetwerk van mannen. Deels in overeenkomst met de tweede verwachting is het symptoom ‘boos’ belangrijk gebleken in het depressienetwerk van mannen. Tegen deze verwachting in was ‘boos’ echter ook belangrijk in het depressienetwerk van vrouwen, zij het in mindere mate dan bij mannen. Dit symptoom had echter visueel een aanzienlijk groter aantal sterke verbindingen met andere symptomen in het depressienetwerk van mannen vergeleken met vrouwen. Hierdoor wordt er alsnog indirect steun gevonden voor de
verwachting dat boosheid een belangrijker rol speelt in depressie bij mannen dan bij dat van vrouwen. Vanwege de exploratieve aard van het onderzoek kan voorzichtig worden
geconcludeerd dat boosheid een belangrijke rol speelt in depressie van mannen en in mindere mate in depressie van vrouwen. Daarnaast kan voorzichtig worden geconcludeerd dat het gevoel van waardeloosheid, en niet stress, een belangrijke rol speelt in depressie bij vrouwen.
Deze conclusie komt gedeeltelijk overeen met de bevindingen van het onderzoek van Martin et al. (2013), waaruit is gebleken dat internaliserende symptomen, zoals stress, en externaliserende symptomen, zoals boosheid, belangrijk waren in de depressie van respectievelijk vrouwen en mannen. Het is echter aannemelijk om een gevoel van waardeloosheid te beschouwen als een internaliserend symptoom, waardoor er alsnog overeenkomsten zijn tussen de bevindingen van Martin et al. (2013) en dit onderzoek. In tegenstelling tot de bevindingen van Martin et al. (2013) bleek het externaliserende symptoom boosheid ook matig belangrijk in de depressie van vrouwen. Dit suggereert dat boosheid een potentieel relevant depressiesymptoom is niet alleen bij mannelijke maar ook bij vrouwelijke depressie.
Het is echter moeilijk te zeggen of het ontbreken van een depressiesymptoom gerelateerd aan boosheid in de DSM-V (American Psychiatric Association, 2013) het
sekseverschil veroorzaakt zoals Martin et al. (2013) stelden. Een nadeel van dit onderzoek is dat de aanwezigheid van depressie bij de deelnemers niet onderzocht werd met behulp van een diagnostisch instrument, waardoor de bevindingen mogelijk niet volledig een verschil in depressie weergeven. Omdat het netwerkmodel echter aanneemt dat symptomen dimensioneel zijn (Cramer & Borsboom, 2013), dus in meer of mindere mate aanwezig in individuen, is het de mate van verbondenheid in het stoornisnetwerk dat de mate van psychopathologie bepaalt. Zo zijn er aanwijzingen dat de depressienetwerken van individuen die depressiever zijn, sterker verbonden zijn dan die van individuen die minder depressief zijn (Van Borkulo, Boschloo, Borsboom, Penninx, Waldorp & Schoevers, 2015). Hoewel het depressienetwerk van de mannelijke deelnemers sterker verbonden was dan dat van de vrouwelijke deelnemers in het huidige onderzoek, betekent dat niet dat de mannen depressiever waren dan de vrouwen omdat dit niet bevestigd is met een diagnostisch instrument. Echter, aangenomen dat
gebaseerd waren op de DSM-V criteria voor depressie, is het wel in enige mate aannemelijk dat de mate van depressie van de deelnemers gemeten is. Vervolgonderzoek zou gebruik moeten maken van een klinische steekproef en zijn bevindingen vergelijken met de
bevindingen van het huidige onderzoek, om meer valide uitspraken te kunnen doen over de oorzaken van het sekseverschil in depressie.
Een ander probleem met dit onderzoek is dat er zowel een laag totaal aantal deelnemers als veel meer vrouwelijke dan mannelijke deelnemers zijn meegenomen in de analyse. Hierdoor zijn de gemiddelde effecten aan de hand waarvan de depressienetwerken gemaakt zijn, gemiddeld over zowel een laag totaal aantal deelnemers als een ongelijk aantal deelnemers per seksegroep. Ten eerste, het lage totale aantal deelnemers draagt eraan bij dat de schattingen van de depressienetwerken minder betrouwbaar zijn (Epskamp, Borsboom & Fried, 2016). Ten tweede, aangezien de gemiddelde effecten van mannen gemiddeld zijn over slechts drie mannen is het mogelijk dat de verbondenheid van het mannelijke
depressienetwerk sterker lijkt doordat de antwoorden van de mannen meer op elkaar lijken. Omgekeerd is het mogelijk dat het depressienetwerk van vrouwen zwakker verbonden lijkt doordat er over 14 vrouwen gemiddeld werd. Het is dus mogelijk dat het verschil in
verbondenheid van de depressienetwerken van de seksen vertekend was door het ongelijke aantal deelnemers per groep. Dit kan op zijn beurt vertekeningen in de resultaten van de centraliteitsanalyse hebben opgeleverd aangezien de scores van de centraliteitsmaten
gebaseerd waren op de eigenschappen van de depressienetwerken. Als gevolg is het mogelijk dat de verschillen in het belang van de depressiesymptomen minder zijn opgevallen door het ongelijke aantal vrouwen en mannen. Vervolgonderzoek kan deze mogelijke vertekeningen in de resultaten voorkomen en de betrouwbaarheid van de schattingen van de
depressienetwerken doen verhogen door zowel een hoger als gelijk totaal aantal deelenemers per groep op te nemen.
Tenslotte is in dit onderzoek niet onderzocht in hoeverre de centraliteitsmaten stabiel waren, wat de derde tekortkoming van dit onderzoek vormt. Hierdoor is de mate waarin wij de conclusie van dit onderzoek kunnen generaliseren beperkt (Epskamp et al., 2016).
Bijvoorbeeld, in dit onderzoek scoorden de symptomen ‘waardeloos’ en ‘boos’ het hoogst op closeness in de depressienetwerken van de seksen, maar anders dan bij vrouwen, scoorde ‘boos’ relatief hoger dan ‘waardeloos’ bij mannen. Dit wijst erop dat ‘boos’ relatief
belangrijker is dan het symptoom ‘waardeloos’ in het depressienetwerk van mannen en dat het bij vrouwen andersom is. Hierbij wordt aangenomen dat de schattingen van closeness van deze symptomen binnen de depressienetwerken van de seksen werkelijk van elkaar
verschillen. Aangezien de variatie van deze schattingen in dit onderzoek echter onbekend is, kan dit verschil in closeness niet bevestigd worden, waardoor onbekend is hoe stabiel en generaliseerbaar deze bevinding is. Door middel van het recent ontwikkelde R package
bootneet (Epskamp et al., 2016) kan de mate waarin de schattingen van de centraliteitsmaten
variëren binnen de depressienetwerken van de seksen onderzocht worden. Vervolgonderzoek wordt aangemoedigd om deze analyse uit te voeren om meer inzicht te krijgen in hoeverre mogelijke soortgelijke bevindingen gegeneraliseerd kunnen worden.
Ongeacht de tekortkomingen van dit onderzoek suggereren de genoemde conclusies dat het inzichtgevend is om het sekseverschil vanuit een netwerkmodel te bekijken. Dergelijk onderzoek brengt niet alleen verheldering in de interactie van symptomen op conceptueel niveau, maar vertaalt zich ook gemakkelijk naar suggesties voor de klinische praktijk (Fried, Epskamp, Nesse, Tuerlinckx & Borsboom, 2016). Zo wijst dit onderzoek erop dat er bij de behandeling van depressie een verschil bestaat tussen mannen en vrouwen in de symptomen die aandacht moeten krijgen. Interventies gericht op boosheid en vermoeidheid zullen bij mannen waarschijnlijk effectiever aanslaan, terwijl bij vrouwen interventies gericht op concentratie en het gevoel van waardeloosheid waarschijnlijk effectiever zullen aanslaan. Dit
onderzoek heeft dus als pluspunt de kloof tussen wetenschappelijk onderzoek en de klinische praktijk (Kazdin, 2008) te verminderen. Meer van dergelijk onderzoek maakt wetenschap waardevoller voor de maatschappij, omdat het de potentie heeft om veranderingen teweeg te brengen in de klinische praktijk waarmee de ziektelast van depressie kan worden verlicht en tevens maatschappelijke kosten kunnen verlagen.
Referenties
Addis, M. E. (2008). Gender and depression in men, Clinical Psychology-Science and
Practice, 15, 153-18.
Altemus, M., Sarvaiya, N., & Epperson, N. (2014). Sex differences in anxiety and depression clinical perspectives, Frontiers in Neuroendocrinology, 35, 320-330.
Angst, J., Gamma, A., Gastpar, M., Lépine, J. P., Mendlewicz, J., & Tylee, A. (2002). Gender differences in depression: Epidemiological findings from the European
DEPRES I and II studies, European Archives of Psychiatry and Clinical
Neuroscience, 252, 201-209.
American Psychiatric Association. (2013). Diagnostic and statistical manual of mental disorders (5th ed.). Washington, DC: Author.
Bringmann, L. F., Vissers, N., Wichers, M., Geschwind, P., Kuppens, F., Peeters, F., … Tuerlinckx, F. (2013). A Network Approach to Psychopathology: New Insights into Clinical Longitudinal Data, PLoS ONE, 8, e60188.
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, 72, 1219-1226.
Cole, D. A., Jacquez, F. M., Truss, A. E., Pineda, A. Q., Weitlauf, A. S., Tilghman-Osborne, C. E., … Maxwell, M. A.(2009). Gender Differences in the Longitudinal Structure of Cognitive Diatheses for Depression in Children and Adolescents,
Journal of Clinical Psychology, 65, 1323-1326.
Constatini, G., Epskamp, S., Borsboom, D., Perugini, R., Mõttus, R., Waldorp, L. J. (2015). State of the Art Personality Research: A Tutorial on Network Analysis of Personality Data in R, Journal of Research in Personality, 54, 13-29
Cramer, A. O. J., & Borsboom, D. (2013). Network Analysis: An Integrative Approach to the Structure of Psychopathology, Annual Review of Clinical Psychology, 9, 91-121.
Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the experience sampling method, Journal of Nervous and Mental Disease, 175, 526-536. Epskamp, S., Borsboom, D., & Fried, E. I. (2016). Estimating Psychological Networks and
their Stability: A Tutorial Paper. arXiv:1604.08462 [stat.AP].
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.
Epskamp, S., Deserno, M. K., & Bringmann, L. F. (2015). mlVAR: Multi-Level Vector Autoregression. R package version 0.1.0. Opgehaald van
https://CRAN.R-project.org/package=mlVAR
Essau, C. A., Lewinsohn, P. M., Seeley, J. R., & Sasagawa, S. (2010). Gender differences in the developmental course of depression, Journal of Affective Disorders¸127, 185-190.
Fried, E. I. (2015). Problematic Assumption have slowed down depression research: why symptoms, not syndromes are the way forward, Frontiers in Psychology, 6. doi: 10.3389/fpsyg.2015.00309.
Fried, E. I. Epskamp, S., Nesse, R. M., Tuerlinckx, F., & Borsboom, D. (2016). What are ‘good’ depression symptoms? Comparing the centrality of DSM and non-DSM symptoms of depression in network analysis, Journal of Affective Disorders,
189, 314-320.
Fried, E. I., & Nesse, R. M. (2014). The impact of individual depressive symptoms on impairment of psychosocial functioning. PLoS ONE, 9, e90311.
De Graaf, R., Tuithof, M., van Dorsselaer, S., & ten Have, M. (2011). Verzuim door
psychische en somatische aandoeningen bij werkenden - Resultaten van de 'Netherlands Mental Health Survey and Incidence Study-2' (NEMESIS-2).
Utrecht: Ministerie van Volksgezondheid, Welzijn en Sport.
Girgus, J. S., & Yang, K. (2015). Gender and depression, Current Opinion in Psychology, 4, 53-60.
Kazdin, A. E. (2008). Evidence-Based Treatment and Practice, American Psychologist, 63, 146-159.
Kendler, K. S., & Gardner, C. O. (2014). Sex Differences in the Pathways to Major Depression: A Study of Opposite-Sex Twin Pairs, American Journal of
Psychiatry, 171, 426-435.
Kessler, R. C. (2001). Epidemiology of women and depression, Journal of Affective
Disorders, 74, 5-13.
Kessler, R. C. (2012). The Costs of Depression, Psychiatric Clinics of North America, 35, 1-14.
Kuehner, C. (2003). Gender differences in unipolar depression: An update of epidemiological findings and possible explanations. Acta Psychiatrica Scandinavica, 108, 163-174.
Martin, L. A., Neighbors, H. W., & Derek, M. G. (2013). The Experience of Symptoms of Depression Men vs Women Analysis of the National Comorbidity Survey Replication, Jama Psychiatry, 70, 1100-1106
Mook, D. G. (2001). Psychological Research: The Ideas Behind the Methods. London: W. W. Norton & Company.
Oppenheim, B. (2016). Qumi for Apple iOS (version 0.5.41) [Mobile application software]. Opgehaald van 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. Pachana, N. A., McLaughlin, D., Leung, J., Byrne, G., & Dobson, A. (2012). Anxiety and
depression in adults in their eighties: do gender differences remain?,
International Psychogeriatrics, 24,145-150.
Slobbe, L. C. J., Smit, J. M., Groen, J., Poos, M. J. J. C., & Kommer, G. J. (2011). Kosten van
Ziekten in Nederland 2007 - Trends in de Nederlandse zorguitgaven 1999-2010.
Bilthoven: Rijksinstituur voor Volksgezondheid en Milieu.
World Health Organization. (2008). The global burden of disease : 2004 update. Geneva: Auteur. Opgehaald van
Bijlage A: R codes
#### Instaleren van programmen en het databestand uploaden library(devtools) install_github('SachaEpskamp/mlVAR') install_github('SachaEpskamp/qgraph') library(mlVAR) library(qgraph) library(plyr) library(foreign) X <- as.data.frame(read.csv2('ZEKERDATAMOEDERBESTANDboos.csv')) #### Het totale antaal deelnemers berekenen
(number_of_subjects <- length(unique(X$ID))) #### Data splitsen op voor- en herhaalde metingen
### Voormeting (variabelen nodig voor demografische informatie) X_voor_all <- X[,c(1,6:61)]
X_voor <- ddply(X_voor_all, .(ID), function(d) d[1,])
### Herhaalde metingen (variabelen die tijdseriedata vormen X_rep <- X[,c(1,4,5,62:72)]
#### X_rep splitsen naar sekse
### Bepalen welke deelnemers man/vrouw zijn (2=vrouw) ID_man <- X_voor[X_voor$Sekse == 1, 1]
ID_vrouw <- X_voor[X_voor$Sekse == 2, 1]
### Het totale aantal deelnemers per seksegroep berekenen length(ID_man) ## hoeveel mannen
length(ID_vrouw) ##hoeveel vrouwen
X_rep_man <- X_rep[X_rep$ID %in% ID_man, ] X_rep_vrouw <- X_rep[X_rep$ID %in% ID_vrouw, ] ### Beschrijvende statistieken berekenen
age_v <- X_voor$Leeftijd[X_voor$Sekse == 2] age_m <- X_voor$Leeftijd[X_voor$Sekse == 1] mean(age_m) mean(age_v) sd(age_m) sd(age_v)
## t-toets: is er een leeftijdsverschil tussen de seksegroepen? var.test(age_v, age_m)
ttest <- t.test(age_v, age_m)
##Chi-square toets: is de verdeling van opleiding gelijk over de seksegroepen? with(X_voor, chisq.test(Sekse, Opleiding))
#### Netwerkanalyse: mlVAR ### Netwerk maken
## Mannen
resm <- mlVAR(data=X_rep_man, vars=colnames(X_rep_man)[5:14], idvar='ID', dayvar='day', beepvar='beep', orthogonal = TRUE)
Qm <- plot(resm) ## Vrouwen
resv <- mlVAR(data=X_rep_vrouw, vars=colnames(X_rep_vrouw)[5:14], idvar='ID', dayvar='day', beepvar='beep', orthogonal = TRUE)
Qv <- plot(resv)
### Naast elkaar leggen en vergelijkbaar maken met afkortingen voor labels graphm <- qgraph(Qm, minimum = 0, maximum = 1, threshold = 0)
graphv <- qgraph(Qv, minimum = 0, maximum = 1, threshold = 0, layout = graphm$layout) par(mfrow = c(1,2))
graphmNONSIG <- qgraph(Qm, minimum = 0, maximum = 1, labels = abbreviate(colnames(X_rep_vrouw)[5:14], 3))
graphvNONSIG <- qgraph(Qv, minimum = 0, maximum = 1, layout = graphm$layout, labels = abbreviate(colnames(X_rep_vrouw)[5:14], 3))
### som van de absolute waarde van de verbindingen (global strength) sum(abs(getWmat(graphm)))
sum(abs(getWmat(graphv)))
#### Centraliteitsanalyse: qgraph ### Centraliteitsplots figuur maken ## Mannen
cman <- qgraph(Qm, DoNotPlot = TRUE) centralityPlot(cman)
## Vrouwen
cvrouw <- qgraph(Qv, DoNotPlot = TRUE) centralityPlot(cvrouw)
## Gecombineerde centraliteitsplot figuur graphs <- list(cman, cvrouw)
names(graphs) <- c("Mannen", "Vrouwen") centralityPlot(graphs)
### Centraliteitstabel maken ## Mannen
cm <- centralityTable(cman)
tablem <- cbind(cm[cm$measure == "InStrength",c(3,5)],
cm[cm$measure == "OutStrength",c(5)], cm[cm$measure == "Betweenness",c(5)], cm[cm$measure == "Closeness",c(5)])
colnames(tablem) <- c("Symptoom", "Instrength", "Outstrength", "Betweenness", "Closeness")
# Centraliteitstabel mannen met afgeronde nummbers tablem_rnd <- cbind(tablem[,1], round(tablem[,-1], 3))
colnames(tablem_rnd) <- c("Symptoom", "Instrength", "Outstrength", "Betweenness", "Closeness")
## Vrouwen
cv <- centralityTable(cvrouw)
tablev <- cbind(cv[cv$measure == "InStrength",c(3,5)], cv[cv$measure == "OutStrength",c(5)], cv[cv$measure == "Betweenness",c(5)], cv[cv$measure == "Closeness",c(5)])
colnames(tablev) <- c("Symptoom", "Instrength", "Outstrength", "Betweenness", "Closeness")
# Centraliteitstabel mannen met afgeronde numbers tablev_rnd <- cbind(tablev[,1], round(tablev[,-1], 3))
colnames(tablev_rnd) <- c("Symptoom", "Instrength", "Outstrength", "Betweenness", "Closeness")
