Developing a prediction model for the risk of dissociative psychopathology from trauma and trait responsiveness to verbal suggestion

Este estudo desenvolveu e validou um modelo preditivo utilizando regressão logística com elastic net que integra trauma do desenvolvimento e traço de responsividade à sugestão verbal para identificar eficazmente indivíduos em risco de psicopatologia dissociativa, alcançando uma AUROC de 0,77.

O essencial

Imagine sua mente como uma casa complexa com muitos cômodos. Às vezes, quando as coisas ficam muito avassaladoras, a casa possui um mecanismo de segurança especial: ela tranca certas portas ou apaga as luzes em cômodos específicos para proteger as pessoas no interior. Na psicologia, isso é chamado de dissociação. É como se a mente apertasse um botão de "pausa" ou criasse uma barreira nebulosa entre uma pessoa e seus pensamentos, memórias ou sentimentos. Embora isso possa acontecer com qualquer pessoa, para alguns, torna-se um problema persistente que torna a vida diária muito difícil.

Este artigo é como uma equipe de detetives tentando construir um melhor sistema de alerta precoce para identificar quem pode estar em risco de viver nesta "casa nebulosa" antes que o problema se torne muito grave.

As Duas Principais Pistas

Os pesquisadores focaram em duas pistas principais que podem prever quem está em risco:

1. A "Tempestade" (Trauma): Já sabemos que experimentar coisas ruins na vida, especialmente durante o crescimento (como abuso ou negligência), é um fator importante. Pense nisso como uma tempestade severa batendo na casa. Quanto mais intensa a tempestade, mais provável é que a casa precise dessas travas de segurança.
2. A "Esponja" (Sugestionabilidade): Esta é a pista nova e interessante. Algumas pessoas são naturalmente mais como esponjas quando se trata de sugestões verbais. Se alguém diz: "Seu braço está pesado como um peso de chumbo", uma pessoa "esponja" pode realmente sentir seu braço ficar pesado, mesmo que saiba que são apenas palavras. Os pesquisadores chamam isso de Resposta à Sugestão Verbal (REVS). Não se trata de ser facilmente enganado; trata-se de quão facilmente sua mente pode ser guiada a mudar sua percepção.

A grande pergunta que a equipe fez foi: Essas duas pistas funcionam juntas? Ter uma mente "semelhante a uma esponja" faz com que a "tempestade" do trauma atinja com mais força, levando a mais dissociação?

O Experimento: Uma Simulação Digital

Para descobrir, os pesquisadores reuniram dados de mais de 1.100 pessoas que não estavam atualmente em terapia (um grupo "não clínico"). Eles pediram a essas pessoas três coisas:

• Quanta "tempestade" enfrentaram: Eles preencheram uma lista de verificação de eventos traumáticos.
• Quão "semelhantes a esponjas" são: Eles jogaram um jogo de computador onde tinham que seguir instruções verbais (como "sua mão está presa à mesa") e avaliaram o quão involuntárias ou automáticas essas sensações pareciam.
• Quanta "neblina" experimentam: Eles responderam a perguntas sobre com que frequência se sentiam desconectados de si mesmos ou de suas memórias.

Usando um algoritmo de computador sofisticado (pense nele como uma peneira muito inteligente que filtra o ruído para encontrar o sinal verdadeiro), eles tentaram construir um modelo que pudesse prever quem estava no grupo "em risco".

O Que Eles Encontraram

Os resultados foram como encontrar um padrão específico em um quebra-cabeça:

• O Grupo "Em Risco": Cerca de 7% das pessoas foram sinalizadas como de alto risco. Esses indivíduos tendiam a ser mais jovens, ter experimentado mais trauma e serem muito mais "semelhantes a esponjas" (altamente responsivos a sugestões).
• O Poder da "Esponja": Surpreendentemente, o fator "esponja" (sugestionabilidade) foi na verdade uma pista mais forte do que o próprio trauma. Especificamente, a sensação de que as sugestões eram involuntárias (como "não pude impedir meu braço de se mover, mesmo que quisesse") foi um grande sinal de alerta.
• A Combinação: A melhor previsão veio de olhar para ambos, a tempestade e a esponja, juntos. O modelo sugeriu que, quando uma pessoa que é naturalmente uma "esponja" enfrenta uma "tempestade", o risco de desenvolver uma mente nebulosa e dissociativa aumenta.
• A Idade Importa: O modelo também notou que pessoas mais jovens tinham mais probabilidade de estar no grupo em risco. À medida que as pessoas envelhecem, o risco parece diminuir, talvez porque desenvolvam melhores mecanismos de enfrentamento ou os efeitos da "tempestade" se desvaneçam com o tempo.

Quão Boa Foi a Previsão?

Os pesquisadores testaram seu modelo para ver quão preciso era. Imagine um guarda de segurança tentando identificar intrusos:

• O modelo foi 77% preciso no geral.
• Foi muito bom em pegar as pessoas que estavam em risco (não perdeu muitas delas).
• No entanto, não foi perfeito em descartar pessoas que não estavam em risco (às vezes soou o alarme para pessoas que estavam realmente bem).

Pense nisso como um detector de fumaça muito sensível: ele pode apitar algumas vezes quando você apenas queimou uma torrada (falso alarme), mas é excelente em garantir que você não perca um incêndio real.

O Que Isso Significa (e O Que Não Significa)

O artigo conclui que não devemos olhar apenas para o trauma para entender a dissociação. Também precisamos olhar para como a mente de uma pessoa responde naturalmente a sugestões. É como dizer que, para entender por que uma casa queima, você precisa saber tanto sobre o fogo (trauma) quanto sobre o quão inflamáveis são os materiais de construção (sugestionabilidade).

Nota Importante: Os autores têm muito cuidado ao dizer que isso é uma ferramenta de pesquisa, não um kit de diagnóstico médico. Eles construíram este modelo usando um programa de computador em um grupo de pessoas comuns, não em pacientes de um hospital. Eles não estão dizendo que os médicos devem usar isso agora para diagnosticar pacientes. Em vez disso, estão dizendo: "Ei, encontramos um padrão que funciona bastante bem em uma simulação. Se testarmos isso mais com pacientes reais e o refinarmos, poderá um dia ajudar os médicos a identificar pessoas que precisam de ajuda mais cedo."

Em resumo, o artigo sugere que a chave para entender quem pode lutar com a dissociação não são apenas as coisas ruins que aconteceram com eles, mas também a maneira única como sua mente está conectada para processar o mundo ao seu redor.

Resumo técnico

Resumo Técnico: Modelagem Preditiva de Psicopatologia Dissociativa a partir de Trauma e Resposta de Traço à Sugestão Verbal

Declaração do Problema
Os transtornos dissociativos (TDs) e sintomas associados são frequentemente subdiagnosticados e diagnosticados erroneamente, levando a tratamentos tardios, sofrimento excessivo do paciente e aumento dos riscos de comorbidade e suicídio. Embora o trauma de desenvolvimento seja amplamente reconhecido como um antecedente primário da psicopatologia dissociativa, o "modelo do trauma" frequentemente negligencia o papel da resposta de traço à sugestão verbal (REVS). Por outro lado, a REVS tem sido associada à dissociação, mas raramente é estudada em conjunto com o trauma em um quadro preditivo. Além disso, os modelos de previsão existentes frequentemente focam apenas no trauma ou falham em integrar a estrutura fatorial complexa da sugestionabilidade (por exemplo, respostas comportamentais versus o senso subjetivo de involuntariedade). Este estudo aborda a lacuna no desenvolvimento de um modelo de previsão multivariado que integra trauma de desenvolvimento, REVS de traço e variáveis demográficas para identificar indivíduos em risco de psicopatologia dissociativa dentro de uma população não clínica.

Metodologia
O estudo utilizou um conjunto de dados agrupado de 1.104 participantes não clínicos extraídos de quatro estudos transversais anteriores. A metodologia envolveu três fases principais:

1. Medição e Análise Fatorial:

   • Trauma: Avaliado por meio do Inventário de Experiências Traumáticas (TEC). As pontuações foram transformadas em porcentagens para lidar com dados ausentes em um subconjunto.
   • Dissociação (Desfecho): Medida usando a Escala de Experiências Dissociativas (DES). O desfecho primário foi uma classificação binária de status "em risco" baseada na probabilidade de pertencimento ao táxon da DES (DES-T), usando um limiar conservador de $p \geq 0,95$. Uma análise secundária utilizou um limiar de pontuação total da DES >30.
   • REVS: Avaliada usando a Escala Breve de Sugestionabilidade (BSS), uma medida computadorizada de sugestionabilidade verbal direta não hipnótica. A BSS captura tanto respostas comportamentais quanto a involuntariedade percebida. Para abordar a estrutura fatorial complexa da REVS, os autores ajustaram modelos bifatoriais aos dados da BSS. Isso resultou em um fator comportamental geral (BSS:B-G), um fator de involuntariedade geral (BSS:I-G) e um fator específico de involuntariedade perceptual (BSS:I-PF).

2. Modelagem Preditiva:

   • Um modelo de regressão logística elastic net foi empregado para prever o status de risco binário. Este método combina penalidades ridge e LASSO para lidar com multicolinearidade e selecionar as variáveis mais preditivas.
   • Preditores: Incluíram o composto BSS (BSS-C), as pontuações bifatoriais derivadas (BSS:B-G, BSS:I-G, BSS:I-PF), pontuações do TEC, idade e termos de interação (por exemplo, Idade × TEC, BSS-C × TEC).
   • Validação: O modelo foi validado internamente usando validação cruzada de 10 dobras.

3. Métricas de Avaliação:

   • O desempenho do modelo foi avaliado usando a Área Sob a Curva Característica Operatória do Receptor (AUROC), sensibilidade, especificidade, Índice de Youden e escores de Brier.

Principais Resultados

• Características da Amostra: 7% ($n=77$) da amostra foi classificada como em risco de psicopatologia dissociativa. Este grupo foi significativamente mais jovem, relatou níveis mais altos de trauma e exibiu pontuações elevadas em todas as medidas de REVS e dissociação em comparação com o grupo de não risco.
• Estrutura Fatorial: A análise bifatorial confirmou que um único fator geral melhor explicava a subescala comportamental, enquanto a subescala de involuntariedade exigia uma solução de dois fatores (geral e perceptual).
• Desempenho do Modelo:
  • O modelo elastic net reteve 9 dos 10 preditores.
  • O modelo alcançou uma AUROC de 0,77 (IC 95%: 0,73–0,82), indicando boa discriminação.
  • A sensibilidade foi de 78%, enquanto a especificidade foi de 67%.
  • O escore de Brier foi 0,06, refletindo excelente ajuste do modelo, com o conjunto de preditores explicando 75% do erro quadrático médio.
• Significância dos Preditores:
  • Idade foi a única variável a atingir significância estatística no modelo final (coeficiente negativo, indicando que o risco diminui com a idade).
  • Trauma (TEC) e medidas de REVS (BSS-C, BSS:I-PF) foram retidos no modelo, mas não foram individualmente significativos, provavelmente devido à alta multicolinearidade e às propriedades de contração do elastic net.
  • Termos de interação (por exemplo, Idade × TEC, BSS-C × TEC) foram retidos, mas mostraram efeitos fracos.
  • Notavelmente, o tamanho do efeito para o BSS-C (incorporando involuntariedade) foi maior do que para o trauma, sugerindo o valor agregado de avaliar o senso de agência.
• Robustez: Uma análise secundária usando um limiar de pontuação total da DES (>30) produziu resultados quase idênticos (AUROC = 0,762), confirmando a estabilidade do modelo através de diferentes definições de status em risco.

Principais Contribuições

1. Integração de Trauma e REVS: O estudo demonstra que o trauma de desenvolvimento e a REVS de traço podem ser integrados com sucesso em um único quadro preditivo, apoiando o modelo de Diátese-Estresse, onde a sugestionabilidade pode moderar o impacto do trauma.
2. Inclusão da Involuntariedade: Ao utilizar modelagem bifatorial, o estudo destaca que a involuntariedade percebida das respostas às sugestões é um componente crítico da REVS no contexto da dissociação, oferecendo um preditor mais matizado do que a resposta comportamental isolada.
3. Previsão Multivariada: O artigo vai além das associações univariadas para fornecer um modelo multivariado que identifica indivíduos em risco com precisão moderada (77% de probabilidade de classificação), abordando a necessidade de melhores ferramentas de identificação precoce.
4. Rigor Metodológico: O uso de uma medida padronizada e automatizada de sugestionabilidade (BSS) contorna efeitos do experimentador, e o uso de regressão elastic net permite a seleção de variáveis na presença de preditores correlacionados.

Significância e Alegações
Os autores afirmam que essas descobertas reforçam o trauma e a REVS de traço como fatores de risco para psicopatologia dissociativa e demonstram que eles podem ser combinados para identificar indivíduos em risco. O estudo sugere que o risco de psicopatologia dissociativa não é impulsionado apenas pelo trauma, mas reflete uma constelação de características cognitivas (especificamente o senso alterado de agência/involuntariedade) e fatores demográficos.

O artigo mantém um tom modesto em relação à aplicação clínica. Afirma explicitamente que o modelo é atualmente baseado em uma amostra não clínica e carece de validação externa; portanto, não deve ser usado para diagnóstico clínico ou para orientar a prática nesta fase. Os autores postulam que o modelo estabelece uma base para pesquisas futuras e estratégias potenciais de identificação precoce, desde que sejam conduzidas replicação independente, a inclusão de medidas de trauma refinadas e validação contra entrevistas clínicas (por exemplo, SCID-D). O trabalho desafia a visão de que a dissociação não está relacionada à sugestionabilidade e argumenta contra a redução da ligação entre REVS e dissociação apenas a questões de iatrogenia ou memória falsa.