Exploring Profiles of Cognitive Distortions Associated with Mental Health Disorders

Resumen Técnico: Exploración de Perfiles de Distorsiones Cognitivas Asociadas a Trastornos de Salud Mental

Enunciado del Problema
Las distorsiones cognitivas (DC)—patrones de pensamiento negativos y distorsionados—están fuertemente asociadas a trastornos de salud mental como la depresión y la ansiedad. Si bien la investigación computacional previa se ha centrado en detectar DC a nivel individual para apoyar predicciones clínicas, o en la prevalencia general en condiciones específicas (principalmente la depresión), existe una falta de análisis a gran escala que compare perfiles de distorsión entre múltiples condiciones de salud mental. Los estudios existentes a menudo dependen de enfoques léxicos basados en n-gramas que pueden sufrir falsos positivos debido a coincidencias a nivel superficial, y pocos han examinado si categorías específicas de distorsión varían significativamente entre diferentes trastornos o si representan un patrón de pensamiento humano compartido. Este trabajo aborda tres preguntas de investigación: (1) ¿Existen diferencias en la prevalencia de DC entre grupos de salud mental y un grupo de control? (2) ¿Cómo varían los patrones de distorsión entre diferentes grupos de salud mental? (3) ¿Son los patrones producidos por métodos léxicos simples consistentes con los de modelos transformadores contextuales?

Metodología
El estudio utiliza el conjunto de datos de Diagnósticos de Salud Mental Autoinformados (SMHD), una colección a gran escala de publicaciones de Reddit de usuarios que autoinforman diagnósticos en nueve categorías (TDAH, Depresión, Bipolaridad, Ansiedad, Autismo, TEPT, TOC, Esquizofrenia, Trastorno Alimentario) y un grupo de control emparejado. Para garantizar la exclusividad mutua, se eliminaron los usuarios con múltiples diagnósticos, y el grupo de control se dividió en 30 subconjuntos emparejados en tamaño con el grupo diagnóstico más grande (TDAH).

Se emplearon dos enfoques de detección:

1. Enfoque Léxico Basado en N-gramas: Se aplicó un léxico predefinido de 12 categorías de DC (por ejemplo, Lectura Mental, Catastrofización) que contenía marcadores específicos de n-gramas. Para mitigar los falsos positivos derivados del lenguaje común, se establecieron umbrales específicos por categoría utilizando el percentil 75 de los recuentos de marcadores en el grupo de control. Las publicaciones que superaban estos umbrales se etiquetaron como distorsionadas.
2. Enfoque Basado en Transformadores: Se entrenó un modelo transformador ajustado (BERT y RoBERTa) en un conjunto de datos separado de Preguntas y Respuestas de Terapeutas, anotado con categorías de DC multietiqueta. El modelo de mejor rendimiento (RoBERTa) se aplicó al corpus SMHD para proporcionar una comparación consciente del contexto.

El análisis estadístico implicó calcular proporciones de publicaciones distorsionadas y calcular tamaños del efecto h de Cohen para cuantificar las diferencias entre grupos clínicos y de control, así como entre diferentes trastornos. Se aplicó la corrección de Holm–Bonferroni para controlar las comparaciones múltiples.

Resultados Clave

• Diferencias de Prevalencia: Ambos métodos confirmaron que los grupos de salud mental exhiben una mayor prevalencia de distorsiones cognitivas en comparación con el grupo de control. Utilizando el método de n-gramas, el 44,5 % de las publicaciones clínicas se etiquetaron como distorsionadas frente al 28,5 % de las publicaciones de control (h de Cohen = 0,34). El modelo transformador mostró una tendencia similar, aunque con tasas de detección absolutas más bajas (9,4 % clínico frente a 2,5 % de control).
• Perfiles de Distorsión entre Trastornos: Al comparar trastornos específicos, el estudio encontró perfiles de distorsión en gran medida similares entre las condiciones. Si bien los grupos de Trastorno Alimentario y TEPT mostraron niveles ligeramente más altos de distorsión general, y los grupos de TDAH/Autismo mostraron niveles más cercanos al control, la clasificación relativa de las categorías de distorsión permaneció consistente. Por ejemplo, "Razonamiento Disyuntivo", "Etiquetado" y "Personalización" mostraron consistentemente los tamaños del efecto más grandes, mientras que "Filtrado Mental" y "Catastrofización" mostraron los más pequeños.
• Consistencia Metodológica: A pesar de que el modelo transformador detectó significativamente menos distorsiones en general, los patrones a nivel agregado y las tendencias a nivel de grupo fueron consistentes con el enfoque de n-gramas. Ambos métodos identificaron al Trastorno Alimentario y al TEPT como los que tenían las tasas de distorsión más altas, y al TDAH/Autismo/Esquizofrenia como los que tenían las más bajas.

Significado y Afirmaciones
El artículo afirma que, si bien los enfoques léxicos simples (n-gramas) son propensos a falsos positivos e insuficientes para un diagnóstico individual de alta precisión, siguen siendo útiles para análisis exploratorios de tendencias a nivel de grupo en datos de texto a gran escala cuando se emparejan con un grupo de control. Los hallazgos sugieren que las distorsiones cognitivas pueden ser más una cuestión de intensidad general del lenguaje distorsionado que de combinaciones distintas y específicas del trastorno de tipos de distorsión. El estudio postula que las diferencias observadas entre condiciones son modestas (diferencias de tamaño del efecto típicamente <0,15), lo que implica que el "perfil" de distorsiones se comparte en gran medida entre las condiciones de salud mental.

Los autores enfatizan que su trabajo tiene como objetivo revelar asociaciones más amplias entre las distorsiones cognitivas y los trastornos de salud mental a nivel poblacional, en lugar de predecir estados de salud mental individuales. La consistencia entre el método léxico ruidoso y el modelo transformador más sofisticado sugiere que los enfoques de detección relativamente simples pueden identificar efectivamente tendencias amplias, proporcionando una base para generar hipótesis más precisas para futuras investigaciones clínicas dirigidas.

Limitaciones
Los autores reconocen que el método de n-gramas es inherentemente ruidoso y no puede distinguir entre pensamientos distorsionados y usos no distorsionados de frases similares (por ejemplo, "Siempre fallo" en un contexto literal frente a uno distorsionado). Además, la dependencia de diagnósticos autoinformados y la exclusión de usuarios con comorbilidades (reteniendo solo usuarios con un solo diagnóstico) simplifican la realidad clínica. El estudio concluye que, si bien los métodos de detección son demasiado débiles para la inferencia individual, son suficientes para detectar tendencias agregadas, siempre que los resultados se interpreten a través de la lente de los tamaños del efecto en lugar de la significación estadística únicamente.