Belirtiler Bir Zincirin Halkaları mıdır? Psikoterapide “Karmaşık Ağ” Yaklaşımı

Bir danışanın karşınıza oturduğunu ve şöyle dediğini hayal edelim: “Uyuyamıyorum, uyuyamadığım için gün boyu yorgunum, yorgun olduğum için hiçbir şeye konsantre olamıyorum, konsantre olamadığım için işte hata yapıyorum, hata yaptıkça da kendimi değersiz hissediyorum… ve geceleri yine bunları düşünerek uyuyamıyorum.”

Bu cümleyi dikkatle dinleyelim. Danışan bize bir “hastalığın belirtilerini” saymıyor aslında, bir döngüyü tarif ediyor. Her bir sorun bir sonrakini besliyor, en sonunda da halka başa dönüyor. Peki ya ruhsal sıkıntılarımızı, altta yatan görünmez bir hastalığın yansımaları olarak değil de, birbirini tetikleyen belirtilerin oluşturduğu canlı bir ağ olarak düşünseydik? Son on beş yılda psikopatoloji araştırmalarında giderek daha fazla yer bulan “karmaşık ağ yaklaşımı” tam da bunu öneriyor (Robinaugh vd., 2020).

Temel Fikir: Görünmeyen hastalık mı, görünen bağlantılar mı?

Geleneksel bakış açısı yıllarca depresyon, kaygı ya da travma sonrası stres bozukluğu gibi tanıların, altta yatan bir “bozukluğun” varlığına işaret ettiğini, belirtilerin ise bu gizli hastalığın yüzeye vuran işaretleri olarak görülmesi şeklinde yorumladı (Borsboom, 2017). Bu modele göre uykusuzluk, isteksizlik ve değersizlik hissi aynı kökten, yani “depresyon”dan kaynaklanmakta, dolayısıyla belirtiler arasındaki ilişkilerin tesadüfi değil, ortak sebepli olduğu düşünülmektedir (Borsboom ve Cramer, 2013). Ağ yaklaşımı ise bu varsayımı tersine çeviriyor. Denny Borsboom ve meslektaşlarının geliştirdiği bu bakışa göre belirtiler, görünmeyen bir hastalığın pasif yansımaları değil, birbirini doğrudan etkileyen aktif unsurlardır (Borsboom, 2017). Uykusuzluk yorgunluğa, yorgunluk konsantrasyon güçlüğüne, o da başarısızlık hissine yol açabilir. Bu görüşe göre “depresyon” dediğimiz şey, belirtilerin birbirini yeterince güçlü biçimde besleyip kendi kendini sürdüren bir döngüye dönüştüğünde ortaya çıkan durumun adıdır (Borsboom, 2017; Robinaugh vd., 2020). Yani bozukluk, belirtilerin arkasında değil, aralarındaki bağlantılarda yaşıyor olabilir (Borsboom ve Cramer, 2013). Bakıldığında, kısır döngü fikri terapistler için yabancı değildir. Bilişsel-davranışçı formülasyonlar uzun zamandır belirtilerin birbirini nasıl sürdürdüğünü çizmektedir (Clark, 1986). Ağ yaklaşımının yeniliği ise bu sezgiyi veriyle sınanabilir, kişiye özgü ve nicel bir harita hâline getirmesindedir.

Ağ nasıl çalışır? Düğümler, bağlantılar ve kısır döngüler Bu yaklaşımı anlamak için iki kavramın anlamı üzerinde durulması gerekmektedir (Epskamp vd., 2018): Düğümler (nodes): Ağdaki her bir belirti bir düğümdür. Uykusuzluk, bitkinlik, kaygılı düşünceler, kaçınma davranışı, suçluluk hissi. Her biri ayrı birer düğüm olarak ele alınır (Epskamp vd., 2018). Bağlantılar (edges): Düğümler arasındaki etkileşim çizgileridir. Bir belirti diğerini ne kadar güçlü tetikliyorsa, aradaki bağlantı da o kadar kalındır (Epskamp vd., 2018). Bu çerçevede ruhsal sıkıntı, bir “kısır döngü” olarak somutlaşır. Panik atak yaşayan biri çarpıntı hisseder, çarpıntıyı “kalp krizi geçiriyorum” diye yorumlar, bu düşünce kaygıyı artırır, artan kaygı çarpıntıyı şiddetlendirir ve döngü kendi kendini besleyerek bir panik atağa dönüşür. Burada görünmeyen bir hastalık değil, birbirini kışkırtan birkaç belirti vardır (Borsboom, 2017; Clark, 1986). Nitekim olumsuz duygular ile bunlara eşlik eden kaçınma davranışları arasındaki bağlantı ekolojik anlık değerlendirme verileriyle ağ analizi kullanılarak incelenmiştir ve bu bağlantı kaygıyla ilişkili sıkıntının sürmesinde önemli görünmektedir (Meine vd., 2024). Bu bakışın en çarpıcı sonucu ise şudur: bir ağ yeterince güçlü bağlantılara sahipse, tetikleyici ortadan kalksa bile kendini sürdürebilir (Borsboom, 2017). Travmanın kendisi çoktan geçmişte kalmış olsa da kâbuslar, aşırı tetikte olma hâli ve kaçınma birbirini beslemeye devam ettiği için kişi iyileşemeyebilir. Psikopatolojide bu olgu, sistem bir kez “açık” konuma geçtiğinde onu açan etken kaybolsa dahi kendiliğinden kapanmaması anlamına gelen histerezis ile açıklanmaktadır (Borsboom, 2017; Robinaugh vd., 2020).

Kişiye Özgü Haritalar

Belki de bu yaklaşımın terapi odasına getirdiği en ilgi çekici yenilik budur. İki danışan aynı “depresyon” tanısını alabilir, ama birinin ağının merkezinde uyku sorunları, diğerininkinde ise suçluluk ve kendini suçlama bulunabilir (Schenström vd., 2025). Bu yaklaşımın kişiye özgü (idiyografik) olmasının önemli bir gerekçesi, grup verisinden çıkan bulguların tek tek bireylerin dinamiklerini yansıtmayabilir olabileceğidir (Fisher vd., 2018). Bu nedenle araştırmacılar, danışanlardan günde birkaç kez ruh hâllerini kaydetmelerini isteyen ekolojik anlık değerlendirme (EMA) yöntemiyle kişiye özgü ağlar oluşturmaya başlamışlardır (Tseng vd., 2023). Bir danışan haftalarca “Şu an ne kadar kaygılıyım? Ne kadar yorgunum? Ne kadar yalnız hissediyorum?” sorularını yanıtlar ve bu veriler birleştirildiğinde o kişiye özel bir belirti haritası ortaya çıkar (Tseng vd., 2023; Harris vd., 2025). Böyle kişiselleştirilmiş belirti ağları, psikiyatrik vaka formülasyonunu güçlendirebilecek yeni bir araç olarak ilgi görmektedir (Schenström vd., 2025). Bu, standart bir tanı etiketinin tek başına veremeyeceği bir bilgidir. Çünkü artık yalnızca “depresyonu” değil de, bu insanın sorununu ele alınmasına imkan sağlayabilmektedir (Schenström vd., 2025).

Peki terapi odasında merkezi belirtilere mi yoksa köprülere mi dokunulması gerekiyor?

Ağ yaklaşımının terapiste sunduğu en pratik soru şudur aslında: Ağın neresine müdahale etmek, sistem üzerinde en büyük etkiyi yaratır? (Hofmann vd., 2025).

Merkezi belirtiler (central symptoms): Ağda çok sayıda bağlantıya sahip, yani pek çok başka belirtiyi besleyen düğümlerdir. İdiyografik ağ analizi, bu yüksek etkili belirtileri saptayarak tedavi hedeflerinin belirlenmesine yardımcı olabilir (Castro, 2023). Bir danışanın ağında “ruminasyon” merkezdeyse, doğrudan bu belirtiye yönelen bir müdahalenin ona bağlı döngüleri gevşetip diğer belirtilere de yansıması beklenebilir (Castro, 2023; Hofmann vd., 2025). Ancak bu fikir henüz klinik olarak yeterince sınanmış değildir. Merkezi belirtiyi hedeflemenin sonuçları iyileştirdiğini gösteren kontrollü kanıt sınırlıdır ve merkezilik ölçütlerinin tam olarak ne ölçtüğü de tartışmalıdır (Bringmann vd., 2019). Bu nedenle merkezi belirtiler, kanıtlanmış bir reçete olarak değil, test edilecek bir hipotez olarak okunulması gerektiği düşünülmektedir. Köprü belirtiler (bridge symptoms): İki farklı sorun kümesini birbirine bağlayan düğümlerdir. Depresyon ve kaygının sık sık bir arada görülmesi (komorbidite) geleneksel modelde bir muammaydı, fakat ağ yaklaşımına göre ise bunun bir nedeni, iki kümeyi birbirine bağlayan ortak köprü belirtilerin bulunması olabilir. Örneğin uyku sorunları hem kaygı hem depresyon ağını besleyebilir (Cramer vd., 2010; Jones vd., 2021). Terapide bu köprüyü hedeflemek iki sorunun birbirini ateşlemesini azaltabilir, ancak yine de bunun klinik sonuçlara yansıyıp yansımadığı ayrıca sınanmalıdır. Bu bakış terapiyi daha stratejik hâle getirme potansiyeli taşır. Yani, her belirtiyle aynı anda boğuşmak yerine, sistemin en etkili görünen noktasına odaklanmak mümkün olabilir (Hofmann vd., 2025). Ağ kuramı, vaka formülasyonu ve kişiye özgü tedavi seçimi için de değerli bir çerçeve sunmaktadır (Seewald vd., 2025). İdiyografik ağ modellerinin modüler ve yüksek düzeyde kişiselleştirilmiş bir tedavi planını yönlendirebileceği ise şimdilik kavram-kanıtı niteliğindeki çalışmalarla gösterilmiştir (Harris vd., 2025). Benzer biçimde Hofmann ve arkadaşlarının (2025) çalışması da, müdahale etkilerinin simülasyonla öngörülebileceğini gösteren bir kavram-kanıtıdır, yani gerçek terapi sonuçlarını doğrulayan bir çalışma niteliği taşımamaktadır.

Nüksü Önceden Görebilmek

Ağ yaklaşımının gelecek vadeden bir diğer alanı ise nüks ve ani kötüleşme tahminidir. Dinamik sistemler kuramında “kritik yavaşlama” denen olgu, bir sistemin eşik noktasına yaklaştıkça dalgalanmalarının birbirine daha çok benzemesi ve bozulmalardan toparlanmanın giderek yavaşlaması anlamına gelir. Depresyonda ruh hâlindeki bu tür örüntülerin, ani geçişlerin erken uyarı işareti olabileceği öne sürülmüştür (van de Leemput vd., 2014; Robinaugh vd., 2020). Bunun yanında, ağdaki belirtiler arası bağlantıların giderek güçlenmesi de sistemin kırılganlaştığına işaret edebilir. Ancak bu ikisi farklı kavramlardır ve bu alandaki bulgular henüz tutarlı değildir (Robinaugh vd., 2020). Mühendislik alanındaki denetim kuramından esinlenen dinamik ağ analizleri ise bir müdahalenin sistemde yaratacağı etkiyi önceden simüle etmek için kullanılmaya başlanmıştır (Hofmann vd., 2025).

Peki her şeyin yanıtı bu olabilir mi?

Her yeni yaklaşım gibi karmaşık ağ modeli de kendi sınırlarıyla birlikte gelmiştir. Öncelikle, bu haritaların güvenilir olabilmesi için çok sayıda ve kaliteli veriye ihtiyaç vardır. Az sayıda ölçümle çizilen ağlar yanıltıcı ve kararsız olabilir (Epskamp vd., 2018; Fried ve Cramer, 2017). Ayrıca, ağ yapılarının örneklemler arasında ne kadar tekrarlanabildiği de sorgulanmıştır (Forbes vd., 2017). Bundan başka, iki belirti arasında bir bağlantı görmek, aralarında gerçek bir neden-sonuç ilişkisi olduğunu da kanıtlamaz (Fried ve Cramer, 2017). Yöntemsel heveslilik ile kuramsal temeller arasındaki açığın kapatılması gerektiği, alanın kendi içindeki öz-eleştirel değerlendirmelerde de vurgulanmaktadır (Fried ve Cramer, 2017; Robinaugh vd., 2020). Ayrıca, belirtileri saymak her zaman insanı anlamak demek değildir, bir danışanın anlam dünyası, geçmişi ve ilişkileri basit bir düğüm-bağlantı şemasına her zaman sığmaz. Ağ yaklaşımı güçlü bir harita sunabilir, ama harita hiçbir zaman arazinin kendisi değildir.

Kapanış: Belirtiyi değil, döngüyü dinlemek

Karmaşık ağ yaklaşımının terapi odasına getirdiği belki de en insani katkı, bakış açımızı kaydırması olabilir: danışanı “altında bir hastalık yatan bir vaka” olarak değil, kendine özgü döngüleri olan bir sistem olarak görmeye davet edilmesine olanak sağlamasıdır (Schenström vd., 2025). Hangi düşüncenin hangi hissi, hangi hissin hangi davranışı beslediğini birlikte haritalamak, danışana da güçlü bir şey söyler: “Sende arızalı, görünmez bir parça yok, aksine birbirini besleyen bir döngünün içindesin ve bu döngüler kırılabilir.” Elbette ağ yaklaşımı biyolojik, genetik ve çevresel etkenleri dışlamamakta, fakat belirtilerin kendi aralarındaki dinamiğe de bakılması gerektiğini önermektedir. Hangi belirtinin hangi danışanda merkezde olduğunu da önceden bilemeyiz. Bunu ancak danışanla birlikte toplanan veri ve klinik gözlem gösterir. Yazının başındaki danışana dönelim. Belki de ona söyleyeceğimiz ilk şey, uykusuzluğunun bu döngüde nasıl bir yer tuttuğunu birlikte merak etmek olacak. Uyku bu danışanda belki merkezi, belki köprü bir belirtidir, belki de değildir. Bunu danışanın kendi haritası gösterecek. Ve bazen iyileşme, görünmeyen bir hastalığı aramaktan değil de, görünen bağlantıları fark etmekten geçer.

Kaynakça

• Borsboom D. (2017). A network theory of mental disorders. World psychiatry : official journal of the World Psychiatric Association (WPA), 16(1), 5–13. https://doi.org/10.1002/wps.20375.
• Borsboom, D., & Cramer, A. O. (2013). Network analysis: an integrative approach to the structure of psychopathology. Annual review of clinical psychology, 9, 91–121. https://doi.org/10.1146/annurev-clinpsy-050212-185608.
• Bringmann, L. F., Elmer, T., Epskamp, S., Krause, R. W., Schoch, D., Wichers, M., Wigman, J. T. W., & Snippe, E. (2019). What do centrality measures measure in psychological networks?. Journal of abnormal psychology, 128(8), 892–903. https://doi.org/10.1037/abn0000446.
• Castro, D., Gysi, D., Ferreira, F., Ferreira-Santos, F., & Ferreira, T. (2023). Identifying Treatment Targets in Idiographics Psychopathological Networks: A Simulation Study. Research Square, https://doi.org/10.21203/rs.3.rs-2499311/v1.
• Clark D. M. (1986). A cognitive approach to panic. Behaviour research and therapy, 24(4), 461–470. https://doi.org/10.1016/0005-7967(86)90011-2.
• Cramer, A. O., Waldorp, L. J., van der Maas, H. L., & Borsboom, D. (2010). Comorbidity: a network perspective. The Behavioral and brain sciences, 33(2-3), 137–193. https://doi.org/10.1017/S0140525X09991567.
• Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior research methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1.
• Fisher, A. J., Medaglia, J. D., & Jeronimus, B. F. (2018). Lack of group-to-individual generalizability is a threat to human subjects research. Proceedings of the National Academy of Sciences of the United States of America, 115(27), E6106–E6115. https://doi.org/10.1073/pnas.1711978115.
• Forbes, M. K., Wright, A. G. C., Markon, K. E., & Krueger, R. F. (2017). Evidence that psychopathology symptom networks have limited replicability. Journal of abnormal psychology, 126(7), 969–988. https://doi.org/10.1037/abn0000276.
• Fried, E. I., & Cramer, A. O. J. (2017). Moving Forward: Challenges and Directions for Psychopathological Network Theory and Methodology. Perspectives on psychological science : a journal of the Association for Psychological Science, 12(6), 999–1020. https://doi.org/10.1177/1745691617705892.
• Harris, L. M., Vanzhula, I. A., Cash, E. D., Levinson, C. A., & Smith, A. R. (2025). Using network analysis to personalize treatment for individuals with co-occurring restrictive eating disorders and suicidality: a proof-of-concept study. Journal of eating disorders, 13(1), 156. https://doi.org/10.1186/s40337-025-01259-1.
• Hofmann S. G. (2025). A Network Control Theory of Dynamic Systems Approach to Personalize Therapy. Behavior therapy, 56(1), 199–212. https://doi.org/10.1016/j.beth.2024.10.006.
• Jones, P. J., Ma, R., & McNally, R. J. (2021). Bridge Centrality: A Network Approach to Understanding Comorbidity. Multivariate behavioral research, 56(2), 353–367. https://doi.org/10.1080/00273171.2019.1614898.
• Meine, L. E., Müller-Bardorff, M., Recher, D., Paersch, C., Schulz, A., Spiller, T., Galatzer-Levy, I., Kowatsch, T., Fisher, A. J., & Kleim, B. (2024). Network analyses of ecological momentary emotion and avoidance assessments before and after cognitive behavioral therapy for anxiety disorders. Journal of anxiety disorders, 106, 102914. https://doi.org/10.1016/j.janxdis.2024.102914.
• Robinaugh, D. J., Hoekstra, R. H. A., Toner, E. R., & Borsboom, D. (2020). The network approach to psychopathology: a review of the literature 2008-2018 and an agenda for future research. Psychological medicine, 50(3), 353–366. https://doi.org/10.1017/S0033291719003404.
• Schenström, J., De Mey, M., Andreasson, M., Lindberg, L., Sundström, F., & Klintwall, L. (2025). The Sunny Side of the Network Approach to Psychopathology: Comparing Nodes as Either Problems or Strengths. Journal for person-oriented research, 11(2), 85–95. https://doi.org/10.17505/jpor.2025.28094.
• Seewald, A., Schummer, S. E., Franz, S., Franz, M., & Rief, W. (2025). Networks for treatment selection in psychotherapy: providing a manual for process-based perceived causal networks. Cognitive behaviour therapy, 1–13. Advance online publication. https://doi.org/10.1080/16506073.2025.2568000.
• Tseng, W. L., Naim, R., Chue, A., Shaughnessy, S., Meigs, J., Pine, D. S., Leibenluft, E., Kircanski, K., & Brotman, M. A. (2023). Network analysis of ecological momentary assessment identifies frustration as a central node in irritability. Journal of child psychology and psychiatry, and allied disciplines, 64(8), 1212–1221. https://doi.org/10.1111/jcpp.13794. van de Leemput, I. A., Wichers, M., Cramer, A. O., Borsboom, D., Tuerlinckx, F., Kuppens, P., van Nes, E. H., Viechtbauer, W., Giltay, E. J., Aggen, S. H., Derom, C., Jacobs, N., Kendler, K. S., van der Maas, H. L., Neale, M. C., Peeters, F., Thiery, E., Zachar, P., & Scheffer, M. (2014). Critical slowing down as early warning for the onset and termination of depression. Proceedings of the National Academy of Sciences of the United States of America, 111(1), 87–92. https://doi.org/10.1073/pnas.1312114110.