El análisis de red de relaciones estadísticas en la investigación de las ciencias de la salud
Resumen
Señor Editor.
En el volumen 8 de la presente revista se presentó un estudio que evaluó el impacto sobre la salud mental durante la pandemia COVID-19, el cual reportó síntomas severos de ansiedad y depresión (1). Asimismo, otro de los efectos psicológicos de mayor impacto durante la pandemia COVID-19 es el síndrome de burnout, con una mayor prevalencia en los profesionales de la salud (2). Por lo tanto, se requiere mayor comprensión de aquellas medidas relacionadas al malestar psicológico como la depresión y ansiedad que reportan mayor comorbilidad y tienden a aumentar los niveles de burnout, siendo recomendable la evaluación sistémica de sus factores y componentes etiológicos vinculados al impacto de COVID-19. Esto es posible mediante el análisis de redes. Este método gráfico representa una serie de entidades o nodos que pueden corresponder a variables, constructos o individuos, mayormente se ha difundido el análisis de redes sociales que considera a las personas como unidades de la red (3). Sin embargo, durante la última década, se ha incluido en el ámbito clínico otra variante del análisis de red representado por correlaciones estadísticas (dirigidas o no dirigidas) basado en la teoría de grafos (4,5). Estas asociaciones son de orden cero o relaciones parciales causales que conectan a los nodos (variables) y estructuran el modelo dinámico. Su representación gráfica facilita la interpretación de manera sencilla: mientras más gruesa sea la conexión entre las variables, mayor será la relación estadística
Citas
2. Torres Toala FG, Irigoyen Piñeiros V, Moreno AP, Ruilova Coronel EA, Casares Tamayo J, Mendoza Mallea M. Síndrome de Burnout en profesionales de la salud del Ecuador y factores asociados en tiempos de pandemia. Rev. Virtual Soc. Parag. Med. Int Int /Internet/. 2021 /citado 8 Enero 2021/; 8(1):126-36. Disponible en: http://scielo.iics.una.py/pdf/spmi/v8n1/2312-3893-spmi-8-01-126.pdf. https://doi.org/10.18004/rvspmi/2312-3893/2021.08.01.126
3. Scott J, Carrington PJ. The SAGE handbook of social network analysis. Los Angeles: SAGE; 2011
4. Hevey D. Network analysis: a brief overview and tutorial. Health Psychol Behav Med /Internet/. 2018 /cited 2020 Dec 20/; 6(1), 301-28. Available from: https://www.tandfonline.com/doi/pdf/10.1080/21642850.2018.1521283?needAccess=true. https://doi.org/10.1080/21642850.2018.1521283
5. Robinaugh DJ, Hoekstra RHA, Toner ER, Borsboom D. The network approach to psychopathology: a review of the literature 2008–2018 and an agenda for future research. Psychol Med. 2020; 50(3):353-66. https://doi.org/10.1017/S0033291719003404
6. Da Cunha Leme DE, Da Costa Alves EV, Fattori A. Relationships between social, physical, and psychological factors in older persons: Frailty as an outcome in network analysis. J Am Med Dir Assoc. 2020; 21(9):1309-15. e4. https://doi.org/10.1016/j.jamda.2020.02.005
7. Ramos-Vera C, Banos-Chaparro J, Ogundokun RO. The network structure of depressive symptomatology in Peruvian adults with arterial hypertension [version 2; peer review: 1 approved, 1 approved with reservations]. F1000Research /Internet/. 2021 /cited 2021 Jan 15/; 10:19. Available from: https://f1000researchdata.s3.amazonaws.com/manuscripts/55636/6c077f37-5107-4160-b157-d1a30a881fdb_27422_-_roseline_ogundokun_v2.pdf?doi=10.12688/f1000research.27422.2&numberOfBrowsableCollections=27&numberOfBrowsableInstitutionalCollections=4&numberOfBrowsableGateways=26. https://doi.org/10.12688/f1000research.27422.2
8. Leppink J. Assessment programs and their components: a network approach. Scientia Med /Internet/. 2020 /cited 2020 Dec 4/; 30(1): e37124. Available from: https://revistaseletronicas.pucrs.br/ojs/index.php/scientiamedica/article/view/37124/26066. http://dx.doi.org/10.15448/1980-6108.2020.1.37124
9. Derks K, Burger J, van Doorn J, Kossakowski JJ, Matzke D, Atticciati L, et al. Network models to organize a dispersed literature: the case of misunderstanding analysis of covariance. J Eur Psychol Students /Internet/. 2018 /cited 2021 Jan 20/; 9(1):48-57. Available from:https://jeps.efpsa.org/articles/10.5334/jeps.458/ http://doi.org/10.5334/jeps.458
10. Di Blasi M, Gullo S, Mancinelli E, Freda MF, Esposito G, Gioacchino Gelo OC, et al. Psychological distress associated with the COVID-19 lockdown: A two-wave network analysis. J Affect Disord /Internet/. 2021 /cited 2021 Feb 10/; 284:18-26. Available from: https://www.sciencedirect.com/science/article/pii/S0165032721001282?via%3Dihub. http://dx.doi.org/10.1016/j.jad.2021.02.016
11. Martín-Brufau R, Suso-Ribera C, Corbalán J. Emotion network analysis during COVID-19 quarantine - A longitudinal study. Front Psychol /Internet/. 2020 / cited 2021 Jan 15/; 11: e559572. Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7683502/pdf/fpsyg-11-559572.pdf. https://doi.org/10.3389/fpsyg.2020.559572.
12. Ramos-Vera CA. Miedo a la COVID-19 en adultos peruanos mediante análisis de red. Rev cubana Enferm /Internet/. 2020 /citado 15 Enero 2021/; 36: e4082. Disponible en: https://doi.org/10.13140/RG.2.2.17129.93284
13. Ramos-Vera CA. Estructura de red del impacto y la percepción de amenaza de la COVID-19. Rev cubana Enferm /Internet/. 2020 /citado 10 Enero 2021/; 36:e4136. Disponible en: https://doi.org/10.13140/RG.2.2.22877.13286
14. Ramos-Vera CA. La dinámica interna de la Coronavirus Anxiety Scale mediante análisis de red. Rev colomb Psiquiat /Internet/. 2021 /citado 10 Feb 2021/: 1-4. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7904518/pdf/main.pdf https://doi.org/doi:10.1016/j.rcp.2020.12.008
15. Ramos-Vera CA. Conceptos de interés en la atención integral de los pacientes con multimorbilidad. Aten Primaria /Internet/. [/citado 10 Feb 2021/, /en prensa]. Disponible en: https://www.researchgate.net/publication/348249395_Conceptos_de_interes_en_la_atencion_integral_de_los_pacientes_con_multimorbilidad. https://doi.org/10.1016/j.aprim.2021.101969
