El análisis de redes no es algo nuevo. Se ha aplicado extensamente en otras áreas, como por ejemplo el análisis de redes sociales (p.ej., relaciones entre personas) bajo la teoría de grafos23,24; no obstante, parece que ha resurgido con nuevos bríos, en el área de la psicopatología, de la mano del grupo del profesor D. Borsboom de la Universidad de Ámsterdam2,20.

El análisis de redes representa un nuevo enfoque teórico en el estudio de la psicopatología y otras áreas como la personalidad. Este acercamiento puede motivar formas alternativas de analizar datos, sugerir nuevas maneras de modelar y simular procesos psicopatológicos así como abrir nuevos horizontes que permitan entender y representar los fenómenos psicopatológicos (y psicológicos) de un modo diferente2,20. En última instancia, y como comentan algunos autores, podría ayudar a cambiar la forma de comprender la psicopatología4, o al menos utilizar un prisma alternativo con el que conceptualizar y repensar los fenómenos psicopatológicos. Básicamente trata de dar nuevas respuestas a problemas ya clásicos en el campo de la psicopatología.

El modelo de red, dentro de la psicopatología, trata de analizar las interacciones dinámicas, a veces de tipo causal, que se establecen entre los síntomas y signos. Desde este acercamiento, ni una variable latente subyacente sería la causa de la covarianza de los síntomas, ni los síntomas serían indicadores intercambiables de un trastorno subyacente. En consecuencia, los síntomas no reflejan trastornos mentales subyacentes, son constitutivos de ellos2,20. Los síntomas se agrupan porque se influyen mutuamente unos a los otros, y no porque haya una causa latente común que está explicando su emergencia y covariación. Los síntomas tienen poder causal autónomo, no son meras consecuencias pasivas de una causa latente común. En suma, es ver los trastornos psicopatológicos como un sistema complejo dinámico de síntomas y signos25. Para Borsboom20, desde este modelo, la noción de salud mental se correspondería con un estado estable de una red de síntomas débilmente conectada, mientras que los trastornos mentales se corresponderían con estados estables de redes de síntomas fuertemente conectados.

Las redes consisten en nodos y aristas (edge). Los nodos representan los objetos o variables de estudio. Las aristas representan las conexiones entre los nodos. En el análisis de redes en psicopatología los nodos suelen representar síntomas y las aristas, asociaciones entre ellos. Gráficamente los nodos se representan como «círculos» y las aristas como la «línea» que los conecta. Los nodos pueden ser otro tipo de variables además de síntomas psicopatológicos, por ejemplo, experiencias traumáticas, consumo de sustancias o estrés diario, por citar algunos26,27. También podría ser algún otro tipo de variable procedente de diferentes niveles de análisis (p.ej., genético, psicofisiológico)28. A la representación gráfica existente entre nodos y aristas se la conoce como grafo. Tales representaciones se pueden realizar bajo diferentes programas estadísticos como R29 y, dentro de él, con determinados paquetes como el Qgraph30.

Una red es una representación de un conjunto de nodos y aristas. Se pueden encontrar diferentes tipos de redes en función de si las aristas están ponderadas y/o dirigidas.

Las redes pueden ser de aristas ponderadas o no ponderadas (weighted edges o unweighted edges). En las redes no ponderadas los síntomas están conectados, mientras que en las redes ponderadas hay un valor, un peso o coeficiente, que es indicativo de la magnitud de tal conexión entre los nodos. Este peso está representado por el grosor de la arista. A mayor grosor, mayor es la fuerza de tal asociación. Si no hay arista es que la relación es 0. La asociación entre dos nodos puede ser positiva o negativa. Una relación negativa se suele representar con el color rojo y una positiva, con el color verde. Por ejemplo, dos nodos dentro de una red pueden estar conectados positivamente (color verde); véase en un paciente con psicosis, donde existe una relación entre experiencias alucinatorias e ideación delirante. En cambio otros dos síntomas, por ejemplo el trastorno del pensamiento y la anhedonia, están conectados de forma negativa (color rojo).

Las aristas de las redes pueden ser no dirigidas o dirigidas. Las redes no dirigidas consisten en aristas o líneas simples que conectan pares de nodos. Esto es, las líneas de colores que unen los nodos no tendrían flechas en su punto final. Ello significa que existe una asociación de cierta magnitud, pero no se indica la dirección del tal relación, o sea, si el síntoma X provoca la activación del síntoma Y, o a la inversa. Por su parte, las redes dirigidas permiten que la dirección de la predicción vaya en ambos sentidos. Las redes dirigidas consisten en aristas con puntas de flecha en un extremo del borde, apuntando en la dirección de la predicción, y quizá causalidad.

También se puede dar la combinación entre cada uno de los dos tipos de redes mencionados, resultando cuatro tipos, a saber: no ponderadas no dirigidas, no ponderadas dirigidas, ponderadas no dirigidas y ponderadas dirigidas. En la figura 1 se representan estos cuatros tipos de redes.

Figura 1.

Tipos de redes.

(0.13MB).

Las redes en psicopatología difieren de las redes de muchas otras disciplinas en un aspecto fundamental: necesitan ser estimadas. Las redes se pueden estimar considerando: a)correlaciones simples; b)correlaciones parciales, y c)correlaciones parciales regularizadas.

Las correlaciones simples, también conocidas como red de asociación, serían la típica representación gráfica con matrices de Pearson. La matriz de correlaciones parciales, también conocida como red de concentración, se utiliza para controlar las correlaciones espurias que pueden surgir debido a las múltiples comparaciones. En una red de concentración se muestran las correlaciones condicionales en todos los demás nodos de la red. Esto es, permite ver la correlación entre el síntoma X y el síntoma Y, controlando el efecto del resto de síntomas de la red. Dos nodos están conectados si y solo si hay covarianza entre los nodos, de tal forma que no pueden ser explicados por cualquier otro nodo de la red. La estimación de la red se realiza mediante un algoritmo denominado Fruchterman-Reingold. En esencia, este algoritmo sitúa, mediante un procedimiento iterativo, a los nodos más relevantes en el centro de la red, mientras que los nodos más débiles los sitúa en la parte periférica.

Este último tipo de redes requiere muchos datos para poder estimar todos los parámetros. Este aspecto es, en ocasiones, difícil de lograr, por lo que se hace necesario implementar un procedimiento de regularización que permita extraer una red estable, de fácil interpretación y que requiera menos parámetros a estimar. En este caso se puede estimar la red con el procedimiento Least Absolute Shrinkage and Selection Operator (LASSO). La regularización devuelve una red donde se utilizan pocas aristas para explicar la estructura de covarianza en los datos. El algoritmo Graphical-LASSO (G-LASSO) es una variante del LASSO que permite, entre otros aspectos, optimizar el cálculo de la matriz de covarianzas inversa.

Obviamente, el procedimiento para la estimación de la red depende de la naturaleza de los datos, por ejemplo, si estos son transversales o longitudinales o si tienen una estructura multinivel o no. Para casos donde los datos son de tipo longitudinal y/o presentan una estructura multinivel se pueden encontrar otros procedimientos, como Graphical-VAR o Multilevel-VAR31. Asimismo, y aunque no se comente en el presente trabajo, también se pueden encontrar estimaciones de redes mediante estadística bayesiana4.

Para analizar la estructura de la red se dispone de diferentes medidas: distancia y longitud de la trayectoria más corta, centralidad, y conectividad y agrupamiento. La distancia y longitud de la trayectoria más corta se pregunta: ¿puede influir el síntoma X rápidamente en el síntoma Y? Las medidas de centralidad se cuestionan: ¿cuál es el síntoma más importante en la red? Y las medidas de conectividad y agrupación se plantean: ¿en qué medida los síntomas están bien conectados? En este apartado se comentarán brevemente las medidas de centralidad. Para un análisis en profundidad se pueden consultar trabajos previos21.

Las medidas de centralidad permiten analizar la importancia relativa del nodo dentro de la red en función del patrón de conexiones. No todos los nodos son igualmente importantes. Un nodo es central si tiene muchas conexiones. Un nodo es periférico —se encuentra en la parte externa de la red— si tiene pocas conexiones. Para saber si el nodo es central (importante, influyente) en la red se tienen que tener en cuenta: a)la centralidad de grado (degree centrality); b)la fuerza (strenght centrality); c)la cercanía (closenness centrality), y d)la intermediación (betweeness centrality). Los programas estadísticos permiten generar gráficos y tablas de centralidad (ver más adelante las figuras 3 y 4). Dichas tablas y figuras arrojan valores estandarizados referidos a la fuerza, cercanía y/o intermediación de los nodos que informan sobre la importancia relativa de cada nodo en la red.

Aparte de las medidas de centralidad y con la finalidad de lograr una mejor caracterización de los síntomas de la red, también se recomienda analizar la predictibilidad32. Los índices de centralidad presentan ciertas limitaciones. Por ejemplo, es posible que aquellos nodos con la mayor centralidad sean las mejoras dianas de intervención, si bien la centralidad es una medida relativa, siendo posible que estos nodos compartan poca varianza con otros nodos y que, por lo tanto, la intervención en uno tenga poco impacto en los nodos cercanos. En esencia, la predictibilidad permite determinar la relevancia práctica de las conexiones entre nodos, esto es, en qué medida el nodo es determinado por todos sus nodos «vecinos» de la red32.

Aunque el análisis de redes en psicopatología es un área relativamente reciente y en desarrollo, ya se han realizado excelentes aportaciones al campo clínico e investigador. Por ejemplo, se ha analizado la sintomatología depresiva25,33,34, la psicosis y su relación con experiencias traumáticas o impactos ambientales26,35, los síntomas psicóticos negativos36, el abuso de sustancias37, la calidad de vida38, los síntomas de estrés postraumático39, la comorbilidad40 o la relación entre síntomas y trastornos desde los sistemas taxonómicos41,42, por citar algunos.

Una aplicación donde el análisis de redes puede ser interesante en un futuro cercano es la evaluación ambulatoria mediante dispositivos móviles (conocido en inglés como experience sampling method o ecological momentary assessment)43,44. Esta metodología permite mapear a lo largo de tiempo, generalmente 5-7días, diferentes emociones, pensamientos, experiencias y comportamientos de los individuos en diferentes contextos. Por un lado, se analizan longitudinalmente las experiencias y, por otro, se examina el comportamiento de las personas en su contexto real, en su día a día. Esta metodología, aunque presenta algunas desventajas45, mejora, sin duda alguna, la validez ecológica de los datos. Desde el análisis de redes y utilizando esta metodología se podría analizar la conectividad entre los síntomas de un determinado paciente, así como examinar su evolución en el tiempo. Además, se podría analizar cómo la red se va modificando en el tiempo (activando o desactivando conexiones), por ejemplo, en función de una intervención, o cómo los síntomas aumentan o no su conectividad dependiendo de posibles impactos ambientales o de la «carga» de estrés ambiental (p.ej., experiencias traumáticas, consumo de drogas), pudiendo inducir una cascada o reacción de efectos en cadena en el sistema que podría derivar en un trastorno mental o en un aumento de la vulnerabilidad existente.

De hecho, ya se pueden encontrar estudios pioneros que tratan de aunar la evaluación ambulatoria con los modelos de redes. Por ejemplo, Klippel et al.27 examinaron con un modelo de red, en diferentes modelos temporales, las relaciones dinámicas que se establecían entre el estrés diario, los pensamientos momentáneos, las experiencias psicóticas y otros contextos de vida diaria potencialmente relevantes. Seleccionó una muestra de individuos que variaba en función del riesgo de psicosis (p.ej., controles sanos, parientes de primer grado de pacientes psicóticos y pacientes psicóticos). Los resultados indicaron que a mayor riesgo de psicosis, mayor era el número de conexiones significativas en la red estimada. El estrés tenía una posición central en la red y mostraba conexiones directas y significativas con las futuras experiencias psicóticas. Además, cuanto mayor era el riesgo de psicosis, las variables «pérdida de control» y «paranoia» jugaban un rol mayor a la hora de influir a otros nodos de la red. Estos hallazgos parecen apoyar la idea de que el estrés diario puede desempeñar un papel importante en la inducción de una cascada de efectos que pueden conducir, en este caso, a experiencias psicóticas.

Recientemente, Van Os y Reininghaus46 y Wigman et al.47 han introducido los modelos de red de gravedad en el campo de la psicosis. También se ha aplicado al campo de la depresión25. Bajo este acercamiento se concibe, por ejemplo, el síndrome de psicosis como redes causales dinámicas de estados mentales con niveles crecientes de gravedad psicopatológica. Se hipotetiza que en las primeras etapas del trastorno las asociaciones entre los síntomas son uniformemente débiles y no dan lugar a psicopatología. La expresión de los síntomas es más difusa, pudiendo expresarse fenotípicamente como un «síndrome de distrés general». Sin embargo, a medida que los individuos avanzan hacia etapas de mayor gravedad sintomática, la red gradualmente va cambiando, aparecen asociaciones específicas y más fuertes entre los síntomas, pudiendo sobrepasar el nivel clínico y derivar en un trastorno mental.

Los modelos de red de gravedad también incluyen el posible efecto del estrés o «carga» socioambiental (fig. 2). En este sentido, los síntomas no varían de forma independiente, sino que se afectan entre sí mutuamente a lo largo del tiempo, de tal modo que la conectividad de los síntomas aumenta a medida que aumenta la «carga» o el impacto de los aspectos socioambientales (véase, p.ej., estrés diario, experiencias de trauma, consumo de cannabis, etc.). También podría ser que la conectividad entre los síntomas disminuyera si se aumentan los factores protectores o se reducen los «impactos» y la «carga» de estrés ambiental. Desde este modelo, como resultado de una conectividad elevada entre los síntomas de la red, se activan más síntomas, lo que, en caso de exposición a una adversidad socioambiental adicional, hace que se incremente la gravedad de los estados mentales, lo que podría conducir a una mayor probabilidad de transición al trastorno psicótico25,46,47. En este caso, cuando el grado de exposición ambiental es alto, también puede crear una gran perturbación y un fenómeno de «cascada» o de reacción en cadena que se propague a través de la red, pudiendo derivar en trastorno y discapacidad asociada. Asimismo, se postula que los individuos con vulnerabilidad a algún trastorno psicopatológico mostrarán una red de síntomas más fuertemente interconectados, además de una mayor probabilidad de transición a un estado clínico tras una perturbación externa. Por su parte, los resilientes presentarán una red de síntomas débilmente interconectados, así como una rápida recuperación hacia un estado de equilibrio de salud mental tras una perturbación externa20.

Figura 2.

Modelo de redes en función del nivel de gravedad y carga de estrés.

T: momento temporal. Es un modelo, por lo que se tiene que ver como una simplificación de la realidad. Los números de los nodos se corresponden con síntomas psicopatológicos (p. ej., anhedonia, alucinaciones, delirios, etc.). Por ejemplo, para el individuoA en el momento temporal1 los nodos de la red no están muy interconectados y existe un bajo nivel de exposición ambiental, creando una perturbación leve que no se extiende ampliamente a través de la red de síntomas y permanece «contenida» en el dominio no clínico. En el tiempo2, la conectividad entre los síntomas es mayor y la carga ambiental es moderada, creando una mayor perturbación en la red, aunque no pasa la frontera clínica. En el tiempo3, el grado de exposición o carga ambiental es elevado, creando una gran perturbación y un fenómeno de «cascada» o de reacción que se propaga a través de la red, pudiendo derivar en trastorno, discapacidad y necesidad de tratamiento.

Adaptado de Borsboom20, Cramer et al.25 y Van Os y Reininghaus46.

(0.17MB).

La estructura de la red y las medidas de centralidad tienen claras implicaciones clínicas; por ejemplo, permiten juzgar cuáles son los síntomas que tienen una mayor importancia en la red, utilizar los síntomas más centrales para diagnosticar y planificar el tratamiento o focalizar el tratamiento en un síntoma o la red de síntomas que tienen más conexiones. También se pueden identificar síntomas «puente», esto es, un síntoma que sirve de nexo entre dos conjuntos de redes y que su abordaje e intervención tal vez permita controlar la (hipo)activación de otras subredes. Para Borsboom20, el diagnóstico implica identificar redes de síntomas, mientras que el tratamiento implica cambiar o manipular la red de tres formas, a saber: intervenciones en síntomas (modificando el estado de uno o más síntomas), intervenciones en el campo externo (eliminando la causa o las causas desencadenantes) e intervenciones en la red (modificando las conexiones entre los nodos de la red, esto es, síntoma-síntoma). Por ejemplo, ante un paciente con un trastorno del espectro psicótico en el cual se implementa un tratamiento antipsicótico, se puede pensar en realizar una intervención familiar para modificar las pautas de comunicación o eliminar el consumo de sustancias, y/o trabajar con técnicas cognitivo-conductuales que permitan afrontar los delirios de persecución para que reduzcan las experiencias alucinatorias asociadas. Todas ellas cuestiones sumamente relevantes para la práctica clínica.

En suma, los modelos de redes y la evaluación ambulatoria surgen como respuesta a algunos de los cambios que se reclaman desde la psicología clínica y la psiquiatría, esto es, un enfoque personalizado, de precisión, contextual, dinámico (no estático) y basado en estadios12,48,49.