Population-Level Profiling of DSM-5 Depressive Symptoms Among Self-Reported ADHD and ASD Users on Twitter: An Exploratory Study Using Advanced NLP and Statistical Analysis

Resumen Técnico: Perfilado a Nivel Poblacional de Síntomas Depresivos del DSM-5 en Usuarios de Twitter con TDAH y TEA

Planteamiento del Problema
La depresión coocurre frecuentemente con el trastorno por déficit de atención con hiperactividad (TDAH) y el trastorno del espectro autista (TEA). Aunque los datos epidemiológicos confirman tasas elevadas de síntomas depresivos en ambas poblaciones, la evidencia cuantitativa sobre cómo difiere la fenomenología de la depresión entre ellos a nivel poblacional sigue siendo escasa. Específicamente, existe una falta de estudios a gran escala que perfilen simultáneamente los nueve síntomas del episodio depresivo mayor del DSM-5 para determinar si los usuarios con TDAH y TEA que se autodefinen expresan estos síntomas de manera distinta en el lenguaje naturalístico. La literatura existente suele centrarse en diferencias léxicas o temáticas en lugar de en dimensiones de síntomas formalmente definidas, y los relatos clínicos que sugieren diferencias en la disfunción ejecutiva, el agotamiento (burnout) o la sensibilidad a la recompensa carecen de validación a escala poblacional.

Metodología
El estudio empleó un flujo de trabajo de Procesamiento de Lenguaje Natural (NLP) de dos etapas para analizar 1,282,437 tweets de 792 usuarios que se autodefinieron (622 con TDAH, 170 con TEA) extraídos de un conjunto de datos público de divulgación de diagnósticos.

1. Preprocesamiento y Filtrado de Datos:

   • Etapa 1 (Cribado Zero-Shot): Un modelo de Inferencia de Lenguaje Natural (NLI) zero-shot (cross-encoder/nli-deberta-v3-large) filtró los tweets por relevancia depresiva. El modelo juzgó si un tweet implicaba la hipótesis "síntoma depresivo del DSM-5 presente". Para asegurar la robustez, los autores no dependieron de un único punto de corte, sino que recorrieron el umbral de probabilidad a través de cinco valores (de 0.45 a 0.65). Esta etapa priorizó la recuperación (recall) para evitar el descarte permanente de datos relevantes.
   • Etapa 2 (Clasificación de Síntomas): Los tweets que pasaron el prefiltro fueron clasificados en los nueve síntomas del DSM-5 (estado de ánimo deprimido, anhedonia, cambios en el apetito, problemas de sueño, alteración psicomotora, fatiga, sentimientos de inutilidad, problemas cognitivos, ideación suicida) utilizando un modelo MentalRoBERTa ajustado (fine-tuned). El modelo fue entrenado con el corpus ReDSM5, un conjunto de datos de sentencias de Reddit anotadas por un experto y etiquetadas por un psicólogo con licencia.
   • Calibración: El clasificador de la Etapa 2 utilizó una calibración de umbral de decisión por etiqueta (que varió de 0.150 para pensamientos suicidas a 0.825 para estado de ánimo deprimido) para maximizar las puntuaciones F1 binarias para cada síntoma de forma independiente, abordando el desequilibrio de clases.

2. Perfilado a Nivel de Usuario:

   • Se construyeron los perfiles de síntomas por usuario promediando las puntuaciones sigmoideas brutas de los tweets filtrados (tweets que pasaron tanto el filtro zero-shot como el umbral de síntoma por etiqueta).
   • Se excluyeron los usuarios con menos de 30 tweets calificados.
   • Centrado a Nivel de Usuario: Para aislar el énfasis relativo de los síntomas de la intensidad general del lenguaje depresivo, el perfil de cada usuario se centró restando su propia media de los nueve síntomas.

3. Análisis Estadístico y Robustez:

   • Análisis Discriminativo: Se utilizó una regresión logística penalizada por L1 (LASSO) para distinguir entre usuarios con TDAH y usuarios con TEA basándose en los perfiles de síntomas centrados. El modelo fue evaluado mediante validación cruzada de 5 pliegues (5-fold cross-validation).
   • Criterios de Robustez: Para asegurar que los hallazgos no fueran artefactos de elecciones de umbral específicas, los autores aplicaron un esquema de robustez graduada. Los hallazgos requirieron el estatus de Nivel 1 (signo del coeficiente idéntico en los cinco umbrales Y frecuencia de selección por bootstrap ≥0.90 en cada umbral) para ser considerados hallazgos primarios. El estatus de Nivel 2 requería consistencia en los signos pero permitía frecuencias de selección más bajas o intervalos que incluían el cero.
   • Análisis de Coocurrencia: Se calcularon las correlaciones de Pearson entre los 36 pares de síntomas para cada grupo. Se utilizó el remuestreo por bootstrap (1,000 iteraciones) para evaluar la estabilidad de los coeficientes de correlación y la significancia de las diferencias entre grupos.

Contribuciones Clave

1. Caracterización a Nivel Poblacional: El estudio proporciona un perfil exploratorio a nivel poblacional de cómo se enfatizan diferencialmente los nueve síntomas del DSM-5 entre las comunidades de Twitter con TDAH y TEA.
2. Flujo de Trabajo de Clasificación Avanzado: Introduce un flujo de trabajo de dos etapas que acopla el prefiltrado NLI zero-shot con un clasificador multietiqueta MentalRoBERTa ajustado con ReDSM5, demostrando que los transformadores adaptados al dominio pueden operacionalizar los criterios del DSM-5 con un alto rendimiento a nivel de oración (Macro-F1 = 0.901).
3. Esquema de Robustez Graduada: El artículo contribuye con un marco metodológico que separa explícitamente los hallazgos respaldados tanto por la estabilidad del bootstrap como por la consistencia entre umbrales de aquellos que son inestables, yendo más allá de los análisis de un solo umbral.
4. Análisis de Coocurrencia: Añade un análisis a nivel de usuario que pone a prueba si la organización estructural (coocurrencia por pares) de los síntomas depresivos difiere entre los dos grupos.

Resultados

• Rendimiento del Clasificador: El modelo MentalRoBERTa ajustado alcanzó un Macro-F1 de 0.901 en el conjunto de prueba retenido, superando sustancialmente los puntos de referencia previos en el corpus ReDSM5.
• Perfiles Discriminativos: La regresión logística produjo una discriminación modesta pero estable (ROC-AUC 0.645–0.653). Seis síntomas cumplieron con los criterios de Nivel 1 (Robusto):
  • Tendencia hacia TDAH: Problemas cognitivos, alteración del sueño, cambio en el apetito y fatiga.
  • Tendencia hacia TEA: Ideación suicida y anhedonia.
  • Nivel 2 (Consistencia Direccional): La alteración psicomotora mostró una tendencia hacia el TEA, pero con una estabilidad ligeramente menor.
  • Síntomas como la inutilidad y el estado de ánimo deprimido no cumplieron con los criterios de robustez debido a la inestabilidad de los signos o a las bajas frecuencias de selección a través de los umbrales.
• Estructura de Coocurrencia: El análisis reveló un núcleo de coocurrencia de síntomas ampliamente compartido entre los grupos. Se observó un clúster somático (fatiga, sueño, psicomotricidad, apetito) y una estructura de compensación de humor en ambos. De 36 pares de síntomas, 17 fueron individualmente robustos por bootstrap en ambos grupos sin diferencias significativas entre ellos. Ningún par cumplió el criterio estricto de un patrón de coocurrencia específico de un trastorno (diferencia con signo estable con un IC del 95% que excluye el cero en todos los umbrales).

Significancia y Reivindicaciones
Los autores enmarcan este trabajo estrictamente como exploratorio y a nivel poblacional. Declaran explícitamente que los diferencias observadas reflejan la reproducibilidad a nivel poblacional en lugar de la validez clínica o la capacidad de diagnóstico individual. Los modestos puntajes de AUC indican que, si bien la señal es estable a través de los umbrales analíticos, no es suficiente para el cribado o diagnóstico individual.

La importancia de los hallazgos reside en la identificación de patrones sistemáticos y reproducibles en la forma en que se comunican las experiencias depresivas a través de diferentes condiciones neurodesarrollales. Los resultados sugieren que, si bien la estructura central de la coocurrencia de síntomas es compartida, el énfasis relativo en dimensiones específicas (por ejemplo, problemas cognitivos/somáticos en TDAH frente a anhedonia/ideación suicida en TEA) difiere. Estos hallazgos están destinados a servir como fuentes corroboradoras observacionales para hipótesis clínicas sobre las diferencias fenomenológicas entre TDAH y TEA, en lugar de ser evidencia de una fenomenología depresiva distinta a nivel individual. El estudio reconoce limitaciones que incluyen la dependencia de diagnósticos autoinformados, el sesgo de selección potencial y la falta de un grupo de control neurotípico.