En aquesta tesi s’apliquen i desenvolupen models estadístics amb variables latents per a l’anàlisi conjunt (multivariant) de trastorns mentals, com a instrument de mesura en estudis epidemiològics. En l’anàlisi multivariant dels trastorns mentals no només es mesura la presència dels trastorns, sinó que també es té en compte les seves associacions, ajustant directament la comorbiditat mental, i permetent quantificar estats de salut psíquica individuals que no es poden observar directament. L’estructura de comorbiditat es construeix a partir d’estudis psiquiàtrics conceptuals previs.
S’utilitzen models de tipus IRT (Item Response Theory) per construir les mesures dimensionals de salut mental que no es poden observar directament (les variables latents) a partir de la informació observada, categòrica, sobre els trastorns mentals. Els models de variables latents modelitzen simultàniament les variables observades i els individus.
Al llarg d’aquesta tesi es demostra que els trastorns mentals definits categòricament segons el manual DSM-IV responen a fenòmens dimensionals. Els trastorns mentals més rellevants poden agrupar-se en un nombre petit de dimensions, i dins de cada dimensió existeix una gradació dels nivells de salut. Aquests models poden utilitzar-se per descriure nivells de salut mental d’una població en un moment determinat (utilitzant informació sobre trastorns patits en aquell moment) o per a estimar la predisposició a patir trastorns mentals en algun moment de la vida (trastorns vida).
En aquesta tesi es realitzen estudis epidemiològics de la salut mental, enfocats en considerar la comorbiditat mental i l’estimació de les dimensions subjacents als trastorns observats, i modelant l’existència d’una classe sense trastorn (‘sana’) i ‘malalta’ dins la població. Les dades consisteixen en una mostra representativa de la població europea (ESEMeD). S’analitza l’estat ‘actual’ de la població per mitjà dels trastorns patits en l’últim any i es desenvolupa una metodologia per analitzar els trastorns vida tenint en compte que es disposa de mesures retrospectives, en les quals la informació sobre aparició de trastorns es troba censurada per la dreta (la gent sense
trastorn observat fins al moment de la recollida de dades pot estar encara a risc de patir-lo en el futur). També es formulen i apliquen models on la dimensionalitat latent es mesura de manera discreta-ordinal, en comptes de l’assumpció contínua utilitzada habitualment. Cadascun d’aquests models descriuen diferents aspectes del la salut mental en la població europea. / Latent variable statistical models are developed and applied to the joint (multivariate) analyses of mental disorders, as measurement instruments for epidemiological studies. Multivariate analyses of mental disorders does not only take into account their presence, but also their associations, straightly modelling the mental comorbidity and allowing to (quantitatively) estimate underlying mental health states, which are not directly observable (non-manifested). Comorbidity structures were built upon previous conceptual psychiatric studies. Item Response Theory (IRT) models were used to estimate the non-manifested psychiatric dimensions (latent variables), based on the categorical manifested (observed) mental disorder information. Latent variable models allow for analysing the observed variables and the individuals, jointly.
Along this research work has been shown that the categorical DSM-IV definitions of mental disorders follow dimensional constructs. Most relevant mental disorders can be grouped in small number of dimensions; within each dimension there is a gradation of mental health states. The presented latent variable statistical models can describe population mental health states at some specific time-point (e.g. current or 12-month observed disorders) or the individual predisposition to suffer from mental disorders at any moment in life (lifetime disorders).
Mental health epidemiological studies were conducted, based on the dimensional structures of mental comorbidity that underlies to the manifested disorders. Given that only a minor proportion of the general population suffers from mental disorders, it was included in the statistical model the distinction (also latent) between individuals with and without mental disorders (‘ill’ and ‘healthy’, respectively). Data come from an European population representative sample (ESEMeD). First, the population’s current mental health state was analysed, based on the disorders suffered in their last year. Second, a new methodology has been developed in order to analyse the lifetime disorders, taking into account that only retrospective information was available, in which disorder’s onset information is right-censored (individuals without a mental disorder at the interview time-point may be still at risk to suffer it in the future). Moreover, it has been formulated and applied latent variable statistical models in which the dimensionality is modelled in a discrete-ordinal way, instead of the common continuous assumption. Each of these models describes different aspects of the European mental health states.
| Identifer | oai:union.ndltd.org:TDX_UB/oai:www.tdx.cat:10803/35814 |
| Date | 14 January 2011 |
| Creators | Almansa Ortiz, Josué |
| Contributors | Vermunt, Jeroen K., Alonso Caballero, Jordi, Monleón Getino, Toni, Universitat de Barcelona. Departament d'Estadística |
| Publisher | Universitat de Barcelona |
| Source Sets | Universitat de Barcelona |
| Language | Catalan |
| Detected Language | English |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Format | 190 p., application/pdf |
| Source | TDX (Tesis Doctorals en Xarxa) |
| Rights | info:eu-repo/semantics/openAccess, ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. |
Page generated in 0.0025 seconds