Longitudinal Assessment of Mental Health Disorders and Comorbidities Across 4 Decades Among Participants in the Dunedin Birth Cohort Study

Avshalom Caspi,PhD1,2,3,4,5; Renate M.Houts,PhD1;Anton Ambler, MS4,6; et al

JAMA Netw Open. 2020;3(4):e203221. doi:10.1001/jamanetworkopen.2020.3221

Los trastornos mentales son cada vez más comunes. En este estudio se propone una manera más eficaz de comprender los trastornos que podría revolucionar la salud mental.

Cada vez hay más evidencia de que no estamos tratando a los trastornos mentales del mejor modo posible. Los modelos dedicados a explicarlos (p. ej: DSM-5, CIE 11) son limitados en muchos aspectos, aunque esto se intuía ya desde su creación. A lo largo de los años, hemos logrado conseguir mejores herramientas para entenderlos y tratarlos. Por tanto, los modelos con los que trabajamos se han quedado obsoletos.

Uno de los supuestos del modelo obsoleto es que los trastornos mentales son entidades sin historia detrás. Entidas espontáneas sin pasado. Si una depresión se manifiesta en un momento estresante (p. ej.: la excesiva carga de trabajo), el terapeuta lo intentará resolver de cara al evento más próximo en su desenlace ignorando el resto de causas involucradas.

En este estudio que evaluó a sus participantes a lo largo de cuatro décadas, los autores proponen ubicar los trastornos mentales dentro del contexto de toda la historia del paciente. Los autores encontraron evidencias de que los trastornos mentales afectan de forma dinámica y no estática como se creía antes.

Es por esta razón que la psicología estimula la creación de herramientas (evaluación continua) que evalúen la predisposición de una persona a sufrir de determinados trastornos a lo largo de su vida porque mientras más información se tenga del dinamismo psicológico-social de una persona, mejores intervenciones se podrán diseñar para ellas.

Posts Relacionados

Blog

White Paper. La Salud Mental en el Trabajo: 3. El Impacto Clínico esperado

Reducir los tiempos de recuperación y mejorar la adherencia al tratamiento en salud mental es un reto clave. Con el modelo MetrikaMind, podemos alcanzar tasas de recuperación del 58%, frente al 18% del tratamiento tradicional. Además, la implementación de estrategias de atención temprana y seguimiento integral puede disminuir los plazos de incapacidad temporal hasta en un 70%.

Leer más»
Knowledge

IA y Salud Mental: Promesas, Riesgos y la Necesidad de una Regulación Ética

La inteligencia artificial (IA) está transformando la atención en salud mental con avances que van desde la automatización de tareas administrativas hasta herramientas de diagnóstico y terapias digitales. Sin embargo, el reciente informe de Mental Health Europe destaca que, si bien la IA puede mejorar el acceso a la atención y personalizar tratamientos, también conlleva riesgos significativos si no se implementa con un marco ético adecuado.

Leer más»