Visión desde las redes de las tendencias en la interacción dimensional a lo largo de 6 meses en una muestra de psiquiatria infantil con sintomatología emocional.

VISION DESDE LAS REDES DE LAS TENDENCIAS EN LA INTERACCION DIMENSIONAL
A LO LARGO DE 6 MESES EN UNA MUESTRA DE PSIQUIATRIA INFANTIL CON SINTOMATOLOGIA EMOCIONAL
Gloria Cano García
José Ramón Gutiérrez Casares
Francisco Javier Pino Calderón
José Miguel Zoido Ramos
Antonio Leal Micharet
Beatriz Martin Morgado
Marta Busto Garrido
glouscanogarcia@gmail.com
Teoria de las redes, psiquiatria

RESUMEN
los niños no son adultos en miniatura.una de las necesidades más importantes de la
psiquiatría infantil es la creación de una nueva nosología y una nueva nosotaxia que sean
específicas para cada una de las etapas evolutivas del desarrollo humano. ya desde achenbach
se hicieron intentos de clasificación que llevaron a la creación de los conceptos de trastornos
internalizantes y externalizantes.
nosologías más recientes como los hitop de kotov y la
psicopatología como sistema complejo de redes de borsboom ha aportado nuevas
aproximaciones. En esta ponencia analizamos en una muestra de pacientes menores de 18
años con trastornos emocionales (n=87), cómo evolucionan e interaccionan entre sí a lo largo
de un año en diferentes momentos (basal, 2 meses, 6 meses y 12 meses) distintas
dimensiones psicopatológicas (afectiva, ansiosa, alimentaria y obsesiva) medidas mediante
diferentes escalas (cdi, stai, leyton, scared-a, eat, ces-dc) y otras variables sociodemográficas, representadas gráficamente mediante las respectivas estructuras de red, frente
al grupo de controles (n=50)

INTRODUCCIÓN
La esencia de la psiquiatría de la infancia, niñez y adolescencia es la instauración de un
tratamiento adecuado que termine con el malestar, el sufrimiento o la disfunción
psicopatológica que originó la consulta del niño o del adolescente.

La instauración de un tratamiento adecuado nos conduce a la curación del paciente, vista ésta
como la recuperación de la capacitación para amar y trabajar o, de una forma más pragmática,
como la reducción de todos los síntomas a cero, de una forma estable y mantenida en el
tiempo.
En la psiquiatría práctica académica, la elección de un tratamiento específico se basa en
diferentes variables, pero es la presencia de un determinado síndrome (generalmente definido
en base a los criterios del DSM/CIE) el que más condiciona la elección de una psicoterapia, de
un determinado grupo de psicofármacos o de una modificación socio-familiar específica.
Formando parte de un proceso asistencial general ("El Proceso Terapéutico en el Área de BJZ")
se diseñó un programa asistencial en el que se estudiaron de forma prospectiva 145
individuos; 95 de los cuales eran pacientes menores de 14 años que habían acudido a nuestra
consulta porque en ese momento (episodio índex) presentaban un cuadro clínico que sugería
un diagnóstico principal de trastorno emocional. Este grupo amplio se caracterizaba por
presentar un cuadro clínico lo suficientemente grave como para necesitar tratamiento
ambulatorio específico y reglado. El conjunto de los pacientes presentaban diagnósticos
estructurados de episodio depresivo mayor, trastorno de ansiedad, Episodio afectivo no
especificado, Trastorno de ansiedad no especificado y Trastorno de las emociones y de la
conducta (cuadro parecido al actual Trastornos disruptivo de la regulación del humor). Muchos
de los pacientes presentaban comorbilidad, tanto en forma completa como en forma subumbral ("contaminación sintomática).
Como grupo comparativo se eligieron 50 controles escolares menores de 14 años y obtenidos
de un único colegio y de cursos con edades semejantes a la muestra asistencial. Dado que la
muestra control estaba concentrada en niños de dos cursos escolares, la media de la edad era
mucho más homogénea que en la muestra clínica, donde había más dispersión.

Organigrama de la muestra inicial completa

METODOLOGÍA
El diseño principal del estudio era estudiar la evolución temporal de la muestra de controles
(solo durante los 2 primeros meses ya que la finalización el curso escolar originó una dispersión
importante de los alumnos por lo que no fue posible un seguimiento a más largo plazo) y de
la muestra asistencial final (87 pacientes ya que 8 fallaron en las revisiones y en acudir a los
controles) dividida en dos apartados (Alteraciones/trastornos) en base a la gravedad del
cuadro clínico.
A todos ellos se les pasó 7 escalas de valoración CDI (depresión), STAIC-Estado (ansiedad),
STAIC-Rasgo (ansiedad), Leyton-OCD (obsesiones y compulsiones), SCARED (ansiedad), EAT
(conducta alimentaria), CES-D (depresión).
Las evaluaciones se realizaron en el momento del episodio índex (basal), a los 2 meses, a los
6 meses y al año de iniciar el estudio.
Todos los pacientes recibieron tratamiento farmacológico, psicoterápico y familiar definido en
base a su cuadro clínico y a la disponibilidad geográfica para poder realizarlo. La respuesta
global al tratamiento se agrupó en tres apartados: Buena, Normal y Mala.
Así pues, realizamos un análisis descriptivo de la muestra y una ANOVA comparando las
medias en las distintas escalas en los distintos grupos a nivel basal y a los 2 meses. Los
resultados fueron presentados en el 59º Congreso de la AEPNYA en Santander en la Mesa
"Evolución y Curso Clínico de los Trastornos Mentales de Inicio Infanto-Juvenil" (Ponencia 3:
Curso Evolutivo de los trastornos mentales de Inicio en la Infancia o Adolescencia
Posteriormente con estos datos hemos hecho una aproximación desde el enfoque de la Teoría
de Redes, que se presenta como un paradigma prometedor y emergente en la Psiquiatría
actual. Siguiendo las indicaciones de la psicometría de redes a través de un Modelo Gráfico
Mixto según el tutorial de Jonas Haslbeck estimamos la estructura de red de diferentes
dimensiones psicopatológicas (afectiva, ansiosa, obsesiva, alimentaria) representadas por las
escalas mencionadas y distintas variables socio-demográficas a lo largo del periodo de
evaluación para observar como evolucionan e interaccionan entre sí a lo largo del tiempo, en
el grupo de Pacientes y en el grupo Control.

Para ello usamos RStudio (versión 3.4.1) utilizando los paquetes mgm para la estimación de la red y qgraph para la representación
gráfica.

Planificación de las evaluaciones

Controles ­ Alteraciones - Trastornos

RESULTADOS
La edad media de la muestra fue de 11.31±1.84, en el grupo Control de 12.18±0.72, en el
grupo de Alteraciones de 11.04±2.11 y en el grupo de Trastornos 10.51±2.05. El 55.5% de
la muestra eran niños y el 44.5% niñas. En las gráficas siguientes podemos ver representadas
las respectivas medias por escalas para los tres grupos en el momento índex y a los dos
meses. La ANOVA arrojó diferencias estadísticamente significativas entre los grupos para las
puntuaciones medias de las escalas salvo para el STAI-E a nivel basal y a los 2 meses. Así
mismo podemos ver de manera gráfica y unificada la evolución a lo largo de 12 meses de las
diferentes escalas/dimensiones para el grupo de Alteraciones y de Trastornos.

En las "Alteraciones" (es decir, en su forma leve), se ve que el Leyton-OCD y
los STAI-C se comportan de forma inesperada. El Leyton no se modifica a lo
largo del todo el periodo de seguimiento (la planificación terapéutica no le
modifica) y los STAI-C se comportan "raros" ya que el STAI-C-Estado no
disminuye progresivamente, sino que no lo hace hasta el año (cosa que sí
hacen el CDI, el CES-DS, el SCARED, e incluso el EAT que tendría menos
relación con las emociones.
El STAI-C-Rasgo, que no debería modificarse tanto, se modifica más de lo que
debiera y va disminuyendo progresivamente.

En las siguientes gráficas podemos ver la estructura de red para Pacientes a lo largo del
proceso de evaluciación de 12 meses en 4 periodos distintos (Basal, 2 Meses, 6 Meses y 12
Meses), y para Controles (Basal y 2 Meses). Los nodos en las diferentes estructuras de red
representan las distintas dimensiones psicopatológicas y variables sociodemográficas.

Los links entre ellos representan cómo se asocian entre sí, en verde si la relación es positiva, en
rojo si es negativa, en gris cuando los nodos que se conectan son variables categóricas o
categóricas y continuas. Tanto más intensa la relación cuanto mayor la anchura del link y
más intenso el color. La posición de los nodos viene dada por el Algoritmo de FruchtermanReingold, que sitúa más centrales los nodos más relevantes. Para una comparativa visual
más optimizada se ha homogeneizado la situación de los nodos en los distintos periodos y el
lector pueda apreciar mejor las diferencias entre las redes en los distintos periodos.


1- GÉNERO 2- STATUS SE 3- EDAD
4- Nº DX PSQ
5- CDI 6- STAI-E 7- STAI-R 8- LEYTON 9- SCARED-A 10- EAT 11- CES-DC

1- GÉNERO 2- STATUS SE 3- EDAD
4- CDI 5- STAI-E 6- STAI-R 7- LEYTON 8- SCARED-A 9- EAT 10- CESDC

CONCLUSIONES
Las diferentes dimensiones psicopatológicas medidas a través de diversas escalas fueron
distintas en los tres grupos establecidos (controles, pacientes con alteraciones y pacientes con
trastorno) a nivel basal y a los 2 meses salvo para la Ansiedad Estado.

En general las puntuaciones de las escalas fueron en descenso a lo largo del tiempo con las medidas
terapéuticas aplicadas. Destacamos algunas particularidades, como es que en el periodo índex
algunas puntuaciones sean superiores en controles respecto a "alteraciones" y así mismo que
en otras dimensiones el grupo de alteraciones tenga mayor puntuación que el grupo de
pacientes, siendo llamativo que en el grupo de "alteraciones" el descenso no sea paulatino
además en la dimensión de ansiedad y que incluso se incremente en los periodos intermedios
antes de descender en el periodo final en el SCARED para el grupo de trastornos.
En cuanto a las diferentes estructuras de red podemos apreciar como interaccionan entre sí
las distintas dimensiones psicopatológicas, siendo estas distintas a lo largo del tiempo en los
periodos de evaluación y disminuyendo progresivamente la densidad en las conexiones. La
interacción más estable se dio entre Ansiedad Rasgo y Estado. La densidad de enlaces entre
pacientes y controles fue notoriamente diferente.

Algunos autores han propuesto como marcador pronóstico de respuesta al tratamiento en depresión la densidad de enlaces, si bien
esto no ha podido ser replicado a posteriori en una muestra de adolescentes con trastorno
depresivo, puede ser de interés por aportarnos información extra a la hora de la valoración
clínico-terapéutica.

BIBLIOGRAFÍA
Gutierrez Casares JR, Cano Garcia J. Curso Evolutivo de los Trastornos mentales de Inicio en
la infancia o Adolescencia. Revista de psiquiatría infanto-juvenil; 59º Congreso AEPNYA.
Especial Congreso, Vol. 31 Núm. 2 (2014):45
Haslbeck J. Estimating Mixed Graphical Models. [accessed 1 Mar 2019] Available from:
http://jmbh.github.io/Estimation-of-mixed-graphical-models/
Michael C. Mullarkey, Igor Marchetti & Christopher G. Beevers (2018): Using
Network Analysis to Identify Central Symptoms of Adolescent Depression, Journal of Clinical
Child & Adolescent Psychology, DOI: 10.1080/15374416.2018.1437735

XX Congreso Virtual Internacional de Psiquiatría
www.interpsiquis.com- abril 2019. Psiquiatria.com

VISION DESDE LAS REDES DE LAS TENDENCIAS EN LA INTERACCION DIMENSIONAL
A LO LARGO DE 6 MESES EN UNA MUESTRA DE PSIQUIATRIA INFANTIL CON
SINTOMATOLOGIA EMOCIONAL
Anexo 1 ­ Pacientes Basal

1- GÉNERO
2- STATUS SE
3- EDAD
4- Nº DX PSQ
5- CDI
6- STAI-E
7- STAI-R
8- LEYTON
9- SCARED-A
10- EAT
11- CES-DC

Anexo 2 ­ Pacientes 2 Meses

1- GÉNERO
2- STATUS SE
3- EDAD
4- Nº DX PSQ
5- CDI
6- STAI-E
7- STAI-R
8- L


9- SCARED-A

VISION DESDE LAS REDES DE LAS TENDENCIAS EN LA INTERACCION DIMENSIONAL
A LO LARGO DE 6 MESES EN UNA MUESTRA DE PSIQUIATRIA INFANTIL CON
SINTOMATOLOGIA EMOCIONAL

Anexo 3 ­ Pacientes 6 Meses

1- GÉNERO
2- STATUS SE
3- EDAD
4- Nº DX PSQ
5- CDI
6- STAI-E
7- STAI-R
8- LEYTON
9- SCARED-A
10- EAT
11- CES-DC

Anexo 4 ­ Pacientes 12 Meses

1- GÉNERO
2- STATUS SE
3- EDAD
4- Nº DX PSQ
5- CDI
6- STAI-E
7- STAI-R
8- LEYTON
9- SCARED-A
10- EAT
11- CES-DC


Anexo 5 ­ Controles Basal

1- GÉNERO
2- STATUS SE
3- EDAD
4- CDI
5- STAI-E
6- STAI-R
7- LEYTON
8- SCARED-A
9- EAT
10- CES-DC


Anexo 6 ­ Controles 2 Meses

1- GÉNERO
2- STATUS SE
3- EDAD
4- CDI
5- STAI-E
6- STAI-R
7- LEYTON
8- SCARED-A
9- EAT
10- CES-DC

Anexo 7 ­ Rcode EmoD Network Structure
library(devtools)
.libPaths(new = "D:/packages")
library(haven)
library(mgm)
library(qgraph)
library(fitdistrplus)
Cano_s_DB_Pino_b <- read_sav("D:/Cano Data Base/Cano's DB-_Pino b.sav")
View(Cano_s_DB_Pino_b)
#BASAL
Basal <- Cano_s_DB_Pino_b[, c(3, 5, 12, 13, 21, 30, 35:42)]
data_Basal <- na.omit(Basal)
data_Basal = subset(data_Basal, Pac_Control=="1")
data_Basal <- data_Basal[, -1]
data_Basal <- data_Basal[, -5]
data_Basal <- data_Basal[, -5]
# <- data_Basal[, -4]

names(data_Basal)[1:11] <- c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11")

#names(data_Basal)[1:10] <- c("GEN", "STATUS", "AGE", "NºDx", "CDI", "ST-E", "ST-R",
"LEY",
#

"SCA", "EAT", "CESD")

Names_basal <- scan("Basal.txt", what = "character", sep = "\n")
data_Basal_M <- as.matrix(data_Basal)
dim(data_Basal_M)

type<-c("c", "g", "g", "g", "g", "g", "g", "g", "g", "g", "g")

cat<- c(2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
fit_AltB <- mgm(data = data_Basal_M,
type = type,
level = cat,
k = 2,
lambdaSel = 'CV',
lambdaGam = 0.5)

groups_list<- list("Demográficas"=c(1,2,3),
"Nº Dx Psq"=4,
"Escalas"=c(5,6,7,8,9,10,11))

#group_cols<-c("yellow", "pink", "orange", "skyblue")

group_cols<-c("yellow", "pink", "skyblue")

Basal_Gra <- qgraph(fit_AltB$pairwise$wadj,
cut=0.09,
#nodeNames=Names_basal,
vsize=9,
layout="spring",
edge.color=fit_AltB$pairwise$edgecolor,
posCol="darkblue",
negCol="red",
labels=T,
label.font=3.5,
label.cex=2.5,
label.color="black",

color= group_cols,
border.width=1.5,
border.color="black",
groups=groups_list,
#nodeNames=list(names(data_Basal)),
legend=F,
details=F,
legend.mode="style2",
legend.cex=0.4)
centralityPlot(Basal_Gra)

LayoutBasal <- Basal_Gra$layout.orig

#DOS MESES

DosMeses <- Cano_s_DB_Pino_b[, c(3,5, 12, 13, 21, 51, 53:58)]
DosMeses <- na.omit(DosMeses)
View(DosMeses)
DosMeses = subset(DosMeses, Pac_Control=="1")
DosMeses <- DosMeses[, -1]
names(DosMeses)[1:11] <- c("1", "2", "3", "4", "5", "6", "7", "8", "9",
"10", "11")
View(DosMeses)
Names_DosMeses <- scan("Basal.txt", what = "character", sep = "\n")
DosMeses_M <- as.matrix(DosMeses)
dim(DosMeses_M)

fit_Alt2 <- mgm(data = DosMeses_M,
type = type,
level = cat,
d = 2,
lambdaSel = 'CV',
lambdaGam = 0.5)
DosM_Graph <- qgraph(fit_Alt2$pairwise$wadj,
cut=0.09,
#nodeNames=Names_alteraciones_2Meses,
vsize=9,
layout=LayoutBasal,
#layout="spring",
edge.color=fit_Alt2$pairwise$edgecolor,
#posCol="darkgreen",
#negCol="red",
labels=T,
label.font=3.5,
label.cex=2.5,
label.color="black",
color= group_cols,
border.width=1.5,
border.color="black",
groups=groups_list,
#nodeNames=list(names(fit_Alt2)),
legend=F,
details=F,
legend.mode="style2",
legend.cex=0.4)


#SEIS MESES
SeisMeses <- Cano_s_DB_Pino_b[, c(3,5, 12, 13, 21, 59:65)]
SeisMeses <- na.omit(SeisMeses)
View(SeisMeses)
SeisMeses = subset(SeisMeses, Pac_Control=="1")
SeisMeses <- SeisMeses[, -1]
names(SeisMeses)[1:11] <- c("1", "2", "3", "4", "5", "6", "7", "8", "9",
"10", "11")
View(SeisMeses)
Names_SeisMeses <- scan("Basal.txt", what = "character", sep = "\n")
SeisMeses_M <- as.matrix(SeisMeses)
dim(SeisMeses_M)

fit_Alt6 <- mgm(data = SeisMeses_M,
type = type,
level = cat,
d = 2,
lambdaSel = 'CV',
lambdaGam = 0.5)

SixM_Graph <- qgraph(fit_Alt6$pairwise$wadj,
cut=0.09,
#nodeNames=Names_alteraciones_2Meses,
vsize=9,
layout=LayoutBasal,
#layout="spring",
edge.color=fit_Alt6$pairwise$edgecolor,

#posCol="darkgreen",
#negCol="red",
labels=T,
label.font=3.5,
label.cex=2.5,
label.color="black",
color= group_cols,
border.width=1.5,
border.color="black",
groups=groups_list,
#nodeNames=list(names(fit_Alt2)),
legend=F,
details=F,
legend.mode="style2",
legend.cex=0.4)

#DOCE MESES
DoceMeses <- Cano_s_DB_Pino_b[, c(3,5, 12, 13, 21, 66:72)]
DoceMeses <- na.omit(DoceMeses)
View(DoceMeses)
DoceMeses = subset(DoceMeses, Pac_Control=="1")
DoceMeses <- DoceMeses[, -1]
names(DoceMeses)[1:11] <- c("1", "2", "3", "4", "5", "6", "7", "8", "9",
"10", "11")
View(DoceMeses)
Names_DceMeses <- scan("Basal.txt", what = "character", sep = "\n")
DoceMeses_M <- as.matrix(DoceMeses)

fit_Alt12 <- mgm(data = DoceMeses_M,
type = type,
level = cat,
d = 2,
lambdaSel = 'CV',
lambdaGam = 0.5)
DocM_Graph <- qgraph(fit_Alt12$pairwise$wadj,
cut=0.09,
#nodeNames=Names_alteraciones_2Meses,
vsize=9,
layout=LayoutBasal,
#layout="spring",
edge.color=fit_Alt12$pairwise$edgecolor,
#posCol="darkgreen",
#negCol="red",
labels=T,
label.font=3.5,
label.cex=2.5,
label.color="black",
color= group_cols,
border.width=1.5,
border.color="black",
groups=groups_list,
#nodeNames=list(names(fit_Alt2)),
legend=F,
details=F,
legend.mode="style2",
legend.cex=0.4)
XX Congreso Virtual Internacional de Psiquiatría
www.interpsiquis.com- abril 2019. Psiquiatria.com