Patienter uppvisar ofta symtom från flera diagnoser. Ett nytt sätt att tänka kring symtom och behandling är att se symtom som delar i ett nätverk där de orsakar och vidmakthåller varandra. Utifrån det perspektivet bör behandlingen utformas som riktade interventioner mot centrala symtom i nätverket, skriver psykologerna Lars Klintwall och Matti Cervin.
Diagnossystem som DSM och ICD har skapat ett gemensamt språk för forskning om psykiatriska svårigheter och organisatoriskt gjort det möjligt att fördela resurser mellan patientgrupper. Psykiatriska diagnoser har också visat sig komma patienter till gagn, exempelvis fann en stor studie från Storbritannien att patienter som fått en specificerad huvuddiagnos fick bättre behandlingsresultat [1].
Emellertid är bristerna med nuvarande diagnossystem välkända. Två patienter med samma diagnos uppvisar som regel helt olika symtom. I en studie på 3 700 patienter med diagnosen depression fann forskarna drygt tusen unika symtomkombinationer och att den vanligaste kombinationen delades av mindre än 2 procent av patienterna [2]. Ett annat problem med nuvarande diagnossystem är att de flesta patienter uppfyller kriterier för flera olika diagnoser samtidigt: ungefär en tredjedel av patienter med depression har också en ångestdiagnos och detsamma gäller för missbruk och posttraumatiskt stressyndrom [3].
Ovanstående behöver i sig inte vara ett problem för ett diagnostiskt system. Exempelvis uppvisar aids-patienter stor spridning i definierande symptom (viktminskning, trötthet, svullna lymfkörtlar) och har ofta samsjuklighet (diabetes, hepatit, hjärt-/kärlproblem), men eftersom etiologin för aids är väl kartlagd (hiv) är behandlingen med bromsmediciner i stort oberoende av detta »brus« i symtombilden. Förutom generella fynd om att ärftligheten vid många tillstånd är relativt hög, samt att personer med psykiatrisk problematik har upplevt fler negativa livshändelser än andra så kan detta inte sägas om psykiatriska diagnoser [4].
Grunden för nätverksanalys
Förhoppningen är att paradigmet nätverksanalys är vägen ur denna vetenskapliga återvändsgränd [5]. Grunden för nätverksanalys är antagandet att psykiatrisk problematik bäst förklaras av att olika symtom orsakar varandra, vilket skiljer sig från DSM:s implicita antagande om att det finns en gemensam bakomliggande orsak eller sjukdom (på psykometriskt språk: en latent variabel). Senare versioner av nätverksanalys har gått vidare från att enbart studera symtom och antar att nätverk kan byggas av patientens alla problematiska beteenden och känslor och även inbegripa kontext och biologi [6].
Som med all diagnostik är slutmålet med nätverksanalys är att identifiera vilken intervention som skulle få störst effekt. Detta hittar man genom visualiserade nätverk där pilar anger orsakssamband mellan olika problem, och tjockleken på pilarna speglar orsakssambandens styrka. De olika problemen kan ges olika storlek beroende på hur allvarliga de är. Av störst intresse är att hitta centrala problem (sådana problem som starkt orsakar andra problem) som är inbegripna i feedback-loopar, vilka vidmakthåller patientens problematik även efter att yttre utlösande händelser är borta. Man skiljer alltså på varför ett problem först uppstår (exempelvis en akut stressreaktion veckorna efter ett trauma) och varför detta problem vidmakthålls över tid (undvikanden och flashbacks som för en minoritet kvarstår över längre tidsperioder).
Ett sätt att skapa sådana individuella nätverk är att be en patient skatta hur hen tror att problemen orsakar varandra [7]. Genom att strukturerat gå igenom alla möjliga orsakssamband mellan alla aktuella problem kan man rita upp ett nätverk. Frågan är naturligtvis hur stor självinsikt patienter har i hur deras problem hänger ihop, vilket vi undersökt i en serie studier.
Bedömdes kliniskt användbara vid terapistart
Den metod vi använder kallas för PECAN (Perceived Causal Problem Networks): en online-enkät som respondenter fyller i på 20–40 minuter. Enkäten inleds med att respondenten först går igenom en lista med vanliga psykiatriska symtom och problem, och väljer ut de som hen upplevt den senaste veckan. Den lista vi tentativt använt innehåller DSM:s symtom på depression symtom vid vanliga komorbida tillstånd (exempelvis »dricker alkohol«) och vanliga associerade problematiska känslor och beteenden (exempelvis »överdriven skärmtid«). Därefter får respondenten specificera de valda problemen så att de är så relevanta som möjligt (en person som valt »sömnproblem« kanske specificerar detta som »svårt att somna«), och ange hur allvarligt varje problem är på en skala från 0 till 100. Sist det viktigaste: respondenten får i procent ange i vilken utsträckning varje problem orsakar varje annat valt problem.
En första studie med 231 deltagare som screenade positivt för depression (mer än nio poäng på depressionsskalan PHQ-9) rekryterade via sociala medier visade på god omedelbar test-retest-reliabilitet (r = 0.81) [8]. När ett slumpmässigt urval av dessa nätverk visades för 50 psykoterapeuter bedömde 96 procent att nätverken vore kliniskt användbara som del av terapiuppstart och att informationen i nätverket motsvarade cirka hälften av den information som brukar hämtas in under en bedömningsfas. De problem som oftast var mest centrala för respondenterna var orostankar, ältande och sömnproblem, men dessa var bara mest centrala för en tredjedel av deltagarna och varje problem som var med i enkäten var mest centralt för någon deltagare. Kanske mest intressant var att respondenterna i hög utsträckning angav att problem orsakades av andra problem, i medeltal 69 procent, vilket är en indikation på att patienter faktiskt tänker i enlighet med nätverksanalys.
Visar hur problemen hänger ihop
I en preregistrerad psykologexamensuppsats av Jakob Öncü Schenström och Matthis Andreasson vid Uppsala universitet utvärderades metodens validitet genom att låta patienter fylla i PECAN vid terapistart. Därefter fick terapeuten skatta hur väl nätverket stämde med hens fallkonceptualisering ett antal sessioner senare. Resultaten visade att samtliga patienter (n = 8) höll med (»stämmer ganska väl« eller högre) om påståendet »Problemkartan visar hur mina problem hänger ihop« och 75 procent höll med om påståendet att »Problemkartan hjälpte mig att bättre förstå mina problem«. 57 procent av terapeuterna (n = 8) höll med om påståendet att »Problemkartans orsakspilar stämmer med min egen nuvarande analys«. Ett exempel ur denna studie se Figur 1.
Figur 1. Kvinna, 30–39 år; lindrig depressiv episod som pågått i ca ett år. Pilar anger orsakssamband av varierande styrka, cirklarnas storlek indikerar allvarlighet i problemet. Notera feedback-loopen mellan ”Stressad” och ”Övertänker”. För interaktiv version se www.bit.ly/PECANexempel
I ytterligare en preregistrerad psykologexamensuppsats av Amanda Bångstad och Judit Fellman vid Stockholms universitet undersöktes symptomnätverk hos gymnasieelever. Deltagarna fyllde i PECAN och PHQ-9 med två veckors mellanrum, och svar från de som screenade positivt för depression (en fjärdedel av alla tillfrågade, n = 55) analyserades för test-retest-reliabilitet. Resultatet med den stora spridningen i vad som var det mest centrala problemet replikerades: för ungdomarna var de vanligaste problemen »övertänker« (hopslaget item bestående av oro/ältande) »prokrastinering« och »stress«. Ett exempel ur denna studie se Figur 2.
Figur 2. Man, 16–19 år, PHQ: 15 poäng. Pilar anger orsakssamband av varierande styrka, cirklarnas storlek indikerar allvarlighet i problemet. Notera de två feedback-looparna som båda passerar genom ”Fokusproblem”. För interaktiv version se www.bit.ly/PECANexempel2
PECAN hade samma test-retest-korrelation som den etablerade depressionsskalan PHQ, men båda skalorna visade förvånansvärt låg reliabilitet (0,53 respektive 0,55). Detta pekar på en brist i självskattning av hur problem orsakar problem, något som visats i tidigare studier [9].
En metod som inte förlitar sig på självskattad kausalitet för att skapa nätverk är Ecological Momentary Assessment (EMA): Patienten får flera gånger per dag skatta vilka problem hen upplever vid just det ögonblicket. Genom statistisk analys (»lag-korrelationer«) kan temporala samband för en unik individ identifieras. För en viss patient kan exempelvis tidpunkter med »social isolering« ofta följas av att nästa tidpunkt skattas högt på »ångest«. Denna korrelation utgör en pil i det visualiserade nätverket. Preliminära fynd tyder på att behandlingseffekter kan höjas genom att individualisera behandling utifrån EMA-analys. I en studie genomgick patienter med ångestproblematik Unified Protocol där modulordningen bestämdes av individuell EMA-analys innan terapistart [10]. Detta gav en behandlingseffekt 30 procent högre än vad man kunde förvänta sig från sedvanlig behandling.
Behöver utvecklas vidare
Trots sin elegans har EMA-metoden andra begränsningar: För det första kan den bara upptäcka orsakssamband som sker på mätningarnas tidskala: med mätningar varannan timme kan bara samband på tidsskalor större än två timmar upptäckas, trots att den relevanta tidsskalan ofta är sekunder eller minuter (till exempel »orostankar« leder till »ångest«, eller »ångest« leder till »självskadar«). Ett annat problem är undvikanden. Ångest kan till exempel vara ett centralt problem för en patient genom att många övriga problem orsakas av undvikande av situationer som kan generera ångest. Men eftersom patienten undviker just sådana situationer kommer patienten sällan faktiskt att uppleva ångesten och inte rapportera den i EMA.
En nätverksanalys kommer alltså att behöva utveckla metoder som löser problemen med reliabilitet kausalitet på olika tidsskalor och undvikanden. En möjlig väg framåt är exempelvis en mix av EMA och självskattade nätverk. Om man lyckas med detta är nätverksparadigmet ett seriöst alternativ till kategoriska system som DSM. I stället för att forska på etiologin till diagnoser (genetisk och neurobiologisk) blir det möjligt att i stället undersöka symtomen i sig eller ännu mer intressant: relationer mellan symtom. Varför fastnar vissa personer i en feedback-loop mellan stress och övertänkande (som i Figur 1)? I stället för diagnosspecifika manualer kan forskning undersöka vad som är det mest effektiva sättet att hjälpa en person med fokusproblem att inte prokrastinera (som i Figur 2).
Det sistnämnda är en idé som plockats upp av terapigiganterna Steven Hayes och Stefan Hofmann, som lanserat konceptet »processbaserad KBT« [11]. De menar att framtidens psykoterapi inte kommer att bestå av diagnosspecifika manualer utan av evidensbaserade tekniker som tillämpas baserat på patientens individuella nätverk.
Online-enkäten PECAN: www.bit.ly/problemorsaker
Lars Klintwall, psykolog och forskare, Karolinska institutet.
Matti Cervin, psykolog och forskare, Lunds universitet.
Referenser
- Clark DM Canvin L Green J et al. (2017). Transparency about the outcomes of mental health services (IAPT approach): an analysis of public data. The Lancet. 391 679–86.
- Fried EI Nesse RM. (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.
- Hasin DS Sarvet AL Meyers JL et al. (2018). Epidemiology of adult DSM-5 major depressive disorder and its specifiers in the United States. JAMA psychiatry. 75(4) 336-46.
- Insel T Cuthbert B Garvey M et al. (2010). Research domain criteria (RDoC): toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167(7) 748–51.
- Borsboom D. (2017). A network theory of mental disorders. World Psychiatry. 16(1) 5–13.
- von Klipstein L Riese H van der Veen DC et al. (2020). Using person-specific networks in psychotherapy: challenges limitations and how we could use them anyway. BMC Med. 18 345.
- Frewen PA Allen SL Lanius RA et al. (2012). Perceived Causal Relations: Novel Methodology for Assessing Client Attributions About Causal Associations Between Variables Including Symptoms and Functional Impairment. Assessment. 19(4) 480–93.
- Klintwall L Bellander M Cervin M (in press). Perceived Causal Problem Networks: Reliability Central Problems and Clinical Utility for Depression. Assessment.
- Gloster AT Meyer AH Witthauer C et al. (2017). ‘I feel better when…’: An analysis of the memory-experience gap for peoples’ estimates of the relationship between health behaviours and experiences. Psychology & Health. 32(9) 1152–66.
- Fisher AJ Bosley HG Fernandez KC et al. (2019). Open trial of a personalized modular treatment for mood and anxiety. Behaviour Research and Therapy. 116 69–79.
- Hayes SC Hofmann SG. (2018). Process-based CBT: The science and core clinical competencies of cognitive behavioral therapy. New Harbinger Publications.
