Psicopatología como red causal compleja de síntomas interactivos

Psychopathology as a complex network of causally interacting symptoms

Resumen: El modelo de la psicopatología como red de síntomas propone centrarse en las interacciones dinámicas y causales entre los síntomas constitutivos del problema clínico. La idea principal es que la activación de un síntoma clínico lleva a la activación de otro síntoma vecino. Las conexiones entre ellos pueden ser biológicas, psicológicas o sociales. Los trastornos mentales son concebidos como estados estables alternativos de redes de síntomas fuertemente conectados. Esto permite un modelo explicativo común para todos los trastornos mentales, un modelo integral de psicopatología. A pesar del éxito de este nuevo camino metodológico, la mayoría de la información relevante se encuentra publicada en inglés. En este artículo, se presenta, en idioma español, la teoría de la psicopatología como red de síntomas y su modelo, su relevancia para la investigación, docencia y práctica clínica de la psicología y la psiquiatría, a los fines de incrementar su difusión y diseminación.

Palabras clave: psicopatología, análisis en red, red causal compleja, síntomas psiquiátricos, trastornos mentales.

Abstract: Over the past years, psychopathology has frequently been represented as a complex system, where psychiatric symptoms are causally interconnected in a network architecture. The network theory of psychopathology has led to more than 300 novel publications, academic courses, methodology for estimating novel models, and freely available software. However, despite the success of this novel research avenue, all relevant information has mostly been published in English. This paper translates the network theory of psychopathology and its model, together with its relevance for research and clinical practice of psychology and psychiatry, to the Spanish language. To serve the dissemination of this theory, this paper serves as an introductory paper for Spanish scholars, for example, as a starting point to learn more about the approach or for academic courses.

The main idea of the network theory of psychopathology is that the activation of one clinical symptom in the network leads to the activation of a neighboring symptom. If symptoms are strongly connected with each other, for example, excessive worry and insomnia, they are more likely to be in the same state, meaning that if a person faces a stressful life event such as losing one’s job, the activation of the symptom excessive worry will increase the probability they will also suffer from insomnia. In this way, a whole symptom activation pattern develops from which mental disorders emerge. Mental disorders are conceived as stable states of strongly connected symptom networks, allowing for a common explanatory model for multiple mental disorders, thereby providing a comprehensive model of psychopathology.

Traditional representations of mental disorders conceptualize symptoms as merely passive indicators of latent, underlying mental disorders which act as common causes for patients’ symptomatology. The network theory of psychopathology flips the explanatory and statistical model: instead of focusing on one underlying cause or underlying causes, it proposes to study the direct interactions between these symptoms. This imposes two important implications for the conceptualization of mental disorders. First, symptoms are no longer statistically exchangeable since every symptom can have a different role in the onset and development of psychopathology. Some symptoms can be more important than others in keeping the whole system “stuck” in a disordered state. Second, comorbidity is conceptualized as clustering symptoms which are connected to each other via certain “bridge symptoms”. Bridge symptoms are symptoms which are attributed to two (or more) mental disorders, such as Major Depressive Disorder (MDD) and Generalized Anxiety Disorder (GAD). If a person suffers from symptoms of MDD, such as loss of motivation and depressed mood, this can lead to the activation of bridge symptoms such as fatigue and concentration problems, which by themselves lead to the activation of GAD symptoms such as irritability and excessive worry.

Keywords: psychopathology, network analysis, complex causal network, psychiatric symptoms, mental disorders.

Introducción

El diagnóstico constituye uno de los primeros pasos de la atención clínica. Existen diversas perspectivas sobre el diagnóstico en el campo de la psicología clínica y la psiquiatría. Las clasificaciones de los problemas clínicos se proponen según variados autores y modelos teóricos. Esta diversidad se suma a las dificultades en los diferentes contextos en los que el diagnóstico y la evaluación tienen lugar: la comunicación con los pacientes, el trabajo con otros profesionales de la salud (médicos de distintas especialidades, enfermeros, trabajadores sociales, terapeutas ocupacionales, etcétera) y la relación con organismos de salud (ministerios, secretarías, universidades, hospitales y centros de investigación o asistencia). Cada contexto presenta sus particularidades y desafíos específicos. Por ejemplo, el derecho de los pacientes a conocer su diagnóstico y las opciones para tratar su problema clínico presenta características diferentes a las necesidades de establecer definiciones operativas por parte de centros de investigación que busquen determinar los problemas clínicos frecuentes de determinada sociedad. En el ámbito de la investigación, resulta sumamente útil y necesario contar con definiciones operativas de los problemas clínicos que permitan comparar estudios de prevalencia, realizar investigaciones psicopatológicas, seguir la evolución de los cuadros, llevar adelante estudios de etiopatología, diseñar y estudiar pruebas psicométricas, y, finalmente, evaluar el impacto de intervenciones psicológicas, biológicas y sociales en el corto, mediano y largo plazo. Por su parte, el trabajo interdisciplinario en el contexto institucional, como lo constituye, por ejemplo, un hospital universitario, requiere la comunicación entre profesionales con diferentes conocimientos, habilidades y destrezas, marcos teóricos, y perspectivas sobre la asistencia. En ese contexto, resulta necesario contar con consensos sobre las definiciones de los problemas clínicos que se deben asistir.

Los sistemas diagnósticos operacionalizados (DSM) tienen el ambicioso objetivo de definir los problemas clínicos de acuerdo a consensos basados en la investigación empírica existente actualmente. Se centran en la descripción de los problemas clínicos sin adentrarse en hipótesis explicativas, aunque implícitamente suponen un modelo biomédico, al que se hará referencia oportunamente. Estos sistemas pretenden brindar definiciones para la investigación, la docencia y la práctica clínica que superen los interminables debates entre diferentes autores y escuelas y, efectivamente, son una herramienta provisional y necesaria para realizar estudios epidemiológicos, evaluar intervenciones en ensayos clínicos, difundir información para la prevención, detección y tratamiento de diversos problemas de salud mental, entre otras tareas esenciales. Sin embargo, una de sus ventajas es también un grave problema: carecen de una teoría explicativa. Como se ha dicho sobre el DSM-5, resulta “más un diccionario descriptivo que un manual de psicopatología” (Echeburúa, Salaberría, y Cruz-Sáez, 2014). Necesariamente es así porque el desacuerdo reina en el campo de la salud mental: no se logra un consenso en el nivel teórico, sino solamente en el nivel descriptivo, y muchas veces ni siquiera en este nivel, dado que la descripción difícilmente puede separarse de la explicación.

En este mar de debates y controversias, se presenta una teoría (Borsboom y Cramer, 2013) que tiene la ventaja de guiar tanto la conceptualización de los trastornos psicológicos como su tratamiento (Hayes, Yasinski, Barnes y Bockting, 2015). Se trata de un modelo que podría llegar a transformar el campo de la psicopatología de muchas maneras, al tender un puente entre las necesidades clínicas y científicas (McNally, 2016). En el mundo de habla hispana, son escasos los estudios realizados desde esta perspectiva (Blanco et al., 2019; Fonseca-Pedrero, 2018; Romero-Montes, Sánchez-Chávez, Lozano-Vargas, Ruíz-Grosso y Vega-Dienstmaier, 2016; Vega-Dienstmaier, 2015), por lo que este artículo se propone contribuir a su difusión entre investigadores, clínicos, docentes y estudiantes avanzados hispanoparlantes.

El modelo categorial de enfermedad latente

La organización y clasificación actual del Manual Diagnóstico y Estadístico de los trastornos mentales de la Asociación Americana de Psiquiatría (APA, 2013) se basa en la descripción de síndromes o conjuntos de síntomas como expresión de una enfermedad latente según el modelo biomédico predominante (Hofmann, 2014). Desde esta perspectiva, por ejemplo, la anhedonia o el insomnio tardío son expresiones de la depresión, así como la tos y la fiebre podrían ser expresiones de alguna enfermedad, como el coronavirus-SARS-2 (COVID-19). Sin embargo, existe una gran diferencia, pues si alguien contrae COVID-19 existe la posibilidad, muy frecuente, de cursar la enfermedad sin síntomas, y solo se determina su presencia a través de un test que comprueba la infección. Por el contrario, en el caso de la depresión no solamente no existe un test biológico que compruebe su presencia o ausencia, lo cual podría atribuirse, como se hace, a una limitación provisional del estado actual de conocimiento sobre su base neurobiológica, sino que, además, no resulta pensable postular una enfermedad depresiva que se curse sin síntomas. Ni siquiera la categoría de “depresión enmascarada” o “silenciosa” carece de síntomas, sino que sus síntomas están presentes, aunque son más somáticos y menos afectivos. Es decir, si bien puede comprobarse que los síntomas se asocian entre sí con cierta regularidad, la suposición de una entidad latente que explique su agrupamiento resulta poco informativa y no se ha podido respaldar con evidencia sólida, por lo cual queda en un nivel especulativo resultante de trasladar, sin mayores cambios, el modelo biomédico al campo de los trastornos mentales. Es decir, el sistema presenta una gran ventaja a nivel descriptivo, pero al pasar a un nivel explicativo existen controversias que dificultan un consenso.

Además, debe mencionarse el enorme problema clínico que acarrea la frecuente comorbilidad (Cramer, Waldorp, Van Der Maas, y Borsboom, 2010) que, en el campo de los trastornos mentales, resulta ser más la regla que la excepción. Los pacientes presentan un promedio de dos trastornos mentales y, sin cumplir formalmente los criterios para ambos, en la práctica clínica, los pacientes presentan síntomas de otros trastornos. Finalmente, la misma clasificación presenta síntomas que son comunes a dos o más trastornos, lo que da lugar a un solapamiento entre categorías que resulta bastante problemático. Por ejemplo, el insomnio puede ser tanto el síntoma de un trastorno depresivo como de un trastorno de ansiedad generalizada (TAG) o de un trastorno primario del sueño. Estos síntomas son denominados “síntomas puente”, como se puede ver en la Figura 1. Las trece abreviaturas de la figura se organizan del siguiente modo:

· Síntomas de Trastorno Depresivo Mayor (TDM). Tris: estado de ánimo deprimido. Inte: disminución importante del interés o el placer. Suici: pensamientos de muerte recurrentes, ideas suicidas recurrentes, intento de suicidio o un plan específico. Mot: agitación o retraso psicomotor. Culp: sentimientos de inutilidad o culpabilidad excesiva o inapropiada. Pes: pérdida importante de peso, sin hacer dieta, o aumento de peso.

· Síntomas puente. En este caso, los síntomas puente se refieren a los que comparten las categorías de trastorno depresivo mayor y trastornos de ansiedad generalizada. Sue: alteraciones del sueño. Fatig: fatigabilidad o falta de energía. Con: alteraciones en la concentración (disminución de la concentración en el TDM, alteraciones en el TAG).

· Síntomas de Trastorno de Ansiedad Generalizada (TAG). Ans: ansiedad y preocupación excesiva (anticipación aprehensiva). Inco: incontrolabilidad (al individuo le es difícil controlar la preocupación). Irri: irritabilidad. Inqu: inquietud o sensación de estar atrapado o, como se dice comúnmente en la Argentina, “con los nervios de punta”. Mus: tensión muscular.

De acuerdo al sistema DSM, puede darse la siguiente situación: dos pacientes, los casos A y B, reciben el diagnóstico de trastorno depresivo mayor (TDM). A pesar de presentar el mismo diagnóstico categorial y ser considerados para las mismas opciones de tratamiento, estos dos pacientes comparten solo un síntoma (alteraciones del sueño). Por su parte, el paciente C recibe el diagnóstico de trastorno de TAG y, al ver los síntomas con independencia de la categoría diagnóstica, puede comprobarse que comparte tres síntomas con el paciente B, con diagnóstico de TDM. Los síntomas que comparten B y C son los síntomas puente: alteraciones del sueño, fatigabilidad o falta de energía y dificultades en la concentración. Es decir que, a pesar de tener diferentes trastornos mentales clasificados por el sistema DSM en diferentes grupos (los trastornos depresivos y los trastornos de ansiedad), los pacientes B y C comparten más síntomas y probablemente otras características clínicas que los pacientes A y B, que reciben la misma categoría diagnóstica y, obviamente, son incluidos dentro del mismo grupo de trastornos. Finalmente, el caso D recibe el diagnóstico de TAG y comparte solamente dos síntomas con el caso C, que recibe el mismo diagnóstico (irritabilidad y ansiedad / preocupación excesiva), pero se acerca más al caso B, con diagnóstico de TDM.

Además, la perspectiva biomédica explica el agrupamiento regular de los síntomas, los síndromes, desde un modelo categorial. Desde este enfoque, la categoría diagnóstica no difiere de otra enfermedad médica y subyace como entidad discreta a los síntomas. Los modelos dimensionales se presentaron como una alternativa, por ejemplo, en el campo de la personalidad (Sánchez, Montes y Somerstein, 2020). Desde un enfoque transdiagnóstico, se enfatiza la importancia de procesos comunes a las diferentes entidades. En los enfoques psicológicos, por ejemplo, la rumiación o el perfeccionismo serían los aspectos comunes a las diferentes entidades. Tanto este enfoque transdiagnóstico como aquel, categorial, ven los síntomas como expresiones de entidades o procesos latentes (Figura 2). Tanto desde una perspectiva biomédica como desde los enfoques psicológicos transdiagnósticos, existen dos niveles: el superficial o sintomático y el profundo, del cual los síntomas son su expresión ya que allí estarían las causas: los procesos psicológicos o biológicos que serían el problema a resolver.

Las relaciones entre los síntomas

El modelo de la psicopatología como red de síntomas difiere tanto del modelo categorial como del dimensional al no suponer variables latentes como la causa de la coexistencia de determinados síntomas (Borsboom y Cramer, 2013; Borsboom, 2017; Cramer et al., 2010). Para este enfoque, dicha coexistencia emerge de las interacciones dinámicas y causales que se establecen entre los síntomas. Entonces, los síntomas no son expresiones de una enfermedad, sino que son constitutivos del problema clínico. La hipótesis central de esta perspectiva es la existencia de conexiones causales entre los síntomas. Dichas conexiones son biológicas, psicológicas y sociales. Se trata de complejos mecanismos que, al ser suficientemente fuertes, permiten que la activación de un síntoma lleve a la activación de otros síntomas. Por ejemplo, en una red de síntomas depresivos (Figura 3), el insomnio causa la activación de otro síntoma, como la falta de energía, y luego este activa la irritabilidad; a su vez, la irritabilidad produce deterioro interpersonal y dispara la preocupación, que fortalece el insomnio. Cuando toda la red o sistema de síntomas se activa, se presenta un estado que se automantiene y del cual es difícil salir, es decir, produce un trastorno psicológico o mental.

Esta hipótesis central se aplica a todos los trastornos mentales que pasarían a ser concebidos como estados estables alternativos de redes de síntomas fuertemente conectados (Borsboom, 2017). Por lo tanto, la hipótesis lleva a un modelo explicativo común para todos los trastornos mentales, un “modelo integral de psicopatología” (Ibídem).

¿Qué es una red? Nodos y aristas

La teoría de redes es un campo matemático que estudia las relaciones complejas entre variables y entidades, y se aplica a una amplia variedad de disciplinas, como por ejemplo redes de telecomunicaciones (e. g., Balasundaram y Butenko, 2008), redes de transporte (e. g., Derrible y Kennedy, 2011), redes sociales (e. g., Wrzus et al., 2013) y neurociencia (e. g., Lynall et al., 2010). En general, las redes consisten en nodos que representan la variable o la entidad de interés y aristas que representan la relación entre los nodos.

El enfoque está en la teoría de redes de psicopatología, en la que los nodos representan variables como síntomas de psicopatología y las aristas, las relaciones estimadas entre estas variables (Borsboom y Cramer, 2013), como demuestra la Figura 4. Estas relaciones pueden ser positivas o negativas (la activación de un síntoma lleva a la activación/desactivación de otro síntoma), unilaterales o bidireccionales (por ejemplo, la relación entre fatiga y anhedonia puede ser igual en cualquier sentido o la relación de fatiga hacia anhedonia puede ser diferente de la de anhedonia hacia fatiga), y, en general, las relaciones tienen un valor que representa su magnitud (Epskamp y Fried, 2018).

Los datos corresponden al estudio Estado de salud mental de la población argentina y variables asociadas 2019 (Etchevers, Garay, Castro Solano y Fernández Liporace, 2019), en el cual se tomó la Symptom Check List de 27 ítems (SCL-27) a una muestra representativa de 1 469 habitantes de Argentina. Los nodos representan síntomas del SCL-27 (Hardt y Gerbershagen, 2001), versión argentina (Castro Solano y Góngora, 2018). Las aristas representan las relaciones estimadas entre los nodos, el color azul indica que se trata de una relación positiva y la amplitud representa magnitud. La SCL-27 mide síntomas de seis dimensiones, denotados en la leyenda. Se puede observar cómo los síntomas forman racimos entre las dimensiones. La red fue estimada con el paquete mgm (Haslbeck y Waldorp, 2020) dentro del programa R (R Core Team, 2020). Es importante notar la diferencia entre la teoría y los modelos estadísticos de esta perspectiva de redes (Haslbeck et al., 2021). La teoría propone relaciones causales entre síntomas, en los que la activación de un síntoma de depresión como el insomnio puede causar otro síntoma como la preocupación excesiva. Como, en general, los datos obtenidos sobre los síntomas son observacionales (medidos en una entrevista clínica), los modelos estadísticos no pueden determinar relaciones causales y usan métodos como correlaciones parciales para estimar la varianza única entre variables (Epskamp y Fried, 2018).

De las comorbilidades a las redes complejas

Una de las grandes ventajas que ofrece la teoría de redes es explicar el llamado fenómeno de la comorbilidad (Cramer et al., 2010). Dicha comorbilidad supone entidades diagnósticas claras y distintas que se presentan conjuntamente como dos morbilidades diferentes (Bekhuis et al., 2018). Desde la perspectiva de la red causal compleja, los límites entre los trastornos se borran, y ya no se trata de entidades bien diferenciadas, sino de síntomas que se presentan en forma conjunta con cierta regularidad en la medida en que comparten vínculos biopsicosociales que llevan a que unos activen otros y que la red se mantenga (Goekoop y Goekoop, 2014). Es decir, la presencia de ciertos síntomas de modo conjunto no se explica porque sean expresiones de enfermedades latentes como en el modelo biomédico más difundido. Los síntomas no se presentan conjuntamente de modo aleatorio; por el contrario, es más probable que unos síntomas se presenten junto a otros (Hofmann, Curtiss y McNally, 2016). Desde la perspectiva de la red causal compleja, esta presentación regular de los síntomas obedece a los vínculos entre ellos mismos. En lugar de postular una entidad latente, el análisis en red se centra en los síntomas observables, sin tampoco determinar a priori un síntoma cardinal o eje central de la red.

Asimismo, el análisis en red permite revisar conceptos como vulnerabilidad y resiliencia. Una red vulnerable sería aquella en la cual, fácilmente, un síntoma lleva a la activación de otros. Por el contrario, una red resiliente tendría la característica opuesta: si se toma el ejemplo anterior, el insomnio podría producir cansancio, pero no irritabilidad o alteraciones anímicas (Cramer et al., 2016).

La relevancia para la práctica clínica

En el ámbito de la psicología clínica resulta particularmente útil considerar las relaciones causales entre los síntomas. En las terapias cognitivo-conductuales, tanto en el análisis funcional de la conducta como en la conceptualización cognitiva del caso, se postulan hipótesis acerca de la relación entre los síntomas del problema clínico y sus consecuencias en la vida de las personas. Estos enfoques ideográficos se articularon de manera discordante con los sistemas de clasificación categoriales en la práctica clínica. Así, un paciente cumple criterios para dos o más trastornos mentales, pero en la práctica, es el psicólogo clínico quien elabora hipótesis acerca de cómo se relacionan dichos trastornos. Por ejemplo, un paciente con un trastorno de ansiedad social y una dependencia del alcohol es visto como un caso en el que la persona ha intentado manejar los síntomas de ansiedad mediante el alcohol, al cual se ha vuelto dependiente. No son dos entidades independientes con enfermedades latentes distintas, sino que están articuladas. Es decir, se trabaja con modelos sintomáticos, algo enfatizado por varios autores, particularmente, en el caso de los síntomas psicóticos, véase Hagen, Turkington, Berge y Gråwe (2013). A propósito de síntomas psicóticos, también puede pensarse la relación entre factores cognitivos de mantenimiento de creencias delirantes (Pérez Navarro, 2020).

Como señalan Hofmann, Curtiss y McNally (2015), el modelo de Borsboom y su equipo es particularmente relevante para las terapias cognitivo-conductuales al permitir entender el cambio terapéutico. Hayes, Yasinski, Barnes y Bockting (2015) utilizan la teoría de sistemas dinámicos para estudiar el cambio terapéutico, y se centran en las relaciones entre los síntomas de la depresión a lo largo del proceso terapéutico. Más recientemente, Hofmann, Curtiss y Hayes (2020) propugnan modelos no lineales de cambio psicológico basados en redes complejas que permiten entender relaciones múltiples y bidireccionales entre numerosas variables y avanzan en una dirección similar a la perspectiva de redes causales complejas.

La relevancia para la investigación

Además de brindar un nuevo marco teórico para la práctica clínica, la perspectiva de la psicopatología como red de síntomas va acompañada de nuevos métodos cuantitativos para la investigación. La mayoría de los métodos disponibles para estimar los modelos se pueden utilizar desde el software libre y gratuito R (R Core Team, 2020). Con base en los datos (por ejemplo, los síntomas presentes / ausentes según un cuestionario clínico), hay diferentes modelos que se pueden estimar. La mayoría de los métodos son exploratorios y estiman las relaciones entre síntomas desde datos observados. Por ejemplo, el Gaussian Graphical Model para datos continuos (Epskamp et al., 2018a) que se puede estimar a través del paquete estadístico R qgraph (Epskamp et al., 2012), o el Ising Model para datos binarios (van Borkulo et al., 2014a) que, a su vez, se puede evaluar al usar el paquete estadístico R IsingFit (van Borkulo et al., 2014b). Con estos datos exploratorios, se pueden visualizar las redes y, en base a las figuras, se pueden generar hipótesis nuevas sobre el desarrollo de síntomas y en qué casos se podría intervenir terapéuticamente (Borsboom y Cramer, 2013). Actualmente, también se desarrolló un método nuevo para estimar modelos confirmatorios de redes confirmativas (Epskamp, 2020).

Una aplicación nueva e interesante sobre la base de la estimación estadística de redes de síntomas es la estimación de modelos ideográficos (Bringmann et al., 2016; Epskamp et al., 2018b). Estos modelos intraindividuales se estiman con datos longitudinales, obtenidos, por ejemplo, del Experience Sampling Method, por los cuales a una persona se le pregunta sobre su estado de ánimo varias veces por día (Epskamp et al., 2018b). De esta manera, la investigación puede estudiar procesos individuales dentro de la psicología clínica.

Finalmente, la perspectiva de la psicopatología como red de síntomas brinda nuevas posibilidades para comparar grupos: por ejemplo, si la estructura de una red de síntomas depresivos (por ejemplo, la magnitud de las aristas) difiere de manera significante entre hombres y mujeres (van Borkulo et al., 2022).

Conclusiones

Sobre la base del campo matemático de la teoría de las redes, el modelo de red causal compleja aplicado a los problemas de salud mental se caracteriza por centrarse en las interacciones dinámicas y causales que se establecen entre los síntomas, que guían tanto la conceptualización de los trastornos psicológicos como su tratamiento al tender un puente entre las necesidades clínicas y científicas. Los síntomas son constitutivos del problema clínico. Las conexiones causales entre los síntomas son complejas en la medida en que afectan niveles biológicos, psicológicos y/o sociales, ya que la activación de un síntoma lleva a la activación de otros síntomas. Los trastornos mentales son concebidos como estados estables alternativos de redes de síntomas fuertemente conectados y es posible, así, un modelo explicativo, un modelo integral de psicopatología para entender el llamado fenómeno de la comorbilidad, la vulnerabilidad y la resiliencia de otro modo. Además, es coherente con el modelo cognitivo-conductual de los trastornos mentales, que es el que más apoyo empírico posee en la actualidad. En el campo de la investigación, la teoría brinda nuevos métodos formales para estimar y visualizar estas redes, tanto al nivel interindividual, mediante la distribución de síntomas psicopatológicos entre personas en la población general, como al nivel intraindividual, al estimar redes personalizadas. Estos avances tienen implicaciones directas sobre cómo definir el diagnóstico y elegir el tratamiento, y sugiere una agenda certera para futuras investigaciones en psiquiatría, psicología y disciplinas asociadas.

Puede concluirse que la perspectiva de la psicopatología como red causal compleja de síntomas presenta ventajas en varios niveles y puede presentarse como una alternativa al modelo diagnóstico más difundido, el sistema DSM. Este enfoque resuelve el problema de las comorbilidades, el solapamiento entre categorías, la búsqueda de entidades latentes o subyacentes y se acerca más a las perspectivas clínicas en el campo de la psicología, como los modelos cognitivo-conductuales, lo que permite abrir nuevas líneas de investigación que contribuyan a reducir la brecha entre investigadores y clínicos.

Referencias

American Psychiatric Association [APA] (2013). Diagnostic and statistical manual of mental disorders (5th edition). Washington, DC.

Balasundaram, B. y Butenko, S. (2008). Graph Domination, Coloring and Cliques in Telecommunications. In Handbook of Optimization in Telecommunications (pp. 865–890). Springer US. https://doi.org/10.1007/978-0-387-30165-5_30

Bekhuis, E., Schoevers, R., de Boer, M., Peen, J., Dekker, J., Van, H., y Boschloo, L. (2018). Symptom-Specific effects of psychotherapy versus combined therapy in the treatment of mild to moderate depression: A network approach. Psychotherapy and Psychosomatics, 87(2), 121–123. https://doi.org/10.1159/000486793

Blanco, I., Contreras, A., Valiente, C., Espinosa, R., Nieto, I. y Vázquez, C. (2019). El análisis de redes en psicopatología: conceptos y metodología. Psicología Conductual, 27(1), 87-106.

Borsboom, D. (2017). A network theory of mental disorders. World Psychiatry, 16(1), 5–13. https://doi.org/10.1002/wps.20375

Borsboom, D. y Cramer, A. O. J. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9(1), 91–121. https://doi.org/10.1146/annurev-clinpsy-050212-185608

Bringmann, L. F., Pe, M. L., Vissers, N., Ceulemans, E., Borsboom, D., Vanpaemel, W., Tuerlinckx, F. y Kuppens, P. (2016). Assessing temporal emotion dynamics using networks. Assessment, 23(4), 425-435. https://doi.org/10.1177/1073191116645909

Castro Solano, A. y Góngora, V. (2018). Protocolo para la administración del SCL-27. Versión Argentina. https://doi.org/10.18682/pd.v21i1.4018

Cramer, A. O. J., Waldorp, L. J., van der Maas, H. L. J. y Borsboom, D. (2010). Comorbidity: A network perspective. Behavioral and Brain Sciences, 33, 137-150. https://doi.org/10.1017/S0140525X09991567

Cramer, A. O., van Borkulo, C. D., Giltay, E. J., van der Maas, H. L., Kendler, K. S., Scheffer, M. y Borsboom, D. (2016). Major depression as a complex dynamic system. PloSone, 11(12), e0167490. https://doi.org/10.1371/journal.pone.0167490

Derrible, S. y Kennedy, C. (2011). Applications of Graph Theory and Network Science to Transit Network Design. Transport Reviews, 31(4), 495–519. https://doi.org/10.1080/01441647.2010.543709

Echeburúa, E., Salaberría, K. y Cruz-Sáez, M. (2014). Aportaciones y limitaciones del DSM-5 desde la Psicología Clínica. Terapia psicológica, 32(1), 65-74. https://doi.org/10.4067/S0718-48082014000100007

Epskamp, S. (2020). Structural Equation Modeling and Confirmatory Network Analysis. R package version 0.7.1.

Epskamp, S., Borsboom, D. y Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1

Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D. y Borsboom, D. (2012). qgraph: Network Visualizations of Relationships in Psychometric Data. Journal of Statistical Software, 48(4), 1-18. https://doi.org/10.18637/jss.v048.i04

Epskamp, S. y Fried, E. I. (2018). A tutorial on regularized partial correlation networks. Psychological Methods, 23(4), 617–634. https://doi.org/10.1037/met0000167

Epskamp, S., van Borkulo, C. D., van der Veen, D. C., Servaas, M. N., Isvoranu, A. M., Riese, H. y Cramer, A. O. (2018b). Personalized network modeling in psychopathology: The importance of contemporaneous and temporal connections. Clinical Psychological Science, 6(3), 416-427. https://doi.org/10.1177/2167702617744325

Epskamp, S., Waldorp, L. J., Mõttus, R. y Borsboom, D. (2018a) The Gaussian Graphical Model in Cross-Sectional and Time-Series Data. Multivariate Behavioral Research, 53(4), 453-480. https://doi.org/10.1080/00273171.2018.1454823

Etchevers, M. J., Garay, C. J., Castro Solano, A. y Fernández Liporace, M. (2019). Estado de salud mental de la población argentina y variables asociadas 2019. Buenos Aires, Argentina: Observatorio de Psicología Social Aplicada, Facultad de Psicología, Universidad de Buenos Aires. http://www.psi.uba.ar/opsa/#informes

Fonseca-Pedrero, E. (2018). Análisis de redes en psicología. Papeles del Psicólogo, 39(1), 1-12. https://doi.org/10.23923/pap.psicol2018.2852

Goekoop, R., y Goekoop, J. G. (2014). A network view on psychiatric disorders: network clusters of symptoms as elementary syndromes of psychopathology. PloS one, 9(11), e112734. https://doi.org/10.1371/journal.pone.0112734

Hagen, R., Turkington, D., Berge, T. y Gråwe, R. W. (2013). CBT for psychosis: A symptom-based approach. Routledge.

Hardt, J. y Gerbershagen, H. U. (2001). Cross-validation of the SCL-27: a short psychometric screening instrument for chronic pain patients. European Journal of Pain, 5(2), 187–197. https://doi.org/10.1053/eujp.2001.0231

Haslbeck, J. M. B., Ryan, O., Robinaugh, D. J., Waldorp, L. J. y Borsboom, D. (2021). Modeling Psychopathology: From Data Models to Formal Theories. Psychological Methods (online). https://doi.org/10.1037/met0000303

Haslbeck, J. M. B. y Waldorp, L. J. (2020). mgm: Estimating Time-Varying Mixed Graphical Models in High-Dimensional Data. Journal of Statistical Software, 93(8). https://doi.org/10.18637/jss.v093.i08

Hayes, A. M., Yasinski, C., Barnes, J. B. y Bockting, C. L. (2015). Network destabilization and transition in depression: New methods for studying the dynamics of therapeutic change. Clinical Psychology Review, 41, 27-39. https://doi.org/10.1016/j.cpr.2015.06.007

Hofmann, S. G. (2014). Toward a cognitive-behavioral classification system for mental disorders. Behavior Therapy, 45(4), 576-587. https://doi.org/10.1016/j.beth.2014.03.001

Hofmann, S. G., Curtiss, J. E. y Hayes, S. C. (2020). Beyond linear mediation: Toward a dynamic network approach to study treatment processes. Clinical Psychology Review, 76. https://doi.org/10.1016/j.cpr.2020.101824

Hofmann, S. G., Curtiss, J. y McNally, R. J. (2016). A complex network perspective on clinical science. Perspectives on Psychological Science, 11(5), 597-605. https://doi.org/10.1177/1745691616639283

Lynall, M. E., Bassett, D. S., Kerwin, R., McKenna, P. J., Kitzbichler, M., Muller, U. y Bullmore, E. (2010). Functional connectivity and brain networks in schizophrenia. Journal of Neuroscience, 30(28), 9477–9487. https://doi.org/10.1523/JNEUROSCI.0333-10.2010

McNally, R. J. (2016). Can network analysis transform psychopathology? Behaviour Research and Therapy, 86, 95-104. https://doi.org/10.1016/j.brat.2016.06.006

Pérez Navarro, J. M. (2020). Factores cognitivos, mórbidos y premórbidos en la formación y sustento de la creencia en lo paranormal. Interdisciplinaria, 37(2), 159-168. http://doi.org/10.16888.interd.2020.37.2.13

R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.

Romero-Montes, A. D., Sánchez-Chávez, F. N., Lozano-Vargas, A., Ruíz-Grosso, P. y Vega-Dienstmaier, J. (2016). Estructura de la sintomatología psiquiátrica según el SRQ-18 en pacientes ambulatorios con trastornos mentales evaluados en un hospital general de Lima. Revista de Neuro-Psiquiatría, 79(3), 142-151. https://doi.org/10.20453/rnp.v79i3.2920

Sánchez, R. O., Montes, S. A. y Somerstein, L. D. (2020). Inventario de Personalidad para el DSM-5: propiedades psicométricas en población argentina. Estudio preliminar. Interdisciplinaria, 37(1), 55-76. https://doi.org/10.16888/interd.2020.37.1.4

van Borkulo, C. D., Borsboom, D., Epskamp, S., Blanken, T. F., Boschloo, L., Schoevers, R. A. y Waldorp, L. J. (2014a). A new method for constructing networks from binary data. Scientific reports, 4(1), 1-10. https://doi.org/10.1038/srep05918

van Borkulo, C. D., Epskamp, S. y Robitzsch, A. (2014b). IsingFit: Fitting Ising models using the eLasso method. R package version 0.3. 1.https://cran.r-project.org/web/packages/IsingFit/IsingFit.pdf

van Borkulo, C. D., van Bork, R., Boschloo, L., Kossakowski, J. J., Tio, P., Schoevers, R.A., Borsboom, D. y Waldorp, L. J. (2022). Comparing network structures on three aspects: A permutation test. PsychologicalMethods (online). https://doi.org/10.1037/met0000476

Vega-Dienstmaier, J. M. (2015). Estructura de la sintomatología depresiva en una muestra de mujeres con menos de un año postparto. [Structure of the depressive symptomatology in a sample of women with less than 1 year postpartum]. Revista de Neuro-Psiquiatría, 78(4), 221-231. http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S0034-85972015000400005&lng=es&nrm=iso

Wrzus, C., Hänel, M., Wagner, J., y Neyer, F. J. (2013). Social network changes and life events across the life span: A meta-analysis. Psychological Bulletin, 139(1), 53–80. https://doi.org/10.1037/a0028601

HTML generado a partir de XML-JATS4R por