Struktura czynnikowa grupy połączonej

Struktura czynnikowa grupy połączonej charakteryzuje się złożonością i wielowymiarowością podobnie jak w poprzednio analizowanych populacjach. Klinicznie interpretowalne wymiary, takie jak depresji i atypowej depresji, manii, dezorganizacji, uzależnieniowy, pozytywny/urojeniowy, negatywny, funkcjonowania społecznego oraz psychotyczny, wyjaśniają 64% wariancji pierwotnego zbioru danych.

4.4.1. Porównanie modeli w zależności od użytej skali/metody.

Wartość KMO wskazuje na statystyczną użyteczność matrycy użytej do obliczeń (Rycina 20). W całej analizowanej populacji stwierdzono złożoną strukturę wymiarów pozytywnego/urojeniowego oraz depresji.

62

Rycina 20. Struktura czynnikowa grupy połączonej [114]. Kolorami oznaczono wymiary i podwymiary:

niebieski: depresja, zielony: mania, fioletowy: wymiar pozytywny/urojeniowy, pomarańczowy: wymiar dezorganizacyjny, różowy: wymiar funkcjonowania społecznego, ciemny różowy: wymiar psychotyczny, żółty:

wymiar negatywny, czerwony: wymiar uzależnieniowy, szary: łączny. PCA, ML: metody redukcji wymiarowości. W tabeli przedstawiono ładunki czynnikowe, z zastosowaniem rotacji promax.

Domena depresji wykazywała wrażliwość na wybór odpowiedniej skali oraz metody.

Główny podwymiar depresji (zmniejszona aktywność psychoruchowa, obniżenie energii/męczliwość, nastrój obniżony, anhedonia, obniżenie zdolności koncentracji, obniżony popęd seksualny, myśli samobójcze) pozostaje stabilny w modelach generowanych przez PCA oraz FA na przeskalowanym OPCRIT. Podwymiar zaburzeń snu oraz zaburzeń apetytu zostają wydzielone jako oddzielne jednostki i nie pojawiają się w strukturze generowanej za pomocą PCA podczas stosowania oryginalnej matrycy OPCRIT. Poczucie winy i urojenia

63

winy tworzą podwymiar tendencji samobójczych, który obecny jest wyłącznie w modelach generowanych przez analizę głównych składowych. Domena psychotyczna (urojenia dezorganizujące życie pacjenta, pierwotne postrzeganie urojeniowe, inne urojenia pierwotne, inne rodzaje halucynacji nieafektywnych) okazała się być bardzo wrażliwa na wybór skali/metody. Analiza czynnikowa wykrywa w tym przypadku identyczny wymiar, z pewnymi tylko różnicami w ładunkach czynnikowych, bez względu na skalę OPCRIT.

Natomiast zastosowanie metody PCA na oryginalnej skali OPCRIT nie pozwoliło na detekcję wymiaru psychotycznego. Domena manii (wzmożony napęd psychoruchowy, epizody zachowania lekkomyślnego, nadmierna przerzutowość uwagi, zmniejszona potrzeba snu, wielomówność, przyśpieszony tok myślenia, podwyższony nastrój, nastrój drażliwy, wzrost relacji interpersonalnych, wzmożone poczucie własnej wartości) oraz FRS1 (urojenia wpływu, pierwotne postrzeganie urojeniowe, automatyzmy ideacyjne, urojenia „odciągania”

myśli, urojenia odsłonięcia, nagłośnienie myśli) pozostają stabilne i niezmienne dla każdego z modeli. W przypadku drugiego z podwymiarów pozytywnych (FRS2) wydziela się jedna ze zmiennych (urojenia prześladowcze, zazdrości będące interpretacjami halucynacji). Domena opisująca funkcjonowanie społeczne (relacje społeczne przed chorobą, zatrudnienie przed chorobą) zostaje wydzielona wyłącznie przez metodę PCA zastosowaną na przeskalowanym OPCRIT.

Opisane powyżej różnice między wymiarami znajdują swoje odzwierciedlenie w wartościach współczynnika wewnętrznej spójności. W przypadku wymiaru manii wartość współczynnika wynosi 0,931 i jest najwyższa we wszystkich analizowanych grupach. Główny podwymiar depresji oraz podwymiar zaburzeń snu charakteryzuje niższy poziom α Cronbacha niż w przypadku BP, obserwujemy w tym wypadku spadek z 0,8874 do 0,871 oraz z 0,7491 do 0,6956, odpowiednio dla obu podwymiarów. Oba podwymiary urojeniowe cechuje wysoka spójność wewnętrzna, która jest wyższa niż w grupie schizofrenii. W przypadku podwymiaru pozytywnego FRS2 współczynnik rośnie z 0,8537 do 0,8832.

64

Rycina 21. Współczynniki korelacji między wymiarami grupy połączonej [114]. Oznaczenia wymiarów/podwymiarów: dep1- główny podwymiar depresji; poz1, poz2- podwymiary pozytywne/urojeniowe;

psych- psychotyczny; dez- dezorganizacji; uzal.- uzależnieniowy; al- uzależnienie od alkoholu; ne- negatywny;

spol- funkcjonowania społecznego; zab.ap- zaburzenia apetytu.

Współczynniki korelacji między wymiarami przyjmują najwyższe wartości w grupie połączonej. Wysoką, negatywną korelację (r=-0,598) stwierdzono między wymiarami manii oraz dezorganizacji. Z kolei istotną, pozytywną zależność (r=0,585) wykryto dla domeny dezorganizacji oraz części pozytywnej/urojeniowej. Zaobserwowano także korelacje między podwymiarami wymiaru pozytywnego (r=0,574), zaburzeniami snu i apetytu (r=0,440), oraz zaburzeniami snu i głównym podwymiarem depresji (r=0,497). Ze względu na wysokie współczynniki korelacji zaprezentowana została struktura wymiarów otrzymana przy pomocy rotacji promax. Rotacja varimax generowała wysoce niestabilne modele w całej analizowanej populacji, bez względu na zastosowaną skalę/metodę. Z kolei w przypadku populacji schizofrenii oraz schorzenia afektywnego dwubiegunowego różnice były niezauważalne.

4.4.2. Stabilność uzyskanej struktury

Najniższą skutecznością wykazała się metoda PCA, którą stosowano na oryginalnym OPCRIT. Nie umożliwiła ona wykrycia domeny psychotycznej, dezorganizacji oraz podwymiarów zaburzeń snu i apetytu. Wyniki wyższej jakości w przypadku oryginalnej skali OPCRIT otrzymywano przy pomocy analizy czynnikowej. Takie podejście umożliwiło detekcję typowych domen, takich jak psychotyczna i dezorganizacji, zbudowanych z mniejszej liczby zmiennych. Przykładowo, na skutek rozpadu głównego podwymiaru depresji wyłoniła się jednostka trudna do zidentyfikowania (zmniejszona aktywność psychoruchowa, obniżenie energii/nadmierna męczliwość). Skuteczność analiz czynnikowej oraz głównych składowych na przeskalowanej matrycy jest zbliżona. Na korzyść PCA przemawia wykrycie wymiaru zaburzeń społecznych.

65

Rycina 22 przedstawia zależność stabilności uzyskanej struktury od użytych parametrów.

Dla metody FA zastosowanej na danych w skali 0-3 można zaobserwować gwałtowny spadek skuteczności działania algorytmu przy podziale na 12 i więcej czynników (linia jasnoniebieska na wykresie). Zachodzi wówczas rozpad uprzednio zidentyfikowanych zbiorów, co zwiększa różnicę między liczbą wymiarów klinicznie interpretowalnych i wydzielonych. Zastosowanie PCA na tej samej skali generuje modele wyższej jakości, to znaczy z mniejszą liczbą małych zbiorów trudnych do interpretacji. Podczas wyodrębniania składowych w liczbie 12 i więcej zaobserwowano liniowy wzrost skuteczności. Skuteczność metod PCA i FA pozostaje taka sama przy podziale na 5-8 czynników. W przedziale parametrów 9-12 wykresy obrazujące skuteczność działania analizy głównych składowych oraz czynnikowej stanowią linie równoległe (Rycina 22). Podobna sytuacja zachodzi w przypadku modeli uzyskanych dla skali 0-3.

Rycina 22. Zmienność i stabilność uzyskanej struktury (rotacja promax). Oznaczenia wymiarów podywmiarów: dep: depresja, suic-suicydalny; zab.ap- zaburzenia apetytu; at- atypowa depresja, poz.- pozytywny/urojeniowy; psych- psychotyczny; dez- dezorganizacyjny; ne – negatywny; zab.snu- zaburzeń snu;

zab.pos- zaburzenia postrzegania; nn- wymiar klinicznie niemożliwy do opisania. Oznaczenia zdarzeń: m- dzielenie się wymiarów, ** całkowity rozpad wymiaru, * częściowy rozpad wymiaru. Oś X przedstawia liczbę wyróżnionych wymiarów, oś Y liczbę wymiarów wyjaśnianych klinicznie .

W przypadku matrycy przeskalowanej, modele uzyskane z pomocą metod PCA oraz FA można traktować jako konkurencyjne. Wydzielenie 13 czynników/składowych powoduje powstanie różnicy na korzyść analizy głównych składowych. Wykres wraz z strukturą wymiarową sugeruje, że podobnie jak w poprzednio analizowanych populacjach, najlepsze modele generuje metoda PCA stosowana na przeskalowanym OPCRIT.

66