Zijn er verschillen tussen de depressienetwerken van mannen en vrouwen?

(1)

Zijn er verschillen tussen de depressienetwerken van

mannen en vrouwen?

BACHELORTHESE KLINISCHE PSYCHOLOGIE UNIVERSITEIT VAN AMSTERDAM

Naam: Anoushka Slieker Studentnummer: 10503285

Scriptiebegeleidster: Claudia van Borkulo Aantal woorden: 4998

(2)

Zijn er verschillen tussen de depressienetwerken van mannen en vrouwen? • Abstract ... Pagina 3 • Inleiding ... Pagina 4 • Methode ... Pagina 9 • Resultaten ... Pagina 16 • Discussie ... Pagina 22 • Literatuurlijst ... Pagina 25 • Bijlagen ... Pagina 28

Inhoudsopgave

(3)

Zijn er verschillen tussen de depressienetwerken van mannen en vrouwen?

Achtergrond. Er zijn grote verschillen tussen mannen en vrouwen voor wat betreft het risico op een depressie: tussen de 20 en 25% van de vrouwen en tussen de 7 en 20% van de mannen, kan ooit in het leven een depressieve periode krijgen. In het huidige onderzoek wordt

depressie bekeken aan de hand van de theorie van netwerkmodellen, die stelt dat de symptomen de stoornis maken. Er kan een vicieuze cirkel ontstaan waarin de symptomen elkaar beïnvloeden en versterken. De connectiviteit van de symptomen en de eventuele sekseverschillen bij een depressie worden bekeken via depressienetwerken.

Methode. De depressienetwerken werden samengesteld met behulp van de Experience

Sampling Method (ESM). Het doel van de ESM is het vergaren van momenten in het dagelijks leven van de 60 deelnemers met behulp van zelfrapportage. Alle deelnemers moesten 7 keer per dag een depressievragenlijst invullen en een vraag beantwoorden over sympathische arousal via de zogeheten Qumi-app. De connectiviteit van de symptomen werd gemeten en hieruit werden de depressienetwerken van de mannen en de vrouwen afgeleid. Tevens werd er eenmalig een eenzaamheidsvragenlijst afgenomen bij de deelnemers.

Resultaten. De mannen hadden een sterker verbonden depressienetwerk dan de vrouwen. Bij het vrouwelijke depressienetwerk speelde sympathische arousal een grotere rol dan bij de mannen. Bij het mannelijke depressienetwerk speelden depressiesymptomen afkomstig uit de DSM een grotere rol dan bij het vrouwelijke depressienetwerk. De vrouwen en de mannen waren gemiddeld niet eenzaam.

Conclusie. Er bestaan verschillen in de depressienetwerken van mannen en vrouwen. Wegens de exploratieve aard van het onderzoek is het nuttig dat sympathische arousal, de

depressiesymptomen afkomstig uit de DSM en eenzaamheid nader onderzocht worden. De sekseverschillen in depressie kunnen door nader onderzoek wellicht worden verklaard.

(4)

Depressie is een ziekte die wereldwijd veel voorkomt: circa 350 miljoen mensen lijden aan een depressie (WHO, 2015). De ziekte kenmerkt zich door diverse symptomen:

somberheid, schuldgevoelens, hulpeloosheid, het zich terugtrekken uit sociale contacten en verstoringen van slaap- en eetpatroon, en seksuele verlangens (Edward, 2005). De WHO (2015) stelt dat depressie in het uiterste geval kan leiden tot suïcide. Wereldwijd sterven er jaarlijks circa 800.000 mensen ten gevolge van suïcide. Vrouwen ontwikkelen vaker een depressie dan mannen; de reden is echter nog onbekend. Tussen de 20 en 25% van de vrouwen en tussen de 7 en 20% van de mannen kunnen ooit in hun leven een depressieve periode krijgen (Segal, Williams & Teasdale, 2004). De WHO (2015) schat dat wereldwijd depressie de belangrijkste oorzaak is van ziekte gerelateerde onbekwaamheid bij vrouwen. Deze onbekwaamheid uit zich in het disfunctioneren op sociaal gebied, thuis en op het werk.

Professionals in de gezondheidszorg willen begrijpen waarom vrouwen sneller een depressie ontwikkelen dan mannen (Mezulis & Funasaki, 2009). Een eerste mogelijke verklaring kan zijn dat vrouwen en mannen verschillende depressiesymptomen ervaren. Er zijn meerdere symptomen die niet in de DSM voorkomen, maar die wel verbonden zijn aan

Langzaam accumuleren de data in het hart en in de geest. Extreme negativiteit zal zich in het systeem opbouwen, waardoor het leven onverdraaglijk gaat lijken. Het is niet te voorspellen, het lijkt normaal, iets wat hoort bij het ouder worden, zoals een zestiende verjaardag. Op een dag komt de bewustwording dat het leven afschuwelijk en niets waard is, een zwarte vlek op het witte bestaan van de mens. Plotseling is het niet eng om dood te gaan, maar eng om te leven (Wurtzel, zoals geciteerd in Cramer et al., 2014).

(5)

een depressie. Een voorbeeld hiervan is sympathische arousal, zoals zweten en trillen (Fried, Epskamp, Nesse, Tuerlinckx & Borsboom, 2016). Fried en Nesse (2015) stellen dat

somatische symptomen prevalent zijn bij depressieve individuen. Wellicht is het niet-DSM-symptoom ‘sympathische arousal’ meer aanwezig bij mannen dan bij vrouwen. De DSM wordt frequent gebruikt voor de diagnose van depressie. Het kan zijn dat de DSM-criteria meer de vrouwelijke symptomen – zoals anhedonie en somberheid – weergeven. Mogelijk is de DSM-diagnose ‘depressie’ representatiever voor vrouwen dan voor mannen (Kuehner, 2003). Het kan ook zijn dat vrouwen anders met stressvolle gebeurtenissen omgaan dan mannen. Vrouwen zijn kwetsbaarder voor interpersoonlijke stressoren (Kuehner, 2003). Een voorbeeld hiervan is verlies van een partner, met eenzaamheid als gevolg. Na een dergelijke gebeurtenis vormen symptomen van depressie sterke risicofactoren (Fried et al., 2015). Een tweede mogelijke verklaring van de verschillen tussen mannen en vrouwen voor wat betreft het risico op een depressie kan zijn dat vrouwen zich sneller eenzaam voelen dan mannen. Hierdoor kunnen de vrouwen meer depressieve symptomen ervaren dan de mannen. Ondanks de mogelijke verklaringen voor de verschillen tussen mannen en vrouwen bij een depressie is er nog geen eenduidige consensus (Mezulis & Funasaki, 2009). Het gebrek aan deze

wetenschappelijke kennis zou gerelateerd kunnen zijn aan de discussie over wat een depressie daadwerkelijk inhoudt (Insel et al., 2010; Borsboom, 2008; Kendler, Zachar & Craver, 2011, aangehaald in Borkulo et al., 2015).

Er zijn verschillende modellen die depressies beschrijven. Volgens Cramer et al. (2014) wordt depressie tegenwoordig vaak beschreven met het latente variabele model. Dit model houdt in dat de depressieve stoornis de onderliggende factor is die symptomen zoals slapeloosheid, interesseverlies en concentratieproblemen veroorzaakt. Het latente variabele model erkent niet dat symptomen met elkaar samenhangen. Het is vaak een logisch gevolg dat deze symptomen met elkaar verbonden raken: wanneer iemand weinig slaap krijgt, kan

(6)

diegene concentratieproblemen ervaren door de effecten van slaapgebrek. Depressie is nooit bewezen als latente variabele. De DSM-criteria van een depressie zijn onderzocht en

opgesteld door wetenschappers en worden al jaren in deze vorm gehanteerd (Cramer et al., 2014). Volgens Borsboom en Cramer (2013) kan depressie niet worden aangetoond, zoals longkanker aantoonbaar is op een MRI-scan. Longkanker kan in een beginnend stadium wel aanwezig zijn, maar de symptomen hoeven nog niet zichtbaar te zijn. Bij een depressie moeten de symptomen juist wel zichtbaar zijn om aan de DSM-criteria voor een depressie te voldoen. In het latente variabele model blijft het onduidelijk of de latente variabele blijft bestaan wanneer alle symptomen verdwenen zijn. Depressie als onderliggende factor kan niet worden bestreden, zoals een dokter longkanker bestrijdt met bijvoorbeeld bestraling. In een therapie worden vaak de symptomen in kaart gebracht en behandeld. Dit sluit echter niet aan bij het latente variabele model, want het is onduidelijk of de latente variabele ‘depressie’ hierdoor verdwijnt (Borsboom & Cramer, 2013). Depressie wordt vaak bekeken via het latente variabele model, hoewel dit model niet alomvattend is.

Wellicht is de theorie van netwerkmodellen een betere representatie van depressie. Volgens deze theorie maken de symptomen de stoornis. Het gevolg hiervan is dat depressie als latente variabele niet erkend wordt. Op deze manier worden de problemen die voortkomen uit het latente variabele model opgelost. Zo blijkt uit de theorie van netwerkmodellen, dat depressie verdwenen is wanneer de depressiesymptomen weg zijn (Boschloo et al., 2015). Volgens de theorie van netwerkmodellen wordt een stoornis veroorzaakt door directe

activering van symptomen. Een depressie zou geactiveerd kunnen worden door bijvoorbeeld slaapgebrek en vermoeidheid. Deze vermoeidheid kan resulteren in interesseverlies, wat kan zorgen voor concentratieproblemen en een neerslachtige stemming. Door al deze symptomen kan een persoon zich gaan terugtrekken uit sociale contacten. Als de symptomen elkaar lang genoeg activeren, dan kan dit resulteren in een depressie. Met andere woorden: depressie is

(7)

een combinatie van verschillende symptomen die elkaar beïnvloeden (Cramer, Waldorp, van der Maas & Borsboom, 2010). Een latente variabele is niet nodig om te weten waarom slaapgebrek, vermoeidheid en concentratieproblemen hoog met elkaar correleren (Cramer et al, 2014). Er kan een vicieuze cirkel ontstaan waarin de symptomen elkaar beïnvloeden, activeren en versterken. Deze vicieuze cirkel wordt ook wel feedbackloop genoemd en kan leiden tot de diagnose ‘depressie’. Een combinatie van depressiesymptomen wordt een depressienetwerk genoemd. In Figuur 1 wordt een voorbeeld getoond van een

depressienetwerk (Borsboom & Cramer, 2013).

Figuur 1. Een voorbeeld van een depressienetwerk

De rondjes met de symptomen heten knopen. De lijnen tussen deze knopen stellen de sterkte van de connectie tussen de symptomen voor. Hoe dikker de lijn is, hoe sterker de symptomen met elkaar zijn verbonden. Depressieve stemming (depr) en interesseverlies (inte) zijn in Figuur 1 bijvoorbeeld sterk met elkaar verbonden (met toestemming uit Borsboom & Cramer, 2013).

(8)

Uit Figuur 1 komt naar voren dat depressienetwerken de sterkte van de verbondenheid tussen de symptomen weergeven. Sterk verbonden depressienetwerken duiden op minder positieve uitkomsten voor het herstel uit een depressie en grotere kwetsbaarheid voor het krijgen van een depressie (van Borkulo et al., 2015). Deze kwetsbaarheid kan er voor zorgen dat er sneller een feedbackloop ontstaat en dat een symptoom sneller voor activatie zorgt van één of meerdere andere symptomen (Costantini et al., 2015). Een voorbeeld hiervan is dat een depressieve stemming sneller zorgt voor activatie van interesseverlies en zelfverwijt.

Wanneer een persoon weerbaarder is, zorgt een depressieve stemming minder snel voor een feedbackloop. Deze persoon ervaart de depressieve stemming en wellicht andere klachten weliswaar, maar komt vrij snel weer terug in mentaal evenwicht (Cramer et al., 2014). Zwak verbonden depressienetwerken duiden op meer weerbaarheid van het individu. Er kan per individu een depressienetwerk worden opgesteld. Op deze manier geven de netwerken inzicht in de individuele verschillen in depressie; de mate van depressie kan per individu erg

variëren. Daarnaast kunnen depressienetwerken op groepsniveau worden bekeken (Borsboom & Cramer, 2013). Depressienetwerken kunnen ook inzicht bieden in de verschillen per sekse bij een depressie, aangezien symptomen van mannen vrouwen vergeleken kunnen worden.

In dit onderzoek wordt er bekeken of er verschillen zijn tussen de depressienetwerken van mannen en vrouwen. De depressiesymptomen die staan beschreven in de DSM worden bekeken aan de hand van depressienetwerken. Daarnaast wordt het niet-DSM-symptoom ‘sympathische arousal’ bekeken aan de hand van depressienetwerken, om na te gaan of zweten en trillen een rol spelen in de verschillen tussen de seksen bij een depressie. Tevens wordt de rol van eenzaamheid in de verschillen tussen de seksen bij een depressie onderzocht. Dit onderzoek is een aanvulling op bestaand onderzoek, aangezien de verschillen tussen de seksen bij een depressie nog niet onderzocht zijn aan de hand van depressienetwerken. Deze netwerken worden samengesteld met behulp van de Experience Sampling Method (ESM). De

(9)

doelstelling van de ESM is het vergaren van momenten in het dagelijks leven van een persoon met behulp van zelfrapportage (Csikszentmihalyi, 2014). Deze momenten in het dagelijks leven worden gedocumenteerd met behulp van een vragenlijst in een recent ontwikkelde app, genaamd Qumi (Oppenheim, 2016). De vragenlijst, die meermalen op een dag moet worden ingevuld, bevat vragen over depressie en een vraag over sympathische arousal. Deze vragen worden bekeken aan de hand van depressienetwerken en de bijbehorende centraliteitsmaten: betweenness, closeness en de in- en outstrength. Deze centraliteitsmaten meten elk op een verschillende manier de connectiviteit van de symptomen in het depressienetwerk (Costantini et al., 2015). Door de connectiviteit te meten, kunnen symptomen worden geïdentificeerd, die mogelijk een belangrijke rol spelen in de verschillen tussen de seksen bij een depressie. Naast de depressienetwerken wordt er eenmalig een eenzaamheidsvragenlijst afgenomen, om te onderzoeken of de mate van eenzaamheid wellicht samenhangt met de verschillen tussen de seksen bij een depressie.

Samengevat kijkt het onderzoek op een exploratieve wijze naar de verschillen tussen de depressienetwerken van vrouwen en mannen. Er wordt verwacht dat het depressienetwerk van vrouwen sterker verbonden is dan het depressienetwerk van mannen. Daarnaast is de verwachting dat de depressiesymptomen die beschreven worden in de DSM, sterker verbonden zijn in het depressienetwerk van vrouwen, dan in het depressienetwerk van mannen. Naar verwachting heeft sympathische arousal een grotere rol in het

depressienetwerk van mannen dan in het depressienetwerk van vrouwen. Tot slot wordt er verwacht dat de mate van eenzaamheid groter is bij vrouwen dan bij mannen.

Deelnemers

Methode

(10)

Deelnemers uit heel Nederland konden zich vrijwillig opgeven en werden geworven via de website https://www.lab.uva.nl/lab, social media en mond-tot-mondreclame. Er namen 60 mensen deel aan dit onderzoek. De deelnemers werden onderverdeeld in twee groepen: mannen en vrouwen. Indien de deelnemer student was aan de Universiteit van Amsterdam, kon dit onderzoek zes proefpersoonpunten opleveren. De deelnemers waren voornamelijk studenten en woonachtig in de omgeving van Amsterdam. De inclusiecriteria waren een leeftijd tussen de 18 en 65 jaar en het hebben van een iPhone of iPod Touch. De deelnemers die niet aan de inclusiecriteria voldeden, werden uitgesloten van het onderzoek.

Materialen

Het meetinstrument

Alle data werd verzameld via een door Bas Oppenheim recent ontwikkelde Qumi-app. De app werd met dit onderzoek voor het eerst getest. Deze app kon worden geïnstalleerd op een iPhone of een iPod Touch via TestFlight in de Apple store. In Qumi werd de

voormetingvragenlijst meegenomen en de herhaaldemetingenvragenlijst. De

voormetingvragenlijst bestaande uit 56 vragen werd slechts eenmalig afgenomen. De

herhaaldemetingenvragenlijst van 13 vragen werd zeven keer per dag afgenomen gedurende twee weken. Qumi verzamelde de data anoniem en hield bij hoe vaak de deelnemers de vragenlijsten hadden ingevuld. Qumi verstuurde tevens oproepen voor het invullen van de vragenlijst aan de deelnemers. Na de oproep hadden de deelnemers 20 minuten om de vragenlijst in te vullen. Om te voorkomen dat er een vertekend beeld van de

depressienetwerken ontstond, waren de oproepen verspreid over de dag (Oppenheim, 2016). De timing van de oproepen werd bepaald in drie stappen. Bij de eerste stap werd de dag in blokken verdeeld. In dit onderzoek werd het in zeven blokken verdeeld, omdat er zeven oproepen kwamen op een dag (oproeplengte: ([slaaptijd] – [waaktijd] / aantal

(11)

oproepen). De tweede stap hield in dat de middelste tijd voor elke oproep werd berekend (middelste tijd: [waaktijd] + [oproeplengte] * ([nummer van afgelopen oproepen op die dag] + 0,5). De derde stap hield in dat er random werd afgeweken van de middelste tijd (toegestane afwijking: van: – ([oproeplengte] – minimale tijd tussen oproepen) / 2 naar: + ([oproeplengte] – minimale tijd tussen oproepen) / 2) (Oppenheim, 2016).

De vragenlijsten

Het onderzoek werd uitgevoerd door verschillende onderzoeksgroepen. Niet alle data waren relevant voor dit onderzoek, daarom was slechts een deel van de data meegenomen in dit onderzoek. De data werden gebruikt uit een grotere dataset genaamd ‘Depressienetwerken Bachelorproject UvA 2016’. De voormetingvragenlijst en de herhaaldemetingenvragenlijst waren relevant voor dit onderzoek. Deze waren samengesteld uit depressievragenlijsten en andere verschillende psychologische karakteristieken.

De voormeting

De voormetingvragenlijst bestond onder meer uit algemene vragen. De deelnemers werd gevraagd om hun leeftijd en sekse in te vullen, en er werd er gevraagd naar het hoogst genoten opleidingsniveau, waarbij er meerdere antwoordmogelijkheden waren

(vmbo/havo/vwo/mbo/hbo/universiteit). Daarnaast bestond de voormeting uit de

eenzaamheidsvragenlijst van De Jong Gierveld (1987). Deze vragenlijst voldoet aan de eisen van het Raschmodel en wordt gebruikt voor diverse sociaalwetenschappelijke

onderzoeksdoeleinden. De 11-items eenzaamheidsvragenlijst is door de COTAN beoordeeld: de kwaliteit van het testmateriaal en de handleiding bleken voldoende, evenals de

betrouwbaarheid en de begripsvaliditeit. Naar de criteriumvaliditeit is echter te weinig onderzoek gedaan en de normen zijn verouderd, daarom zijn deze onvoldoende (COTAN Documentatie, 2000). De vragenlijst bestaat uit vijf positief geformuleerde uitspraken (items, 1, 4, 7, 8, 11) en zes negatief geformuleerde uitspraken (items 2, 3, 5, 6, 9, 10). Tevens maakt

(12)

het gebruik van een 5-punts Likert Scale. (de Jong Gierveld & van der Zouwen, 1987). In Tabel 1 staan de items weergegeven.

Tabel 1. Eenzaamheidsvragenlijst

Item 1 Er is altijd wel iemand in mijn omgeving bij wie ik met mijn dagelijkse problemen terecht kan  

Item 2 Ik mis een echt goede vriend of vriendin Item 3 Ik ervaar een leegte om mij heen

Item 4 Er zijn genoeg mensen op wie ik in geval van narigheid kan terugvallen Item 5 Ik mis gezelligheid om me heen

Item 6 Ik vind mijn kring van kennissen te beperkt

Item 7 Ik heb veel mensen op wie ik volledig kan vertrouwen

Item 8 Er zijn voldoende mensen met wie ik me nauw verbonden voel   Item 9 Ik mis mensen om me heen

Item 10 Vaak voel ik me in de steek gelaten

Item 11 Wanneer ik daar behoefte aan heb kan ik altijd bij mijn vrienden terecht De herhaalde metingen

De herhaaldemetingenvragenlijst bestond onder andere uit één vraag over

sympathische arousal. De vraag luidt: “Ik zweet / tril” en bevat een 5-punts Likert Scale. Deze vraag is ontworpen voor dit onderzoek om te bekijken of een niet-DSM-symptoom, in dit geval sympathische arousal, een rol speelt in de depressienetwerken. Daarnaast bestond de herhaaldemetingenvragenlijst uit items die samengesteld zijn op basis van de negen DSM-criteria. Verschillende depressiesymptomen werden gemeten: stress, somberheid, interesse, eetlust, moeheid, energie, gevoel van waardeloosheid, schuld en concentratie. In Tabel 2 staan de items van de vragenlijst weergegeven. De depressievragenlijst maakt gebruik van een 5-punts Likert Scale. De voormeting en de herhaalde metingen maken gebruik van dezelfde schaal: 1. Heel weinig 2. Een beetje 3. Matig 4. Veel 5. Heel veel.

Tabel 2. Depressievragenlijst

Item 1: stress Ik heb net iets stressvols meegemaakt Item 2: somber Ik voel me somber

Item 3: interesse Ik ben geïnteresseerd Item 4: eetlust Ik heb eetlust

Item 5: energiek Ik voel me energiek Item 6: moe Ik voel me moe

(13)

Item 8: schuldig Ik voel me schuldig Item 9: concentratie Ik ben geconcentreerd

Procedure

De deelnemers kregen eerst een instructiemail met daarin alle benodigde informatie voor het onderzoek. De deelnemers konden het onderzoek uitvoeren in hun eigen tijd, ze hoefden niet naar het onderzoekslab te komen. Ze ondertekenden eerst een informed consent en moesten daarna de Qumi-app downloaden op hun iPhone of iPod Touch. Daarna ging het onderzoek van start: de deelnemers kregen eerst de voormetingvragenlijst bestaande uit 56 vragen, dit nam maximaal 30 minuten in beslag. Vervolgens moesten ze zeven keer per dag de herhaaldemetingenvragenlijst van 13 vragen invullen gedurende 15 dagen. Dit nam

maximaal één minuut per vragenlijst in beslag. De deelnemers moesten via de app om de twee dagen de data van het onderzoek opsturen. Een voorwaarde voor de toekenning van de

proefpersoonpunten was dat de deelnemers minimaal 50 responsen gaven op de herhaalde metingen. Om aan deze voorwaarde te kunnen voldoen, werd aangeraden om de iPhone of iPod Touch elke dag tijdens de testperiode bij de hand te houden, aangezien de metingen werden verkregen via deze apparaten. Ten slotte werden de deelnemers ingelicht over het werkelijke doel van het onderzoek.

Data-analyse

Participantkarakteristieken

De deelnemers werden verdeeld in de groepen mannen en vrouwen. Als eerste werd gekeken of het aantal mannen en vrouwen gelijk was. Tevens werd de gemiddelde leeftijd berekend en de standaarddeviatie. Vervolgens werd een Pearson’s Chi-squared test uitgevoerd om te bekijken of het opleidingsniveau evenredig verdeeld was over de mannen en de

(14)

evenredig verdeeld waren, met behulp van een F-test. Ten slotte werd een Welch Two Sample t-test (voor ongelijke variantie) uitgevoerd om te bekijken of de leeftijd gelijk was bij de mannen en vrouwen. De significantie van de toetsen werd bepaald bij een significantieniveau (α) van .05.

De depressienetwerken

De eventuele verschillen tussen de seksen werden bekeken aan de hand van de depressienetwerken. Deze werden gemaakt op basis van de depressievragenlijst en de vraag over sympathische arousal. De depressienetwerken werden geschat door middel van de multilevel-VAR-methode. Deze methode is in R gezet in package mlVAR en wordt vaak gebruikt bij variabelen die herhaald zijn gemeten (Epskamp, Deserno, & Bringmann, 2015). Een VAR-methode is een uitbreiding van autoregressie (AR) (Bringmann et al., 2013). Een autoregressie (AR) vergelijkt een variabele met dezelfde variabele op een vorig tijdstip op basis van time-lagged (lag-1) regressies. Dit resulteert in zogenaamde self-loops in het netwerk. Bij de multilevel-VAR-(mlVAR)-methode gebeurt dit ook en is dit uitgebreider: elke variabele op basis van time-lagged (lag-1) regressies wordt vergeleken met dezelfde variabele en alle andere variabelen op het vorige tijdstip. De mlVAR-methode werd uitgevoerd bij alle individuen in de groep mannen en de groep vrouwen. Het hoofddoel hiervan was het schatten van het gemiddelde van de connectiesterktes tussen alle variabelen. De significantie van de connecties werd bepaald bij een significantieniveau (α) van .05. De connectiesterktes konden worden weergegeven in het depressienetwerk. Zo ontstond er een zogeheten populatienetwerk van zowel de mannen als de vrouwen. De sterkte van de

verbondenheid van de vrouwelijke en mannelijke depressienetwerken, de zogenoemde global strength, werd berekend door de absolute waarde van de connectiesterktes inclusief de self-loops bij elkaar op te tellen (Bringmann et al., 2013).

(15)

De centraliteitsmaten

De connectiviteit van de symptomen in het depressienetwerk werd gemeten met verschillende centraliteitsmaten: betweenness, closeness en de in- en outstrength. De betweenness meet de mate waarin centrale knopen een verbindingsfunctie hebben met

verschillende delen van het depressienetwerk en de mate waarin deze knopen controle hebben over de informatieoverdracht in het netwerk. Ter illustratie: het station van Utrecht is een centrale knoop, want bijna al het treinverkeer moet hierlangs en daarom heeft het een

verbindingsfunctie (van Borkulo et al., 2015). De closeness weerspiegelt de afstand tussen de symptomen. Wanneer de afstand tussen de symptomen klein is, zal de activatie van de

verschillende symptomen in het depressienetwerk sneller gaan. De in- en outstrength geven de som weer van het aantal verbindingen van de symptomen, en daarmee de mate waarin het symptoom betrokken is bij het netwerk. De instrength geeft weer hoeveel lijnen er naar een knoop toekomen. De outstrength geeft de lijnen weer die beginnen bij een knoop en die zich richten op een andere knoop (Opsahl, Agneessens & Skvoretz, 2010). Hoe meer verbindingen het symptoom heeft, des te meer dit symptoom betrokken is bij het depressienetwerk

(Constantini et al., 2015). Een functie in R-studio genaamd qgraph kan de centraliteitsmaten van de twee groepen met elkaar vergelijken. De rol van de symptomen werd via deze maten bepaald (Epskamp, zoals geciteerd in Constantini et al., 2015). Ter verduidelijking van de gebruikte R-data voor de participantkarakteristieken, de depressienetwerken en de

centraliteitsmaten wordt verwezen naar Bijlage 3. De eenzaamheidsvragenlijst

De mate van eenzaamheid werd bepaald aan de hand van de eenzaamheidsvragenlijst van De Jong Gierveld (1987). Sommatie van de respons op elk item levert een schaalscore op en deze loopt van 0 tot 11. De totale eenzaamheidsscore is ingedeeld in vier niveaus: niet eenzaam (score 0, 1 of 2), matige eenzaamheid (score 3 t/m 8), sterke eenzaamheid (score 9

(16)

of 10) en zeer sterke eenzaamheid (score 11). De score werd bepaald aan de hand van twee stappen. De eerste stap bestond uit optelling van neutrale en positieve antwoorden (‘matig’, ‘veel’, ‘heel veel) op de items 2, 3, 5, 6, 9, 10. Deze items gaan over het missen van

bijvoorbeeld gezelligheid, vrienden en het ervaren van een leegte. Dit is de emotionele eenzaamheidsscore. Vervolgens werd het aantal neutrale en negatieve antwoorden opgeteld (‘matig’, ‘een beetje’, ‘heel weinig’) op de items 1, 4, 7, 8, 11. Deze items gaan over het ervaren van steun, het kunnen terugvallen op een persoon, iemand kunnen vertrouwen en het kunnen uiten van de dagelijkse problemen bij iemand. Dit is de sociale eenzaamheidsscore. Bij de tweede stap werd de totale eenzaamheidsscore berekend door de emotionele

eenzaamheidsscore en de sociale eenzaamheidsscore op te tellen (de Jong Gierveld & van Tilburg, 1999). De twee stappen werden uitgevoerd via R-studio. Ter verduidelijking van de gebruikte R-data wordt verwezen naar Bijlage 4. Ten slotte werd de gemiddelde score van de mannen en de vrouwen berekend en aan de hand hiervan werd er exploratief gekeken naar de verschillen per sekse voor wat betreft eenzaamheid.

Participantkarakteristieken

In totaal namen 60 mensen deel aan dit onderzoek, waarvan 17 deelnemers waren meegenomen in de analyse. De overige 43 deelnemers waren om verschillende redenen uitgevallen: de deelnemer had te veel gemiste oproepen, of iemand wilde niet meer meedoen om persoonlijke redenen. Ook waren de data in sommige gevallen niet bruikbaar wegens problemen in het uitlezen van de data in Excel. Ter verduidelijking van de uitval wordt verwezen naar Bijlage 2. Er waren 14 vrouwelijke deelnemers. De gemiddelde leeftijd van de vrouwen was 25,4 jaar en van de mannen 24 jaar. De varianties in leeftijd van de mannen en

(17)

vrouwen waren niet gelijk verdeeld. De F-test was namelijk significant F(2, 13) = 39.6813, p < .05. De Welch Two Sample t-test (voor ongelijke varianties) werd uitgevoerd. Hieruit bleek dat leeftijd gelijk was voor de mannen en de vrouwen, t(14.9) = 0.4013, p = 0.6939. Uit de Pearson’s Chi-squared test bleek dat het opleidingsniveau gelijk verdeeld was over de mannen en vrouwen, want er was geen significant verschil gevonden X²(3) = 2.0094, p = .5705. De depressienetwerken

De depressienetwerken van de mannen en de vrouwen zijn weergegeven in Figuur 2.

Figuur 2. De depressienetwerken van de vrouwen (links; n=14) en de mannen (rechts; n=3) Str = stress, Som = somber, Int = interesse, Eet = eetlust, Eng = energie, Moe = vermoeidheid, Waa = waardeloos, Sch = schuldig, Con = concentratie, Sym = sympathische arousal.

De lijnen tussen de knopen stellen de sterkte van de connectie tussen de symptomen voor. Hoe dikker de lijn, hoe sterker de symptomen met elkaar zijn verbonden (Borsboom & Cramer, 2013). De groene lijnen van het netwerk staan voor een positieve relatie tussen de symptomen, de rode lijnen staan voor een negatieve relatie tussen de symptomen.

(18)

Wat ten eerste opviel was dat mannen een sterker verbonden depressienetwerk hadden dan vrouwen. De sterkte van de verbondenheid, de zogenoemde global strength, was bij de mannen namelijk 3,22 en bij de vrouwen 2. Dit kwam niet overeen met de verwachting dat de vrouwen een sterker verbonden depressienetwerk hebben dan de mannen. Een sterker

verbonden depressienetwerk duidt volgens de netwerkbenadering op grotere kwetsbaarheid van mannen voor het krijgen van een depressie dan van vrouwen. Bovendien was het

opmerkelijk dat het vrouwelijke depressienetwerk sterke positieve verbindingen had met het niet-DSM-symptoom ‘sympathische arousal’. Dit kwam niet overeen met de verwachting dat ‘sympathische arousal’ een grotere rol speelt in het mannelijke depressienetwerk dan in het vrouwelijke depressienetwerk. Van ‘sympathische arousal’ naar ‘moe’ en van ‘sympathische arousal’ naar ‘somber’ waren de sterkst verbonden symptomen van de vrouwen, gevolgd door de positieve verbinding van ‘waardeloos’ naar ‘somber’. Met andere woorden, ‘sympathische arousal’ zorgde voor meer moeheid en somberheid. Bovendien zorgde een gevoel van waardeloosheid voor meer somberheid. De minst sterke positieve verbindingen waren van ‘energiek’ naar ‘sympathische arousal’, van ‘moe’ naar ‘eetlust’ en van

‘concentratie’ naar ‘eetlust’. Naast positieve verbindingen waren er ook negatieve

verbindingen, zoals van ‘moe’ naar ‘energiek’ en van ‘waardeloos’ naar ‘interesse’. Anders gezegd: moeheid zorgde voor minder energie en een gevoel van waardeloosheid zorgde voor minder interesse. De minst sterke negatieve verbindingen waren van ‘eetlust’ naar

‘sympathische arousal’ en van ‘interesse’ naar ‘waardeloos’.

Het depressienetwerk van de mannen had voornamelijk sterke positieve verbindingen met de depressiesymptomen beschreven in de DSM, zoals van ‘schuldig’ naar ‘somber’ en van ‘stress’ naar ‘moe’, wat erop duidde dat deze depressiesymptomen een grotere rol

speelden in het depressienetwerk van mannen. Dit kwam niet overeen met de verwachting dat de depressiesymptomen, beschreven in de DSM, sterker verbonden zijn in het

(19)

depressienetwerk van vrouwen. De sterke wederkerige positieve relatie tussen ‘stress’ en ‘somber’ was opvallend. Wanneer de stress toenam, steeg de somberheid en omgekeerd. De minst sterke positieve verbindingen waren van ‘stress’ naar ‘waardeloos’, van ‘eetlust’ naar ‘interesse’ en van ‘schuldig’ naar ‘waardeloos’. Naast het feit dat er sterke positieve

verbindingen waren, was er ook één sterke negatieve verbinding, namelijk van ‘sympathische arousal’ naar ‘interesse’. Van ‘moe’ naar ‘waardeloos’ was de minst sterke negatieve

verbinding.

De centraliteitsmaten

De connectiviteit van de symptomen in het depressienetwerk werd gemeten met betweenness, closeness en de in- en outstrength (Opsahl et al., 2010). Voor de visuele details wordt verwezen naar Figuur 3 en Figuur 4. In Bijlage 1 staan de uitgebreide waardes van de centraliteitsmaten.

Er zijn verschillen in de betweenness geconstateerd van mannen en vrouwen. De vrouwen hadden een hoge betweenness bij de symptomen ‘sympathische arousal’, ‘moe’ en ‘eetlust’. Bij de mannen was er sprake van een hoge betweenness bij de symptomen ‘stress’, ‘somber’ en ‘moe’. Hieruit kwam naar voren dat bij de vrouwen ‘sympathische arousal’ en ‘eetlust’ een hogere verbindingsfunctie in het depressienetwerk hadden dan bij de mannen. Bij de mannen gold dit voor ‘stress’ en ‘somber’. Bij zowel de vrouwen als bij de mannen had ‘moe’ een verbindende rol in het netwerk.

Bovendien was de closeness verschillend voor de vrouwen en de mannen. Bij de vrouwen hadden ‘sympathische arousal’ en ‘moe’ een hoge closeness. Bij de mannen had ‘somber’ een hoge closeness. Dit hield in dat deze symptomen een korte afstand hadden tot andere symptomen, waardoor de informatieoverdracht van de symptomen in het

depressienetwerk werd versneld. Echter, de closeness had missende waarden, omdat sommige symptomen niet te bereiken waren door andere symptomen. Door deze loskoppeling kon

(20)

closeness de afstand tussen deze symptomen niet weergeven (Opsahl et al., 2010; Wasserman & Faust, 1994).

Daarnaast waren er overeenkomsten in de instrength tussen mannen en vrouwen. De vrouwen en de mannen hadden een hoge instrength bij de volgende symptomen: ‘interesse’ en ‘somber’. Deze symptomen waren reactief, wat inhield dat deze symptomen werden beïnvloed door andere symptomen. Naast de overeenkomsten waren er ook verschillen in de instrength tussen mannen en vrouwen. De mannen hadden een hoge instrength bij

‘waardeloos’ en de vrouwen bij ‘energie’.

Tevens waren er verschillen in de outstrength tussen mannen en vrouwen. De vrouwen hadden een hoge outstrength bij de volgende symptomen: ‘sympathische arousal’,

‘waardeloos’ en ‘moe’. De mannen hadden een hoge outstrength bij de volgende symptomen: ‘stress’, ‘schuldig’ en ‘somber’. Deze symptomen waren proactief; dit hield in dat de

symptomen een reactie teweeg brachten bij de andere symptomen. Bij de vrouwen was ‘sympathische arousal’ een sterk proactief symptoom en bij de mannen was dit ‘stress’.

Figuur 3 Centraliteitsplot van de vrouwen

De centraliteitsplot geeft een visuele weergave van de betweenness, de closeness en de in- en outstrength.

(21)

Figuur 4 Centraliteitsplot van de mannen

De centraliteitsplot geeft een visuele weergave van de betweenness, de closeness en de in- en outstrength.

De eenzaamheidsvragenlijst

De gemiddelde eenzaamheidsscores en de bijbehorende standaardafwijkingen van de mannen en de vrouwen staan weergegeven in Tabel 3. De eenzaamheidsscores van de mannen en de vrouwen waren vrijwel gelijk. Uit deze scores bleek dat de vrouwen en de mannen gemiddeld niet eenzaam zijn. Deze bevinding kwam niet overeen met de verwachting dat vrouwen eenzamer zijn dan mannen.

Tabel 3.

Gemiddelde Sociale Eenzaamheidsscore en Emotionele Eenzaamheidsscore en Standaarddeviaties (tussen Haakjes) van de Mannen en de Vrouwen.

Groep Sociale eenzaamheid Emotionele eenzaamheid Totale eenzaamheidsscore Mannen 1 (1) 1 (1) 2 (1.7)

Vrouwen 0.9 (1.6) 1,4 (1.9) 2,2 (3.2)

Noot. De totale eenzaamheidsscore is ingedeeld in vier niveaus: niet eenzaam (afgeronde score 0, 1 of 2), matige eenzaamheid (afgeronde score 3 t/m 8), sterke eenzaamheid (afgeronde score 9 of 10) en zeer sterke eenzaamheid (afgeronde score 11).

(22)

In dit onderzoek zijn de verschillen tussen de depressienetwerken van mannen en vrouwen exploratief bekeken. De depressiesymptomen beschreven in de DSM en het niet-DSM-symptoom ‘sympathische arousal’ zijn bekeken aan de hand van depressienetwerken. Daarnaast is de rol van eenzaamheid bij een depressie zowel bij de mannen als bij de vrouwen bekeken teneinde op dit punt verschillen tussen de seksen te onderzoeken. Er zijn duidelijke verschillen gevonden: het depressienetwerk van de mannen is sterker verbonden dan dat van de vrouwen. Dit duidt volgens de netwerkbenadering op grotere kwetsbaarheid van mannen voor het krijgen van een depressie dan van vrouwen. Dit gegeven sluit niet aan bij eerder onderzoek, want volgens Segal et al. (2004) krijgen tussen de 20 en 25% van de vrouwen en tussen de 7 en 20% van de mannen ooit in hun leven een depressieve periode. Hieruit volgt dat vrouwen juist kwetsbaarder zijn voor het krijgen van een depressie dan mannen. Tevens blijkt dat sympathische arousal een grotere rol heeft in het depressienetwerk van vrouwen, dan in het depressienetwerk van mannen. Bij de mannen spelen depressiesymptomen zoals beschreven in de DSM een grotere rol in het depressienetwerk dan bij de vrouwen. De positieve wederkerige verbinding tussen stress en somberheid is opvallend bij de mannen. Daarnaast blijkt dat de mannen en de vrouwen zich niet eenzaam voelen; hierdoor lijkt eenzaamheid geen rol te spelen in de sekseverschillen bij een depressie.

Er zijn enkele kanttekeningen te plaatsen bij het huidige onderzoek. Ten eerste waren alle deelnemers afkomstig uit de gezonde populatie. Dit zorgt mogelijk voor te weinig verschillen tussen de seksen bij een depressie. De interne validiteit kan hierdoor in gevaar komen, omdat de steekproef wellicht niet representatief genoeg is. In het huidige onderzoek werd de kwetsbaarheid voor het krijgen van een depressie bekeken, vandaar dat de gezonde populatie toegestaan was. Echter, om de verschillen tussen de seksen bij een depressie beter in

(23)

kaart te brengen is het nuttig om in vervolgonderzoek deelnemers te werven uit de klinische populaties.

Ten tweede namen er weinig mensen deel aan het huidige onderzoek en waren de mannelijke deelnemers in de minderheid (drie mannelijke deelnemers en 14 vrouwelijke deelnemers). De steekproef is wellicht niet representatief genoeg, omdat deze klein is. Dit kan resulteren in een vertekend beeld van de sekseverschillen bij een depressie, waardoor het huidige onderzoek mogelijk niet te generaliseren is. In vervolgonderzoek kan het nuttig zijn om een grotere steekproef te bewerkstelligen, waardoor meer robuuste uitspraken kunnen worden gedaan.

Ten derde waren er problemen met de zogeheten Qumi-app. Gedurende het onderzoek kwam naar voren dat de deelnemers op sommige dagen geen oproepen kregen. Tevens werd de voormetingvragenlijst aan sommige deelnemers opnieuw voorgelegd. Bovendien konden de deelnemers handmatig om een nieuwe vragenlijst vragen. Hierdoor klopte de timing van de oproepen niet. De data van de deelnemers die deze problemen ervoeren, konden in bijna alle gevallen niet worden meegenomen door problemen in het uitlezen van de data in Excel. De app is ietwat werkbaarder geworden door meerdere updates via TestFlight. Echter, in vervolgonderzoek moet de app accuraat zijn om onnodige uitval te voorkomen.

Ten vierde valt te betwijfelen of daadwerkelijk sympathische arousal werd gemeten, wat door depressieve gevoelens veroorzaakt werd in het huidige onderzoek. Het ging hier om herhaalde metingen en het kan zijn dat de onderzochte persoon vaak sportte, hierdoor moe raakte en zich wellicht door de uitputting somber ging voelen. Hierdoor zijn er geen robuuste uitspraken mogelijk over het verband tussen sympathische arousal en depressieve gevoelens. Het is mogelijk dat de vrouwen naast de depressiesymptomen zoals beschreven in de DSM, ook lijden aan niet-DSM-symptomen, zoals sympathische arousal. In vervolgonderzoek is het

(24)

daarom nuttig om sympathische arousal zo te meten, dat sport wordt uitgesloten als mogelijke oorzaak van het zweten en trillen.

Ten slotte moesten de deelnemers zeven keer per dag de herhaaldemetingenvragenlijst invullen. Sommige deelnemers meldden dat dit als vrij intensief ervaren werd. Wellicht zijn de vragenlijsten daarom niet altijd serieus ingevuld, waardoor de betrouwbaarheid in het geding komt. In vervolgonderzoek kunnen de herhaalde metingen minder intensief worden gemaakt, door bijvoorbeeld vijf herhaalde metingen per dag te hanteren in plaats van zeven. Deze regel is wellicht haalbaarder voor de deelnemers.

Voorlopig is de conclusie dat er verschillen bestaan in de depressienetwerken van mannen en vrouwen. Het depressienetwerk van mannen is sterker verbonden dan het depressienetwerk van vrouwen. Bij vrouwen speelt sympathische arousal een grotere rol in het depressienetwerk dan bij mannen. Wegens de exploratieve aard van het onderzoek is het nuttig dat sympathische arousal, de depressiesymptomen zoals beschreven in de DSM en eenzaamheid nader onderzocht worden. Er zijn bij een depressie grote verschillen tussen de seksen en de gevolgen zijn niet onbelangrijk: de WHO (2015) schat dat depressie de

belangrijkste oorzaak is voor het disfunctioneren van vrouwen wereldwijd op sociaal gebied, thuis en op het werk. De verschillen tussen de seksen bij een depressie kunnen door nader onderzoek wellicht worden verklaard en ziekte-gerelateerde onbekwaamheid kan worden bestreden.

(25)

Borsboom, D., & Cramer, A. O. J. (2013). Network Analysis: An Integrative Approach to the Structure of Psychopathology. The Annual Review of Clinical Psychology, 9, 91-121. Boschloo, G., Van Borkulo, C. D., Rhemtulla, M., Keyes, K. M., Borsboom, D., &

Schoevers, R. A. (2015). The Network Structure of Symptoms of the Diagnostic and Statistical Manual of Mental Disorders. PLOS ONE, 1-12.

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.

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. COTAN Documentatie. (2000). Eenzaamheidsschaal. Opgehaald 6 april 2016, van

http://www.cotandocumentatie.nl/test_details.php?id=677

Cramer, A. O. J., Giltay, E. J., van Borkulo, C. D., van der Maas, H. L. J., Kendler, K. S., Scheffer, M., & Borsboom, D. (2014). I feel sad therefore I do not sleep: major depression as a complex system.

Cramer, A. O. J., Waldorp, L. J., van der Maas, H. L. J., & Borsboom, D. (2010).

Comorbidity: A network perspective. Behavioral and brain sciences, 33, 137-193. Csikszentmihalyi, M. (2014). Flow and the Foundations of Positive Psychology. Dordrecht,

Nederland: Springer.

De Jong Gierveld, J. & van der Zouwen, J. (1987). De vragenlijst in sociaal onderzoek: Een confrontatie van onderzoekspraktijk en –methodiek. Deventer: Van Loghum Slaterus, 67-83.

(26)

De Jong Gierveld, J., & van Tilburg, T.G. (1999). Manual of the loneliness scale. VU University Amsterdam, Department of Social Research Methodology

Edward, K. (2005). Resilience: A protector from depression. Journal of the American Psychiatric Nurses Association, 11, 241-243.

Epskamp, S., Deserno, P., & Bringmann, L. F. (2015). Package ‘mlVAR’. miVAR, 1-7. Fried, E. I., Bockting, C., Arjadi, R., Borsboom, D., Amshoff, M., Cramer, A. O. J., &

Stroebe, M. (2015). From Loss to Loneliness: The Relationship Between Bereavement and Depressive Symptoms. Journal of Abnormal Psychology, 124, 256-265.

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 a network analysis. Journal of Affective Disorders, 189, 314-320.

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.

Kuehner, C. (2003). Gender differences in unipolar depression: an update of epidemiological findings and possible explanations. Acta Psychiatrica Scandinavica, 108, 163-174. Mezulis, A. H., & Funasaki, K. (2009). Modeling the Gender Difference in Depression: A

Commentary on Cambron, Acitelli, and Pettit. Springer Science + Business Media, 61, 762-768.

Oppenheim, B. (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.

(27)

bij depressie. Een nieuwe methode om terugval te voorkomen (1th ed.) Amsterdam: Uitgeverij Nieuwezijds

Van Borkulo, C., Boschloo, L., Borsboom, D., Penninx, W. J. H., Waldorp, L. J., &

Schoevers, R. A. (2015). Association of Symptom Network Structure With the Course of Longitudinal Depression. JAMA psychiatry, 72(12), 1219-1226.

Wasserman, S., Faust, K., 1994. Social Network Analysis: Methods and Applications. Cambridge University Press, New York, NY.

World Health Organization. (2015). Depression. Opgehaald 16 februari 2016, van

(28)

Bijlage 1. Centraliteitstabel van de vrouwen en mannen

Vrouwen / Mannen Knoop Maat Waarde vrouwen Waarde mannen

1 Stress Betweenness -0.8778203 1.966830204 2 Somber Betweenness -0.8778203 0.842927230 3 Interesse Betweenness 0.2194551 -0.842927230 4 Eetlust Betweenness 1.0424117 0.280975743 5 Energiek Betweenness -0.3291826 0.280975743 6 Moe Betweenness 1.0424117 0.842927230 7 Waardeloos Betweenness -0.3291826 -0.842927230 8 Schuldig Betweenness -0.8778203 -0.842927230 9 Concentratie Betweenness -0.8778203 -0.842927230 10 SympArousDaily Betweenness 1.8653682 -0.842927230 11 Stress Closeness NA -0.707106781 12 Somber Closeness NA 0.707106781 13 Interesse Closeness NA NA 14 Eetlust Closeness -0.9037370 NA 15 Energiek Closeness -0.7427149 NA 16 Moe Closeness 0.4515864 NA 17 Waardeloos Closeness NA NA 18 Schuldig Closeness NA NA 19 Concentratie Closeness NA NA 20 SympArousDaily Closeness 1.1948655 NA 21 Stress InStrength -0.7217765 0.460017650 22 Somber InStrength 1.4893430 1.154256320 23 Interesse InStrength 1.4623895 1.494441292 24 Eetlust InStrength 0.3863134 -0.009226715 25 Energiek InStrength 0.5019761 -0.278578024 26 Moe InStrength 0.4392910 -0.150320954 27 Waardeloos InStrength -0.8793669 0.914934817 28 Schuldig InStrength -0.7729985 -1.195174796 29 Concentratie InStrength -1.3663894 -1.195174796 30 SympArousDaily InStrength -0.5387816 -1.195174796 31 Stress OutStrength -1.0361829 1.910135164 32 Somber OutStrength -1.0361829 0.528712240 33 Interesse OutStrength -0.2168660 -1.373650650 34 Eetlust OutStrength -0.2734867 -0.614404855 35 Energiek OutStrength -0.6824404 -0.010604543 36 Moe OutStrength 1.1023265 0.318794972 37 Waardeloos OutStrength 1.1058507 -1.373650650 38 Schuldig OutStrength -1.0361829 0.841118139 39 Concentratie OutStrength 0.4868600 -0.320178173 40 SympArousDaily OutStrength 1.5863046 0.093728356

Bijlagen

(29)

Bijlage 2. Flowchart van de deelnemers die zijn uitgevallen

Bijlage 3. R-data depressienetwerken en de bijbehorende centraliteitsmaten #De benodigde packages installeren

library(devtools) install_github('SachaEpskamp/mlVAR') install_github('SachaEpskamp/qgraph', force=TRUE) library(mlVAR) library(qgraph) library(plyr) library(foreign)

#Het databestand van het onderzoek openen

X <- as.data.frame(read.csv2('ZEKERDATAMOEDERBESTAND.csv')) #Weergave van het aantal deelnemers:

(30)

(number_of_subjects <- length(unique(X$ID))) #Weergave van het aantal rijen en kolommen: dim(X)

#Weergave van de eerste zes rijen en 18 kolommen head(X)[, 1:18]

#Weergave van de eerste zes rijen en 74 kolommen head(X)[, 1:74]

#Voormeting (X_voor) (variabelen 2 t/m 5 zijn niet van belang voor de voormetingen) X_voor_all <- X[, c(1, 6:61)]

#De regels met NA’s weghalen

X_voor <- ddply(X_voor_all, .(ID), function(d) d[1, ]) head(X_voor)

#Herhaalde metingen (X_rep) X_rep <- X[, c(1, 4, 5, 62:74)]

#Bepalen welke deelnemers man en vrouw zijn ID_man <- X_voor[X_voor$Sekse == 1, 1] ID_vrouw <- X_voor[X_voor$Sekse == 2, 1] #De herhaalde metingen splitsen naar sekse X_rep_man <- X_rep[X_rep$ID %in% ID_man, ] X_rep_vrouw <- X_rep[X_rep$ID %in% ID_vrouw, ]

#De gemiddelden en standaarddeviaties van leeftijd van de gehele groep mean(X_voor$Leeftijd)

(31)

#De gemiddelde leeftijd van de mannen en de vrouwen age_v <- X_voor$Leeftijd[X_voor$Sekse == 2]

age_m <- X_voor$Leeftijd[X_voor$Sekse == 1] mean(age_v)

mean(age_m)

#Een t-test en een check op gelijke varianties ttest <- t.test(age_v, age_m)

var.test(age_v, age_m)

#Toetsen of de verdeling van opleiding gelijk is over mannen en vrouwen with(X_voor, chisq.test(Sekse,Opleiding))

#Depressienetwerk van de gehele groep X_rep <- X[, c(1, 4, 5, 62:72)]

res <- mlVAR(data = X_rep, vars = colnames(X_rep)[5:14], idvar = "ID", dayvar = "day", beepvar = "beep", orthogonal = TRUE)

#Depressienetwerk met significante verbindingen van de gehele groep

graph <- plot(res, "fixed", title = "Estimated model", layout = "spring", onlySig = TRUE, alpha = 0.05, edge.labels = TRUE)

#Centraliteitsplot van de gehele groep centralityPlot(graph)

#Centraliteitstabel van de gehele groep centralityTable(graph)[, -c(1, 2)]

(32)

#Het depressienetwerk van mannen met significante verbindingen

graph_m <- plot(res_m, "fixed", title = "Estimated model men", layout = "spring", onlySig = TRUE, alpha = 0.05, edge.labels = TRUE)

#Het depressienetwerk van vrouwen met significante verbindingen

graph_v <- plot(res_v, "fixed", title = "Estimated model women", layout = "spring", onlySig = TRUE, alpha = 0.05, edge.labels = TRUE)

#De depressienetwerken van mannen en vrouwen komen nu naast elkaar te staan. layout(matrix(1:2, 1, 2))

qv <- qgraph(graph_v)

qm <- qgraph(graph_m, layout = qv$layout)

# De symptomen van de depressienetwerken van mannen en vrouwen staan nu in dezelfde volgorde weergegeven.

maxi <- max(getWmat(qv), getWmat(qm)) qv <- qgraph(graph_v, maximum = maxi) qm <- qgraph(graph_m, maximum = maxi)

qgraph(graph_v, layout = "circle", maximum = maxi) qgraph(graph_m, layout = "circle", maximum = maxi)

#Centraliteitsplot van de vrouwen centralityPlot(graph_v)

#Centraliteitstabel van de vrouwen centralityTable(graph_v)[, -c(1, 2)]

(33)

#Centraliteitsplot van de mannen centralityPlot(graph_m)

#Centraliteitstabel van de mannen centralityTable(graph_m)[, -c(1, 2)]

#Pdf files van de depressienetwerken van mannen en vrouwen pdf('Centraliteit_mannenenvrouwen.pdf',width=8,height=4) layout(matrix(1:2, 1, 2))

maxi <- max(getWmat(qv), getWmat(qm))

qgraph(graph_v, layout = "circle", maximum = maxi) qgraph(graph_m, layout = "circle", maximum = maxi) dev.off()

#Pdf files van de centraliteitsplotten van de mannen en vrouwen pdf('Centraliteitsplotten_man.pdf',width=8,height=4)

layout(matrix(1:2, 1, 2))

maxi <- max(getWmat(qv), getWmat(qm)) centralityPlot(graph_m)

dev.off()

pdf('Centraliteitsplotten_vrouw.pdf',width=8,height=4) layout(matrix(1:2, 1, 2))

maxi <- max(getWmat(qv), getWmat(qm)) centralityPlot(graph_v)

(34)

Bijlage 4. R-data eenzaamheidsvragenlijst

#Het maken van de groepen: sociale eenzaamheid en emotionele eenzaamheid X_voor_EZ <- cbind(X_voor,NA) colnames(X_voor_EZ)[58] <- 'EZsoc' X_voor_EZ <- cbind(X_voor_EZ,NA) colnames(X_voor_EZ)[59] <- 'EZemo' X_voor_EZ_om <- X_voor_EZ soc.ez <- c(15,18,21,22,25) emo.ez <- c(16,17,19,20,23,24)

#Het selecteren van relevante uitkomsten op de likertscale voor het meten van eenzaamheid X_voor_EZ_om$EZsoc <- rowSums(X_voor_EZ_om[,soc.ez]<=3)

X_voor_EZ_om$EZemo <- rowSums(X_voor_EZ_om[,emo.ez]>=3)

#Het optellen van de twee groepen om de mate van eenzaamheid te bekijken X_voor_EZ_som <- cbind(X_voor_EZ_om,NA)

colnames(X_voor_EZ_som)[60] <- 'EZsom'

X_voor_EZ_som$EZsom <- rowSums(X_voor_EZ_som[58:59])

#Gemiddelde scores en de standaarddeviaties mannen.scores <- c(1,4,1)

mean(mannen.scores) sd(mannen.scores)

(35)

Zijn er verschillen tussen de depressienetwerken van mannen en vrouwen? mean(mannen.scoresSociaal) sd(mannen.scoresSociaal) mannen.scoresEmotioneel <- c(1,2,0) mean(mannen.scoresEmotioneel) sd(mannen.scoresEmotioneel) vrouwen.scores <- c(10,1,1,0,4,0,5,3,0,0,0,0,0,7) mean(vrouwen.scores) sd(vrouwen.scores) vrouwen.scoresSociaal <- c(5,1,1,0,0,0,1,0,0,0,0,0,0,4) mean(vrouwen.scoresSociaal) sd(vrouwen.scoresSociaal) vrouwen.scoresEmotioneel <- c(5,0,0,0,4,0,4,3,0,0,0,0,0,3) mean(vrouwen.scoresEmotioneel) sd(vrouwen.scoresEmotioneel)