Instrumento

Questionário de Saúde do Paciente-9 (PHQ-9). Para a triagem de sintomas depressivos,

usamos o Questionário de Saúde do Paciente 9-item (PHQ-9), que pontua cada um dos

9 critérios do DSM-IV para Transtorno Depressivo Maior (TDM) durante as últimas

duas semanas. Para cada item, as respostas são avaliadas em uma escala Likert de 4

pontos, variando de 0 (“Nada”) a 3 (“Quase todos os dias”). O PHQ-9 é adequado para

rastreamento de episódios depressivos maiores na população brasileira (Santos et al.,

2013).

Análise dos dados

Estimativa de rede: Estimamos um modelo gráfico gaussiano, regularizada por l1

(LASSO) com a seleção do modelo EBIC (Foygel & Drton, 2010) para garantir que os

parâmetros espúrios fossem colocados precisamente em zero, para obter uma rede mais

interpretável. Foi definido hyper-parâmetro como 0.5 para seleção do melhor modelo.

Uma vez estimado, o modelo foi apresentado em uma estrutura de rede. Os nós

representam os itens do questionário. As linhas, chamadas arestas, representam a

relação entre os itens do questionário.

Descrição da rede e características dos nós: Avaliamos quais sintomas foram os mais

importantes na rede. Considerou-se que quanto maior o índice de centralidade, mais

central era o nó na rede. Para isso, analisamos usando a centralidade da força do nó,

grau de proximidade e grau de intermediação. Centralidade da força do nó é a soma de

todos os pesos conectados a um determinado nó, intermediação é o número de vezes

que um nó se encontra no caminho mais curto entre dois outros nós e proximidade é o

comprimento médio do caminho mais curto entre um determinado nó e todos os outros

nós na rede. (Opsahl et al., 2010). Esses índices foram padronizados e apresentados por

meio do escore Z. Investigamos os índices de precisão de aresta e estabilidade das

medidas de centralidade. Estimamos modelos de rede baseados no bootstrap não

paramétrico e case-dropping. Por padrão, o bootstrap foi realizado com 1.000 re

amostragens (Epskamp et al., 2018). Adicionalmente, foi calculado o coeficiente CS,

que quantifica a proporção máxima de casos que podem ser descartados para reter, com

95% de certeza. O coeficiente CS não deve ser inferior a 0.25 e preferencialmente

superior a 0.5 (Epskamp et al., 2018). Todas as análises estatísticas foram realizadas

usando o software R Versão XXX por meio dos pacotes bootnet e qgraph ou JASP

versão XXX

Resultados

A Figura 1 representa a rede dos sintomas de depressão baseado na escala PQH-9.

6
1: PHQ-1
8 2: PQH-2
3: PHQ-3
2 4: PHQ-4
7 5: PHQ-5
6: PQH-6
1 7: PQH-7
4 8: PHQ-8
5 9: PHQ-9

Fig 1. A estrutura de rede (N = 1 156) dos 9 sintomas da escala PHQ-9. Os nós estão dispostos em ordem
conforme a legenda e representam os itens da escala. 1 perda de interesse, 2 humor deprimido, 3 sono, 4
perda de energia, 5 alteração do apetite, 6 inutilidade, 7 dificuldade de concentração, 8 problemas
psicomotores, 9 idealização suicida. O tamanho e a densidade das arestas entre os nós representam a força
da conectividade.

A inspeção visual revela uma rede com muitas conexões entre os nós. Conexões

especialmente fortes surgem entre o nó 1 (perda de interesse), nó 2 (humor deprimido) e

nó 6 (sentir-se inútil). Adicionalmente, nó 6 (sentir-se inútil) faz relação com o nó 9

(idealização suicida) e nó 8 (problemas psicomotores – lentidão ou agitação). A

idealização suicida (nó 9) não apresenta conexões significativas para além do nó 6

(sentir-se inútil) e nó 8 (problemas psicomotores – lentidão ou agitação), isso implica

que a idealização suicida pode ser estatisticamente independente quando condicionados

a todos os outros sintomas (sua correlação parcial é zero) ou que não houve poder

suficiente para detectar uma aresta entre esses sintomas.

A precisão da aresta foi verificada visualmente, inspecionando os intervalos de

confiança. Por meio de boostrapp não paramétrico com 1 000 reamostragens (ICs 95%).

Com ICs mais estreitos sugerindo uma estimativa mais precisa da aresta (Material

Suplementar 1). A interpretação da presença de uma aresta, no entanto, não é afetada

por grandes ICs, pois o LASSO já realizou a seleção do modelo (Epskamp et al., 2018).

Vale citar que foi selecionada uma rede densa, portanto é necessário interpretar a

presença das arestas mais fracas com cuidado.

Na sequência investigamos a estabilidade dos índices de centralidade estimando

modelos de rede baseados em subconjuntos de dados. A estabilidade de proximidade e

intermediação apresenta uma leve queda enquanto a estabilidade da força do nó

aparentemente se apresenta melhor ao ter os casos reduzidos. Esta estabilidade pode ser

quantificada usando o coeficiente CS. Força e Proximidade (CS (cor = 0.7) = 0.75;

CS(cor = 0.7) = 0.75) mostraram-se altamente estáveis, enquanto Intermediação (CS

(cor = 0.7) = 0.51) apresentou adequada estabilidade, superior a 0.5.

 Strength Closeness Betweenness

PHQ01

PHQ02

PHQ03

PHQ04

PHQ05

PHQ06

PHQ07

PHQ08

PHQ09

-1 0 1 -1 0 1 0 1

Fig. 2 Gráfico de centralidade usando medidas padronizadas de força, proximidade e intermediação do nó

Na rede, o “humor deprimido” (PHQ-2) tem a maior grau de força, proximidade

e intermediação. O “cansaço/falta de energia” (PHQ-4) surgiu também como um nó

com alto grau de força. Os nós o “humor deprimido” (PHQ-2) e “sentir inútil” (PHQ-6)

são mais centrais na rede em termos de intermediação, o que indica que esses dois

sintomas geralmente aparecem no caminho mais curto entre dois outros sintomas. Os

nós de alta intermediação são importantes para a transmissão de informações através da

rede. O “humor deprimido” (PHQ-2) ' apresentando alta centralidade para proximidade,

indica que possivelmente tem maior probabilidade de afetar rapidamente outros

sintomas.
MATERIAL SUPLEMENTAR