1
Depressie is gewoon depressie, toch?
Verschillen in het Verloop van Depressie tussen Mensen uit Eénoudergezinnen en Mensen uit Tweeoudergezinnen.
Naam : Jaïr Jong Studentnummer: : 10555668
Begeleidster: : Jolanda Kossakowski Datum: : 27 mei ’16
2 Abstract
Het steeds vaker voorkomen van kinderen die door één ouder groot zijn gebracht maakt dat het steeds belangrijker wordt om de gevolgen hiervan te onderzoeken. In dit onderzoek is vanuit de netwerkbenadering gekeken naar het verschil in verloop van depressie bij kinderen uit éénoudergezinnen en kinderen uit tweeoudergezinnen. Netwerken zijn
gemaakt aan de hand van data die is verkregen via de iPhone app Qumi. Hiermee is per persoon gedurende twee weken meerdere keren per dag data verkregen. Deelnemers werden ingedeeld in twee groepen. Deze bestonden uit kinderen uit éénoudergezinnen (N = 3) en uit tweeoudergezinnen (N = 8). Bij kinderen uit éénoudergezinnen waren de relaties binnen het netwerk sterker dan bij kinderen uit tweeoudergezinnen. De knopen die het belangrijkst waren voor de netwerken verschilden ook per groep. Bij kinderen uit éénoudergezinnen zijn
vermoeidheid en een gevoel van waardeloosheid belangrijkere knopen dan voor het netwerk van kinderen uit tweeoudergezinnen. Voor het netwerk van kinderen uit tweeoudergezinnen geldt dat energiek en schuldgevoel belangrijker zijn. In beide netwerken speelt stress een grote rol. Hieruit blijkt dat kinderen uit éénoudergezinnen sneller een depressie ontwikkelen dan kinderen uit tweeoudergezinnen. Ook geldt dat de symptomen die sneller een depressie kunnen ontlokken verschillen tussen de groepen.
3 Inleiding
Het komt steeds vaker voor dat kinderen door een alleenstaande ouder worden opgevoed (Latten, 2004). Als wordt gekeken naar mentale stoornissen, valt het op dat depressie bij deze groep kinderen vaker voorkomt dan bij kinderen uit tweeoudergezinnen (Landero Hernández, Estrada Aranda, & González Ramírez, 2009). Het is mogelijk dat de prevalentie van depressie hierdoor zal toenemen. Om dit te voorkomen moet depressie bij deze groepen beter in kaart worden gebracht. Hierdoor kan behandeling voor depressie
worden verbeterd. In dit onderzoek wordt daarom gekeken of er verschillen zijn in het verloop van depressie tussen individuen die grootgebracht zijn door alleenstaande ouders
(éénoudergezinnen) en individuen die in tweeoudergezinnen zijn grootgebracht.
Depressie is een mentale stoornis die veelal gekenmerkt wordt door een heersende depressieve stemming of het onvermogen om plezier te ervaren (American Psychiatric Association, 2013). Andere symptomen die hiermee gepaard kunnen gaan, zijn onder andere slaapproblemen, verminderde concentratie, verstoorde eetlust of suïcidale gedachten. Het is tevens een van de meest gediagnostiseerde mentale stoornissen (Richards, 2011). Onderzoek wijst uit dat binnen een tijdspanne van 6 maanden 19,5% van de Amerikaanse populatie van 18 jaar of ouder kan worden gediagnostiseerd met een mentale stoornis (Bourdon, Rae, Locke, Narrow, & Regier, 1992). Van deze gediagnostiseerde mensen lijdt 5,8% aan een depressie. Daarnaast lijdt 8,3% van de hele populatie op enig moment in zijn of haar leven aan een depressie (Bourdon et al., 1992). Ook onder jongeren komt depressie voor. Geschat wordt dat 5,7% van de jongeren tussen de 13 en 18 (adolescenten) jaar oud en 2,8% van de kinderen onder de 13 jaar lijdt aan een depressie (Jane Costello, Erkanli, & Angold, 2006). Het is niet nog duidelijk of gezinssamenstelling verantwoordelijk is voor deze hoge aantallen.
Wat eerder onderzoek wel heeft onderzocht is de relatie tussen gezinssamenstelling en depressie. Hieruit bleek dat individuen uit éénoudergezinnen vaker lijden aan depressieve symptomen en depressieve stoornissen dan die uit tweeoudergezinnen. Zo toonden Sijtsema, Oldehinkel, Veenstra, Verhulst en Ormel (2014) aan dat een gebrek aan warmte van de vader of moeder positief is gerelateerd aan de ontwikkeling van depressieve klachten over de tijd. Ook lijken adolescenten uit éénoudergezinnen in vergelijking met adolescenten uit
tweeoudergezinnen vaker last te hebben van depressief gedrag (Sieh, Visser-Meily, & Meijer, 2013). Daarnaast blijkt dat vrouwen die zijn opgegroeid in éénoudergezinnen last hebben van zwaardere depressies dan vrouwen die uit tweeoudergezinnen komen (Landero Hernández et al., 2009). Op basis van deze onderzoeken kan worden geconcludeerd dat het opgroeien in een
4 éénoudergezin gerelateerd is aan een ander verloop van depressie dan in een tweeoudergezin. Het is tot op de dag van vandaag echter niet duidelijk waarom dit verschil er is.
The Diagnostic and Statistical Manual of Mental Disorders (DSM) wordt gebruikt om mentale stoornissen te diagnosticeren (American Psychiatric Association, 2013). Voor elke mentale stoornis geldt dat er een aantal criteria zijn waaraan moet worden voldaan om de bijbehorende diagnose te krijgen. Deze criteria zijn een set van symptomen die een stoornis kenmerken. Bij depressie geldt dat vijf van negen depressieve symptomen zich gedurende twee weken voor moeten doen voor er van een depressie mag worden gesproken. De DSM is gebaseerd op een latente variabele model, waarin er sprake is van een onderliggende
variabele die gerelateerd is aan de observeerbare symptomen. (American Psychiatric Association, 2013; Schmittmann et al., 2013). Het latente variabele model, waarbij de onderliggende variabele symptomen veroorzaakt die onafhankelijk zijn van elkaar, staat ook wel bekend als het reflectieve model (Schmittmann et al., 2013). In Figuur 1 is te zien hoe dit model depressie beschrijft.
Het reflectieve model roept echter een aantal problemen op. Ten eerste is de rol van tijd niet meegenomen (Schmittmann et al., 2013). Dit model zou de causale relatie tussen de latente variabele en de symptomen beschrijven, maar juist het effect van tijd is cruciaal om een causale relatie aan te kunnen tonen. Oorzaak en gevolg kunnen zich namelijk niet tegelijk voordoen. Daarnaast kunnen in dit model tijd gerelateerde processen die niet worden
aangetoond. Hierdoor is onduidelijk of de latente variabele vooraf gaat aan de symptomen en vooral hoe deze leidt tot de symptomen. Als laatste worden in dit model relaties tussen de symptomen zelf genegeerd (Borsboom & Cramer, 2013; Schmittmann et al., 2013). Deze relaties zijn er echter wel en kunnen veel vertellen over hoe symptomen elkaar beïnvloeden (Boschloo, Borkulo, Rhemtulla, & Keyes, 2015). Dit is interessant, omdat symptomen die veel invloed hebben op de andere symptomen de focus zouden kunnen zijn van behandeling. Als deze symptomen worden behandeld zal bij alle gerelateerde symptomen ook verandering te zien zijn. Op deze manier kan behandeling efficiënter worden ingezet.
5 Figuur 1: Reflectief model. Depressie is hier de latente variabele die de
symptomen, aangegeven in het voorbeeld, veroorzaakt.
De recent ontwikkelde netwerkbenadering biedt een alternatieve kijk op mentale stoornissen. In dit model worden stoornissen gezien als een set van symptomen die onderling zo aan elkaar zijn gerelateerd dat ze elkaar in veel gevallen versterken (Borsboom & Cramer, 2013). Zo zou slapeloosheid bijvoorbeeld kunnen leiden tot concentratieproblemen en
concentratieproblemen weer tot anhedonie en anhedonie tot suïcidale gedachten. Door te kijken naar netwerken maakt men het mogelijk om te onderzoeken waarom sommige mensen wel en anderen geen mentale stoornis ontwikkelen. Zo toonden Fried et al. (2015) aan dat er structurele verschillen zijn tussen de depressienetwerken van mensen die een partner hebben verloren en mensen die dit niet hebben meegemaakt. Wigman et al. (2015) toonden
verschillen in depressienetwerken aan tussen mensen met en mensen zonder depressie. Hieruit komt naar voren dat verschillen in het verloop van depressie kunnen worden verklaard vanuit de netwerkbenadering. Mogelijk kan het verschil in het verloop van depressie tussen
individuen uit éénoudergezinnen en tweeoudergezinnen ook worden verklaard vanuit de netwerkbenadering. Aan de hand van de netwerken kan worden aangetoond waar deze verschillen zitten en hoe deze invloed hebben op de rest van het depressienetwerk. Dit biedt meer informatie dan wanneer verschillen zouden worden beschreven vanuit het latente
variabele model. Hierbij zou alleen naar voren komen welke symptomen vaker of juist minder vaak voorkomen per groep.
Om in dit onderzoek netwerken op te stellen aan de hand van data is het nodig om herhaalde metingen te doen, omdat hiermee tijd de rol van tijd wordt meegenomen en causale relaties binnen de netwerken kunnen worden aangetoond (Schmittmann et al., 2013). De methode die hiervoor wordt gebruikt en die over het algemeen toeneemt in populariteit is de
6 Experience Sampling Method (ESM; Bringmann et al., 2013; Csikszenthmihalyi & Larson, 1987). Bij deze methode wordt data over ervaringen van een individu op meerdere momenten gedurende langere tijd verzameld.
Er is nog niet eerder vanuit de netwerkbenadering gekeken naar verschillen in depressie bij individuen uit één- en tweeoudergezinnen. Op basis van de informatie die hierboven wordt gegeven kan worden verwacht dat er structurele verschillen zullen zijn tussen de depressienetwerken van deze twee groepen en dat kinderen uit éénoudergezinnen een grotere kans hebben op depressie. Hieronder zal eerst informatie worden gegeven over de deelnemers van dit onderzoek, waarna zal worden ingegaan op de vragenlijsten en de app waarvan gebruik is gemaakt om data te verkrijgen. Deze sectie zal worden gevolgd door de onderzoeksresultaten. Hier zullen de resultaten van het onderzoek worden besproken en zal blijken of en hoe de netwerken van kinderen uit één- en tweeoudergezinnen van elkaar verschillen. Er zal worden afgesloten met de discussie waarin de conclusie en eventuele tekortkomingen van dit onderzoek worden beschreven.
Methode
Deelnemers
Aan het onderzoek doen minimaal 20 mensen mee. Deze worden door de
onderzoekers zelf geselecteerd vanuit hun directe omgeving. Extra deelnemers zullen worden verkregen via de LAB-website van de UvA. Hierop wordt een oproep geplaatst om deel te nemen aan dit onderzoek. In ruil hiervoor kunnen studenten maximaal viereneenhalf onderzoekspunten krijgen. Deelnemers moeten beschikken over een apparaat met het besturingssysteem van Apple (iOS) en 18 jaar of ouder zijn.
Materialen
Er wordt gebruik gemaakt van de vragenlijst app Qumi (Oppenheim, 2016). Qumi is een app die is ontwikkeld om per gebruiker van de app op meerdere momenten data te verkrijgen (tijd series data). De data wordt vervolgens in R gebruikt om netwerken op te stellen (S. Epskamp, Cramer, Waldrop, Schmittmann, & Borsboom, 2012). Voor dit
onderzoek worden twee verschillende vragenlijsten gebruikt en door middel van Qumi aan de deelnemers voorgelegd.
De eerste vragenlijst is door de onderzoekers zelf samengesteld en bestaat uit vragen afkomstig uit bestaande gestandaardiseerde vragenlijsten en uit zelf opgestelde vragen. Op basis van de antwoorden op deze zelf samengestelde vragenlijst worden de deelnemers
7 gegroepeerd. De vragen op basis waarvan mensen in dit onderzoek worden gegroepeerd, zijn “Ben je primair opgevoed door een alleenstaande ouder?” en “Ben je primair opgevoed door twee (stief-/pleeg-/adoptie-) ouders?”. De andere vragen uit deze vragenlijst waren niet relevant voor dit specifieke onderzoek. Verwacht wordt dat het merendeel van de deelnemers de antwoordcombinatie ja/nee of nee/ja zal geven. De combinatie ja/ja is onmogelijk en de combinatie nee/nee is alleen van toepassing op mensen die zijn opgegroeid zonder ouders. Deze laatste categorie is dan ook niet opgenomen in het onderzoek. Tabel 1 biedt een duidelijk overzicht van de indeling en exclusie van de deelnemers.
Tabel 1
Indeling in groepen op basis van de twee groeperingsvragen en antwoordcombinaties. X zijn de antwoordcombinaties waarbij deelnemers zijn uitgesloten van het onderzoek.
Vraag Ben je primair opgevoed door twee (stief-/pleeg-/adoptie-) ouders?
Ben je primair opgevoed door een alleenstaande ouder?
Ja Nee
Ja X Eénoudergezin
Nee Tweeoudergezin X
De tweede vragenlijst is ook een zelf samengestelde vragenlijst die uit 13 korte items bestaat. Negen van deze korte vragen zijn vragen gebaseerd op de DSM-symptomen van depressie. De vier overige vragen hadden betrekking tot eigenschappen die niet relevant waren voor dit specifieke onderzoek. Deze zullen om deze reden dan ook niet voorkomen in de depressienetwerken van dit onderzoek. Een voorbeeld van de vragen die in deze vragenlijst werden gesteld is ‘Ik voel me moe’. De antwoordmogelijkheden hierbij reikten van ‘heel weinig’ tot ‘heel veel’ op een 5 puntsschaal. Gedurende 15 dagen kregen participanten zeven keer per dag een melding van de app met de vraag om de vragenlijst in te vullen. Dit dienden ze binnen 20 minuten na de melding te doen.
Procedure
Om deelnemers op de hoogte te stellen van het onderzoek en om hun deelname aan het onderzoek te bevestigen wordt verzocht om de debriefing te lezen en de informed consent te ondertekenen. Hierin staat beschreven wat ze van het onderzoek kunnen verwachten en gaan ze akkoord met de voorwaarden van het onderzoek. In een tweede informed consent wordt gevraagd of hun data anoniem beschikbaar gesteld mag worden voor gebruik bij ander onderzoek; dit heeft verder geen gevolgen voor hun deelname. Als deelnemers de informed
8 consent ondertekenen, wordt de link voor Qumi en de vragenlijsten naar deze deelnemers verzonden zodat zij met het onderzoek kunnen beginnen.
Na het voltooien van het onderzoek wordt gekeken of deelnemers bruikbare data hebben. Data is bruikbaar als de deelnemers minimaal 10 aaneengesloten dagen minimaal vijf vragenlijsten per dag invullen. Voldoen ze hier niet aan dan zullen ze worden uitgesloten van het onderzoek.
Tijdseries data
Zoals eerder is vermeld wordt gedurende twee weken meerdere malen per dag data verzameld. Data die op deze manier wordt verkregen staat bekend als tijdseries data. Om van deze data netwerken te maken wordt gebruik gemaakt van het multilevel vector
autoregressive (VAR) model. Autoregressive model wil zeggen dat van één individu wordt gekeken naar één variabele die over tijd is gemeten. Vervolgens wordt deze variabele tegenover zichzelf op een eerder tijdstip neergezet in een regressiemodel. Op deze manier komt men achter het effect van tijd op die specifieke variabele binnen dat individu. Voor het VAR-model geldt hetzelfde alleen worden meerdere variabelen meegenomen. Deze worden tegenover zichzelf en alle andere variabelen op een eerder tijdstip in een regressiemodel geplaatst. Door VAR te combineren met het multilevel model (multilevel-VAR) kan niet alleen binnen één persoon onderzoek worden gedaan naar het effect van tijd, maar ook binnen een groep. Hiervoor word het gemiddelde effect over tijd gebruikt (Bringmann et al., 2013). Voor het uitvoeren van deze berekeningen wordt gebruik gemaakt van het R-pakket mlVAR (A. S. Epskamp, Deserno, & Bringmann, 2015).
Netwerken
Voor het daadwerkelijk omzetten van data in visuele netwerken wordt gebruik
gemaakt van het R-pakket Qgraph (S. Epskamp et al., 2012). In de netwerken staat ieder item van de vragenlijst gelijk aan een knoop. De relatie tussen de items wordt gerepresenteerd door een lijn als er sprake is van een correlatie en door een pijl als er sprake is van een causale relatie. Deze lijnen en pijlen geven aan of de relatie sterk of zwak is en of deze positief of negatief zijn. Dikke en felgekleurde lijnen staan voor sterke relatie, dunne en minder felgekleurde lijnen voor zwakke relaties en groene en rode lijnen staan voor respectievelijk positieve en negatieve relaties. (Borsboom & Cramer, 2013; Schmittmann et al., 2013).
9 Vergelijken van netwerken
Verschillen tussen de netwerken van de twee groepen worden onderzocht door middel van
centraliteitsanalyses (Borgatti, 2005; Opsahl,
Agneessens, & Skvoretz, 2010). Deze analyses wijzen uit hoe belangrijk elk symptoom van depressie is voor het netwerk. Hoe centraler een knoop is hoe
belangrijker deze is voor het netwerk. Centraliteit wordt gebaseerd op een drietal centraliteitsmaten. Dit zijn betweenness, closeness en strength. Betweenness is de waarde van een knoop die beschrijft hoeveel paden via deze knoop gaan om van de ene naar de andere knoop te
kunnen. Hierbij geldt dat dit de kortst mogelijke route moet zijn (Opsahl et al., 2010). Zo geldt voor knoop 2 in Figuur 2 een betweenness van 2 en voor de rest van de knopen 0. Wordt knoop 2 verwijderd uit dit netwerk dan zal de afstand tussen knopen die via deze knopen met elkaar waren verbonden, langer worden met als gevolg dat activatie van dit netwerk trager zal gaan (Costantini et al., 2015). Closeness is de inverse som van de afstand tussen een bepaalde knoop en alle andere knopen die deel zijn van het netwerk. Als wordt gekeken naar knoop 2 in Figuur 2 geldt een closeness van 1/3 en voor knoop 1 geldt 1/5. Dit geeft informatie over hoe centraal een knoop binnen een netwerk ligt (Kossakowski et al., 2016). Voor knopen met een hoge closeness geldt dat deze sneller invloed hebben op andere knopen en zelf sneller worden beïnvloed door veranderingen binnen het netwerk dan bij de knopen met een lagere closeness (Costantini et al., 2015). Verwijdering van knopen met een hoge closeness heeft als gevolg dat het netwerk zwakker wordt. Strength is de som van de verbindingen per knoop en laat zien welke knopen het sterkst verbonden is met omliggende knopen. In Figuur 2 geldt voor knoop 2 een strength van 3 en voor knoop 3 geldt een strength van 2. Ook kan er verschil worden gemaakt tussen In-Strength en Out-Strength als er sprake is van causale relaties. Pijlen die een knoop in gaan vallen onder In-Strength en pijlen die een knoop uitgaan vallen onder Out-Strength. Een hoge score op In- en Out-Strength betekend dat deze knopen veelal direct worden beïnvloed en veel directe invloed uitoefenen op de andere knopen binnen hun netwerk zonder de mediërende rol van andere knopen hierin mee te nemen (Costantini et al., 2015). Per centraliteitsmaat wordt gekeken welke 3 knopen het hoogste scoren om te bepalen wat de meest centrale en dus meest belangrijke knopen binnen elk netwerk zijn.
Figuur 2: Voorbeeld simpel netwerk. Alle lijnen wegen even veel (1) en hebben allemaal een afstand van 1.
10 Vervolgens wordt gezocht naar verschillen tussen de netwerken op basis van verschillen in de verbindingen en de centraliteitsanalyses (Costantini et al., 2015).
Resultaten
Deelnemers
Aan het onderzoek hebben 60 deelnemers meegedaan. Van 43 deelnemers bleek de data niet bruikbaar. Dit had verschillende oorzaken. Data van acht deelnemers kon door technische problemen in Xcel niet worden meegenomen in de analyse. Acht mensen konden het onderzoek door persoonlijke redenen niet voortzetten en 27 mensen hebben door
technische problemen in Qumi niet voldaan aan de voorwaarde dat zij 10 aaneengesloten dagen minimaal vijf keer per dag een vragenlijst moesten invullen.
De gemiddelde leeftijd van de 17 deelnemers waarvan de data wel bruikbaar was, was 25.18 (SD = 11.39). Voor de deelnemers opgegroeid in een éénoudergezin (N = 3) gold een gemiddelde leeftijd van 23 (SD = 5.29) waarvan 0% man. Voor de groep opgegroeid in een tweeoudergezin (N = 8) geldt een gemiddelde leeftijd van 25.13 (SD = 11.78) waarvan 25% man. De overige deelnemers (N = 6) zullen niet worden opgenomen bij de rest van de analyses.
11 Netwerk analyse
Figuur 3: Depressienetwerken van kinderen uit éénoudergezinnen (links) en tweeoudergezinnen (rechts) met afgekorte termen voor betere leesbaarheid. Smb = Somber, Int = Interesse, Cnc = Concentratie, Sch = Schuldig, Wrd = Waardeloos, Enr = Energiek, Etl = Eetlust en Str = Stress.
In Figuur 3 zijn de depressienetwerken van kinderen uit éénoudergezinnen (éénouder-netwerk) en tweeoudergezinnen (tweeouder-netwerken) naast elkaar geplaatst om deze goed te kunnen vergelijken met elkaar. Het eerste dat opvalt is dat de relaties in het éénouder-netwerk sterker lijken te zijn dan het tweeouder-éénouder-netwerk. Dit is vooral te zien aan de kleuren in de netwerken. In het éénouder-netwerk zijn deze meer verzadigd dan in het tweeouder-netwerk. Ook blijkt uit de connectiviteit van de netwerken dat het éénouder-netwerk sterker is dan het tweeouder-netwerk. Voor het éénouder-netwerk geldt een connectiviteit van 5.22 en voor het éénouder-netwerk is deze 3.16.
Het tweede waaruit blijkt dat er verschillen zijn tussen de netwerken zijn de verschillen van de relaties tussen bepaalde knopen. In het éénouder-netwerk is een sterke negatieve invloed te zien van somberheid op vermoeidheid en een sterke positieve invloed van vermoeidheid op somberheid. Als in het tweeouder-netwerk wordt gekeken naar deze knopen is echter alleen een zwakke negatieve invloed van somberheid op vermoeidheid te zien. Vermoeidheid heeft in dit netwerk geen invloed op somberheid. Ook zijn in het éénouder-netwerk veel negatieve relaties te zien tussen een interesse en een gevoel van waardeloosheid en tussen het gevoel van waardeloosheid en concentratie. In het tweeouder-netwerk zijn deze relaties juist positief. Als laatste valt op dat in het éénouder-tweeouder-netwerk somber
12 drie keer meer negatieve relaties heeft met andere knopen dan in het tweeouder-netwerk. Deze verschillen laten zien dat de netwerken niet alleen verschillen in sterkte van de verbindingen, maar ook in de manier waarop knopen elkaar beïnvloeden.
Centraliteitsanalyse
Behalve het visueel vergelijken van deze netwerken, is ook gekeken naar de
centraliteitsmaten om te bepalen welke knopen de meeste invloed hebben op het netwerk. In Figuur 4 zijn voor alle knopen en centraliteitsmaten van beide netwerken de waardes uitgezet in een assenstelsel. In Tabel 2 zijn deze waardes weergeven. Doordat gebruik is gemaakt van kleine netwerken met slechts negen knopen is besloten dat zal worden gekeken naar de drie sterkste knopen per centraliteitmaat per netwerk om te bepalen welke knopen het belangrijkst zijn voor het netwerk.
Om te beginnen is gekeken naar de betweenness van de knopen. Te zien is dat voor het éénouder-netwerk de knopen moe, waardeloos en stress het hoogst scoren op deze
centraliteitsmaat. Voor het tweeouder-netwerk zijn dit de knopen stress, energiek en eetlust. Deze knopen zijn in hun netwerk daarom het belangrijkst voor de verbinding van andere knopen met elkaar. Als wordt gekeken naar de closeness centraliteit van de knopen geldt dat de knopen moe, stress en concentratie de hoogste closeness hebben in het éénoudernetwerk. Voor het tweeouder-netwerk zijn dit de knopen schuldig, stress en waardeloos. Deze knopen voorspellen veranderingen in hun netwerk beter dan de andere knopen. Voor In-Strength geldt dat in het éénouder-netwerk het hoogst wordt gescoord op moe, eetlust en schuldig. Voor het tweeouder-netwerkzijn dit de knopen energiek, stress en interesse. Deze knopen staan onder grote invloed van ander knopen binnen hun netwerk. Voor Out-Strength zijn dit de knopen moe, concentratie en stress en stress, moe en schuldig en geldt dat deze knopen een grote invloed uitoefen op de rest van het netwerk.
Opvallend is dat de knopen moe, stress en waardeloos bij meerdere centraliteitsmaten bij de 3 belangrijkste horen als wordt gekeken naar het éénouder-netwerk. Bij het tweeouder-netwerk geldt dit voor de knopen stress, energiek en schuldig. Dit houdt in dat deze knopen het meest belangrijk zijn voor hun netwerk en dat ze de meeste invloed uitoefenen op de rest van het netwerk.
Het laatste dat opvalt is dat voor een aantal knopen geldt dat deze in beide netwerken bijna evenveel scoren op de centraliteitsmaten terwijl voor een aantal andere knopen de waardes juist verder uit elkaar liggen. Zo geldt voor waardeloos, stress, somber en interesse
13 dat deze op bijna alle centraliteitsmaten ongeveer gelijk scoren. Voor energiek, eetlust en concentratie geldt het echter tegenovergestelde. Behalve verschillen tussen de netwerken blijken er ook overeenkomsten te zijn.
14 Tabel 2
Waardes van de knopen per centraliteitsmaat voor het éénouder-netwerk (rood) en voor het tweeouder-netwerk (blauw).
Betweenness Closeness InStrength OutStrength Waardeloos .65 -1.04 .85 .70 -.81 -1.28 .62 .24 Stress .43 1.63 .83 1.09 -.78 .49 .73 1.24 Somber -.86 0.03 -.29 .22 -.58 .18 -.30 .35 Schuldig -.65 -.50 .15 1.33 .03 -.97 -.33 .56 Moe 2.16 .03 .80 -.46 2.1 -.36 .95 .96 Interesse -.86 -1.04 -1.94 -1.17 -.54 .20 -2.00 -1.35 Energiek .22 1.09 .00 -1.17 -.08 2.17 .56 -1.62 Eetlust -.86 .83 -1.20 .58 1.19 .08 -1.05 .32 Concentratie -.22 -1.04 .80 -1.10 -.53 -.51 .80 -.69
15 Discussie
In dit artikel is de vanuit de netwerkbenadering gekeken of er structurele verschillen zijn in het verloop van depressie tussen kinderen uit éénoudergezinnen en kinderen uit tweeoudergezinnen. Uit het onderzoek kwam dat de knopen in het depressienetwerk van kinderen uit éénoudergezinnen sterker met elkaar verbonden zijn dan de knopen in het depressienetwerk van kinderen uit tweeoudergezinnen. Dit houdt in kinderen uit éénoudergezinnen een grotere kans hebben op het ontwikkelen van een depressie door snellere activatie binnen het depressienetwerk. Ook is gebleken dat er verschil is tussen de knopen die het belangrijkste zijn in de depressienetwerken. Zo zijn bij kinderen uit
éénoudergezinnen vermoeidheid en een gevoel van waardeloosheid meer risicovolle
symptomen voor een depressie dan bij kinderen uit tweeoudergezinnen. Andersom geldt dat energiek en schuldgevoel meer risicovolle symptomen zijn voor het ontwikkelen van een depressie. In beide netwerken speelt stress een grote rol. Met de gevonden resultaten zijn zowel de hypothese dat er structurele verschillen zouden zijn tussen de netwerken evenals de hypothese dat kinderen uit éénoudergezinnen een grotere kans hebben op een depressie bevestigd.
Een mogelijke verklaring voor de grotere kans op depressie bij kinderen uit
éénoudergezinnen is dat kinderen uit éénouder gezinnen minder ouderlijke aandacht krijgen en meer op zichzelf gewezen zijn dan kinderen uit tweeoudergezinnen. Ook kan juist het gemis van de aandacht van de andere ouder zijn die zorgt voor een grotere kans op het
ontwikkelen van depressie bij kinderen uit éénoudergezinnen (Sijtsema et al., 2014). Voor een daadwerkelijke verklaring zou meer onderzoek moeten worden gedaan naar dit onderwerp. Dit geldt ook voor het vinden van een verklaring voor het verschil in de belangrijkste depressiesymptomen tussen de groepen. Voor een verklaring is hierover nog niet genoeg bekend.
De resultaten van dit onderzoek moeten echter wel voorzichtig worden geïnterpreteerd doordat het onderzoek een aantal beperkingen kent. Deze beperkingen hebben als gevolg dat de resultaten vertekend kunnen zijn. Ook met het aannemen van de conclusie moet daarom worden opgepast. De eerste beperking van het onderzoek is de wervingsmethode van de deelnemers. Deze zijn niet random geselecteerd met als gevolg dat generalisatie naar de rest van de populatie niet goed mogelijk is. Het niet random selecteren van deelnemers kan ervoor zorgen dat eigenschappen in de steekproef niet normaal zijn verdeeld. Zo is in dit onderzoek te zien dat er voornamelijk veel jonge mensen hebben deelgenomen. Uitspraken op basis van
16 de resultaten zeggen hierdoor meer over jonge mensen dan over senioren. Door wel gebruik te maken van een random steekproef kan dit probleem worden opgelost. Het kan dan nog zijn dat niet alle eigenschappen verdeeld zijn zoals in de gehele populatie, maar de kans hierop is kleiner dan bij een niet gerandomiseerd steekproef.
Een tweede beperking is dat de vragen op basis waarvan de groepen zijn gemaakt, ambigu zijn. Doordat de vragen niet specifiek genoeg zijn bestaat de mogelijkheid dat deze op verschillende manieren worden geïnterpreteerd. In dit onderzoek heeft dit geleid tot exclusie van zes van de 17 deelnemers doordat zij beide vragen hebben beantwoord met “Nee”. Dit is mogelijk, maar in zo een kleine steekproef is dit wel opvallend. Wellicht hebben deze mensen gedacht dat het alleen ging om stiefouders, pleegouders en adoptieouders en niet om
biologische ouders. Door de term biologische ouders expliciet te benoemen was dit mogelijk duidelijker geweest. Ook is bij deze vragen de term primair afhankelijk van de interpretatie van de deelnemers. Door in toekomstig onderzoek deze vragen specifieker te maken, wordt de kans op misinterpretatie van de vragen kleiner.
Dit onderzoek biedt een nieuwe kijk op de ontwikkeling van depressie bij verschillende gezinssamenstellingen. Door vanuit de netwerkbenadering deze verschillen te verklaren kan duidelijker in kaart worden gebracht hoe depressie bij kinderen uit éénoudergezinnen en tweeoudergezinnen verschilt dan wanneer wordt gewerkt vanuit het latente variabele model. Eerder was duidelijk dat kinderen uit eenoudergezinnen een grotere kans hebben op het ontwikkelen van een depressie en dat deze depressies vaak zwaarder zijn dan bij kinderen uit tweeoudergezinnen. De netwerkbenadering verklaart waar deze verschillen liggen en hoe deze verschillen zich onderling verhouden tot elkaar in de vorm van de centraliteit van de knopen en de sterkte en richting van de relaties tussen knopen. Door meer onderzoek te doen vanuit de netwerkbenadering kunnen mentale stoornissen beter in kaart worden gebracht dan dat nu het geval is met als gevolg dat behandeling hiervan kan worden verbeterd.
17 Literatuurlijst
American Psychiatric Association. (2013). Diagnostic and Statistical Manual of Mental Disorders. Washington, D.C.: Author.
Borgatti, S. P. (2005). Centrality and network flow ଝ, 27(April 2002), 55–71.
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.
Boschloo, L., Borkulo, C. D. Van, Rhemtulla, M., & Keyes, K. M. (2015). The Network Structure of Symptoms of the Diagnostic and Statistical Manual of Mental Disorders. PLoS ONE, 10, 1–12.
Bourdon, K. H., Rae, D. S., Locke, B. Z., Narrow, W. E., & Regier, D. A. (1992). Estimating the prevalence of mental disorders in U.S. adults from the Epidemiologic Catchment Area Survey. Public Health Reports, 107, 663–668.
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.
Costantini, G., Epskamp, S., Borsboom, D., Perugini, M., Mõttus, R., Waldorp, L. J., & Cramer, A. O. 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. Csikszenthmihalyi, M., & Larson, R. (1987). ESM.pdf. The Journal of Nervous and Mental
Disease, 175, 526–536.
Epskamp, A. S., Deserno, M. K., & Bringmann, L. F. (2015). Package “ mlVAR ,” 1–7. Epskamp, S., Cramer, A. O. J., Waldrop, L. J., Schmittmann, V. D., & Borsboom, D. (2012).
qgraph. Network Visualizations of Relationships in Psychometric Data, 48, 1–18. Fried, E. I., Bockting, C., Arjadi, R., Borsboom, D., Amshoff, M., Cramer, O. J., … Stroebe,
M. (2015). From loss to loneliness: The relationship between bereavement and depressive symptoms. Journal of Abnormal Psychology, 124, 256–265.
Jane Costello, E., Erkanli, A., & Angold, A. (2006). Is there an epidemic of child or adolescent depression? Journal of Child Psychology and Psychiatry and Allied Disciplines, 47, 1263–1271.
18 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.
Landero Hernández, R., Estrada Aranda, B., & González Ramírez, M. T. (2009). Depression and quality of life for women in single-parent and nuclear families. The Spanish Journal of Psychology, 12, 171–183.
Latten, J. (2004). Trends in samenwonen en trouwen, De schone schijn van burgerlijke staat. Centraal Bureau Voor de Statistiek, 46–60.
Oppenheim, B. (2016). Qumi for Apple iOS (version 0.5.41) [Mobile application software]., 2–5. 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.
Richards, D. (2011). Prevalence and clinical course of depression: A review. Clinical Psychology Review.
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.
Sieh, D. S., Visser-Meily, J. M. A., & Meijer, A. M. (2013). The relationship between parental depressive symptoms, family type, and adolescent functioning. PLoS ONE, 8. Sijtsema, J. J., Oldehinkel, A. J., Veenstra, R., Verhulst, F. C., & Ormel, J. (2014). Effects of
structural and dynamic family characteristics on the development of depressive and aggressive problems during adolescence. the TRAILS study. European Child and Adolescent Psychiatry, 23, 499–513.
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.
