Sur la réplication et la résilience psychologique

À quel point les gens sont-ils résilients à la perte d'un être cher, à une catastrophe naturelle, à une attaque terroriste ou à une autre expérience redoutée? La question est évidemment importante, et pendant longtemps, on a supposé que la réponse était: pas très. En partie parce que les populations cliniques prédominaient dans les premières recherches, il est apparu que la plupart des gens mettaient du temps à surmonter une adversité significative.

Nous savons maintenant que ce n'est pas vrai. Nous le savons sur la base d'une abondante littérature examinant les conséquences de nombreux événements aversifs (attaques terroristes, déploiement militaire, fusillades de masse, deuil, chirurgie du cancer du sein, blessure traumatique et crise cardiaque).

La plupart des gens passent à travers ces expériences. Ils peuvent éprouver une certaine détresse initiale de courte durée, mais ils retournent à leur fonctionnement antérieur assez rapidement, restent capables de ressentir des émotions positives et conservent la capacité d'expériences génératives. Plus que n'importe qui d'autre, George Bonanno, professeur à l'université de Columbia, a décrit ces capacités dans un vaste corpus de travaux. Il a renversé un certain nombre d'hypothèses erronées au sujet de la vulnérabilité des personnes à des expériences potentiellement traumatisantes et de la façon dont nous y faisons face.

Néanmoins, un article récent se concentre sur le travail de Bonanno en cherchant à «reproduire» deux articles récents démontrant la prévalence de résultats résilients. (Divulgation complète: je suis un ami de longue date et un collaborateur de Bonanno, le premier auteur sur un papier, et le troisième auteur de l'autre.Il n'a pas participé à l'écriture de ce blog.)

• Dans ces temps turbulents, divisés, plomb avec la beauté
• Nouveau livre: L'art subtil de ne pas donner de F * ck
• L'amour comme pièce jointe
• Pourquoi chaque psychothérapeute a besoin de comprendre la sociologie
• Je ne peux pas manger de steak plus

Quelle est la fréquence de la résilience?

Publié dans un journal prestigieux, Perspectives on Psychological Science , ce récent article de Frank Infurna, professeur adjoint à Arizona State, et Suniya Luthar, également professeur à l'Arizona State et spécialiste reconnu de la résilience des enfants, est intitulé: " La résilience aux facteurs de stress majeurs n'est pas aussi répandue qu'on le pensait »(Infurna et Luthar, 2016). Comme il le suggère, ils maintiennent que les estimations antérieures de la résilience (et la littérature sur la résilience dans sa totalité) sont fausses.

Ont-ils raison?

• Les gens qui diront n'importe quoi pour gagner un argument
• L'objectif de perte de poids insaisissable
• La parentalité à la danoise peut-elle être appliquée ailleurs?
• Quelques réflexions sur le changement pour le mieux
• 5 conseils pour transformer votre amour de la lecture en carrière

Répliquer le travail précédent sur la résilience

Tout d'abord, un peu de recul: une tempête de feu a fait rage sur les pratiques de recherche de routine des psychologues, ce qui conduit à la préoccupation que de nombreux résultats de recherche publiés sont en réalité faux. L'allumette qui a allumé cette tempête était le papier maintenant célèbre (ou infâme) de Daryl Bem sur l'ESP, et l'essence qui l'a transformé en incendie d'entrepôt de cinq alarmes était un effort à grande échelle pour reproduire systématiquement 100 résultats dans des revues bien connues. Les résultats dégrisant – seulement 38 pour cent clairement reproduits – ont fait la première page du New York Times (pas un exploit moyen) et ont continué à générer des controverses de son propre chef. Voir ici et ici pour débattre des conclusions de cette étude.

Au fur et à mesure que ces problèmes étaient mis en avant, la réplication ou la capacité de reproduire un résultat antérieur devenait une cause célèbre, faisant des superstars de la recherche de ses partisans et alimentant les mouvements vers l'ouverture et la transparence de la science plus largement. Rares sont ceux qui douteraient que ces développements étaient en retard et salutaires pour la science psychologique. Néanmoins, dans ce contexte, l'article d'Infurna et de Luthar a eu un éclat particulier.

En effet, leur première phrase saisit le zeitgeist de réplication par les cols de chemises: "Reconnaissant l'importance de reproduire des découvertes majeures en psychologie, nous nous sommes concentrés sur des réclamations récurrentes de résilience." Ils prétendent que les estimations précédentes de résilience ont été largement exagérées et utilisent une réanalyse des données que nous avons précédemment publiées pour soutenir leur demande (voir ici et ici). Leurs résultats semblent montrer que moins de la moitié résistent à la perte du conjoint (47%); environ un tiers pour divorcer (36%); et moins de la moitié au chômage (48%).

Je soutiendrai que leurs conclusions sont basées sur:

• a) des décisions statistiques discutables dans leurs analyses de trajectoire;
• b) des inférences particulièrement fortes à partir de découvertes qui étaient, en fait, extraordinairement confuses;
• c) une compréhension opérationnelle imprécise de la résilience.

J'ajouterais aussi que leur étude n'est pas une réplication, mais une réanalyse , comme mes co-auteurs l'expliquent ici.

Méthodes de détermination de la résilience

Il y a beaucoup de façons de déterminer les taux de résilience. Une technique de plus en plus utilisée est appelée analyse de trajectoire latente (la modélisation du mélange de croissance latente est le terme technique). Cette technique regroupe les personnes qui ont connu l'adversité dans différents modèles de réaction au fil du temps et fournit une estimation approximative de la résilience et d'autres réactions. Ces estimations ne sont pas parfaites. Mais lorsque les analyses sont effectuées avec soin, elles fournissent un bon indice du nombre de personnes qui montrent, par exemple, la résilience par rapport aux réactions du SSPT (voir ici).

Infurna et Luthar effectuent une analyse de trajectoire en utilisant de grands échantillons de personnes qui ont subi soit la perte d'un conjoint, soit un divorce, soit un chômage. Ils analysent un échantillon qui se chevauche avec celui de notre article original en utilisant la même technique mais avec des spécifications de modèle très différentes.

En tant que personne qui a publié de nombreuses études de trajectoires, je les connais d'un point de vue technique et conceptuel. Ils nécessitent un degré inhabituel de jugement à effectuer, et une question clé concerne la façon dont vous concevez votre modèle statistique. Deux préoccupations doivent être équilibrées. Sans entrer dans les détails techniques, vous devez fournir une structure globale pour votre modèle qui, selon vous, reflète les données sous-jacentes. Mais vous essayez également de fournir suffisamment de liberté pour que les données ne soient pas forcément forcées dans votre structure.

L'équilibre entre la structure imposante et la liberté est une tension inhérente aux analyses de trajectoire. Il n'y a pas de règles absolues pour atteindre cet équilibre. Mais il y a deux critères clairs qui guident votre prise de décision. Un critère est qu'un meilleur modèle est celui qui correspond le mieux aux données sous-jacentes (en fonction de diverses mesures d'ajustement relatif). Un autre est qu'un meilleur modèle est celui que vous pouvez comprendre (interpréter ou aligner avec la théorie existante).

Comment Infurna et Luthar ont-ils effectué leur analyse de trajectoire? Ils ont opté, à un degré extraordinaire, pour offrir la liberté dans leurs modèles. Autrement dit, ils ont opté contre la structure imposante. Un problème potentiel avec cette approche est que les données sous-jacentes sont mal représentées, et, par conséquent, le modèle ne correspond pas très bien. En fait, ils ont produit un modèle qui avait manifestement un mauvais ajustement, bien pire que le modèle que nous avons développé. Une façon d'évaluer cela est de voir avec quelle précision vous classer les personnes dans une trajectoire par rapport aux autres. Dans leur analyse du deuil, l'entropie, une mesure de la précision de la classification, était de 0,58, ce qui serait considéré comme médiocre. En revanche, dans nos analyses, l'entropie était de 0,70.

Ils ont également choisi de ne pas lier les trajectoires à des résultats significatifs (comme nous l'avons fait dans notre document original). Cela aurait aidé à faire la lumière sur leur signification ou leur validité. Au lieu de cela, leurs analyses reposaient entièrement sur une seule mesure des résultats, aucun autre point de données n'étant utilisé. En conséquence, les trajectoires étaient, à toutes fins utiles, dénuées de sens (c'est-à-dire ininterprétables).

Ne me croyez pas sur parole. Regardons le modèle qu'ils ont produit pour le deuil. Ci-dessous, vous verrez deux trajectoires différentes de la satisfaction de la vie au cours de la période de 11 ans de l'étude (le point de temps intermédiaire est la perte). Selon les auteurs, l'une de ces trajectoires est la résilience et l'une est la récupération. (Les données et la syntaxe des auteurs sont ici sur Open Science Framework.)

Une question simple: Quelle est la trajectoire de la résilience? Si vous ne connaissez pas la réponse, vous n'êtes pas seul. Je ne le ferais certainement pas. Les trajectoires sont identiques. Chacun montre une baisse similaire de la satisfaction de la vie au moment de la perte. Chacun revient à ses niveaux de référence à peu près au même moment. Mais une trajectoire (la plus haute) est étiquetée comme résilience et l'autre (la plus basse) est étiquetée comme récupération. En fait, les deux trajectoires devraient être appelées «résilience» (rebondissant là où l'on a commencé), aboutissant à la conclusion d'Alice au pays des merveilles selon laquelle tout le monde est résilient (100%).

Comparaison des résultats de trajectoire

Comparez leur résultat avec la solution de trajectoire que mes collègues et moi avons identifiée dans notre article original. Notez que nos trajectoires ne sont pas seulement distinctives mais correspondent également à des modèles théoriquement pertinents. Nous avons trouvé un groupe qui est considérablement affecté par la perte (trajectoire bleue: 21,3%), ce qui représente une réaction de chagrin prolongée. Nous en avons trouvé un qui est modestement affecté (trajectoire noire: 58,7%), que nous avons appelé résilience. Nous avons également trouvé un groupe qui s'améliore (trajectoire verte: 5,4%), un phénomène précédemment documenté et probablement véridique. Nous avons également trouvé un groupe qui fonctionnait peu avant et qui fonctionnait peu après la perte, affichant peu de réaction (trajectoire rouge: 14,6%). Je laisse au lecteur le soin de décider laquelle des solutions de trajectoire a le plus de sens.

Comment ont-ils transformé notre analyse originale en bouillie? En permettant beaucoup trop de liberté dans leurs modèles. J'ai conduit et lu de nombreuses analyses de trajectoires, et celle-ci se démarque de toutes les autres que j'ai jamais rencontrées. Ils font un argument laborieux au nom de cette décision. Mais finalement, quand le résultat ne correspond pas à une théorie sur la façon dont les gens réagissent à la perte et n'a pas beaucoup de sens, il y a peu de soutien dans la littérature pour décider d'aller de l'avant de toute façon.

Conclusions expansives et injustifiées

Néanmoins, les auteurs tirent des conclusions expansives injustifiées. "Considérés collectivement, ces facteurs soulignent l'inopportunité de toute déclaration sur les taux de résilience." Mais le titre de l'article est "La résilience n'est pas aussi commune qu'on l'a pensé"; vous ne pouvez pas l'avoir dans les deux sens.

Ils soutiennent également que la résilience n'est pas distincte de la reprise. «D'un point de vue scientifique, nos résultats soulignent la nécessité de réexaminer non seulement les conclusions selon lesquelles la résilience est la réponse modale à l'adversité, mais aussi qu'elle est distincte du rétablissement.» Les propres décisions analytiques des auteurs ont joué un rôle important. Cependant, cette possibilité n'est pas reconnue comme une limitation potentielle de leur approche.

En outre, si cette dernière conclusion est vraie, à savoir que la résilience et le rétablissement ne sont pas distincts, la conclusion principale selon laquelle la résilience n'est pas commune est nulle et non avenue.

En bref, les auteurs font des revendications générales – et des licenciements radicaux – sur la base de résultats difficiles à comprendre. Ils utilisent des analyses à variable unique du deuil, du divorce et du chômage pour rejeter les conclusions soutenues par des douzaines d'études utilisant différentes méthodes, différents échantillons et différents événements traumatiques.

La connaissance scientifique est toujours en mouvement, et il reste possible que la résilience ne soit pas commune. Pour autant que je puisse voir, ce document ne le démontre pas.

^{Les références}

^{Bonanno, GA (2004). Perte, traumatisme et résilience humaine: avons-nous sous-estimé la capacité humaine à prospérer après des événements extrêmement aversifs? Psychologue américain, 59 (1), 20-28. doi: 10.1037 / 0003-066X.59.1.20}

^{Galatzer-Levy, IR, & Bonanno, GA (2016). Il n'est pas si facile de faire disparaître la résilience: Commentaire sur Infurna et Luthar (2016). Perspectives on Psychological Science, 11 (2), 195-198. doi: 10.1177 / 1745691615621277}

^{Galatzer-Levy, IR, Bonanno, GA, et Mancini, AD (2010). De Marianthal à la modélisation du mélange de croissance latente: Un retour à l'exploration des différences individuelles en réponse au chômage. Journal of Neuroscience, Psychology, and Economics, 3 (2), 116-125. doi: 10.1037 / a0020077}

^{Infurna, FJ, et Luthar, SS (2016). La résilience aux principaux facteurs de stress de la vie n'est pas aussi commune que la pensée. Perspectives on Psychological Science, 11 (2), 175-194. doi: 10.1177 / 1745691615621271}

^{Mancini, AD, Bonanno, GA et Clark, A. (2011). Se retirer du tapis roulant hédonique: Différences individuelles en réponse à des événements majeurs de la vie Journal of Individual Differences, 32 (3), 144-152. doi: 10.1027 / 1614-0001 / a00004}