(5) Klinisch-psychologische DIagnostik

• soziale Erwünschtheit

• Bewertung des therapeutischen Handelns

• Erinnerungseffekte

• Übungsgewinne (zB bei Konzentrations- und Intelligenztests)

• Veränderung von anderen Merkmalen, die sich auf die Messung auswirken (zB Motivation)

• Regression zur Mitte

• Messfehlerbedingte Veränderung

-> Achtung: auch nicht therapie-bedingte Veränderungen der Symptomatik möglich

= Kombination von verschiedenen Verfahren

-> mögliche Fehler eines Verfahrens durch andere ausgleichen

-> Standard: Mehrfachmessung mit psychometrischen Verfahren

= Phänomen, dass extreme Werte sich bei wiederholter Messung zur Mitte (Normal/Durchschnitt) verschieben

-> Effekt größer, je extremer die Werte und je weniger reliabel die Messung ist

-> Regression zur Mitte auch für extrem geringe Ausprägungen relevant

xi = Testwert

rtt = Reliabilität

M = Mittelwert

• aufgrund von unsystematischen Messfehlereinflüssen können Werte sich unterscheiden, ohne dass eine tatsächliche Besserung eingetreten ist

• Prüfung: Inwieweit handelt es sich um eine reliable Veränderung?

x1 und x2 = zwei gleich reliable Messungen

rtt = Reliabilität

sx = Standardabweichung

-> ab RCI > 1.96 kann von “reliabler” Veränderung ausgegangen werden

-> analog zu kritischer Differenz

x1 und x2 = Testwerte die man vergleichen will

z-Wert bei alpha = 0.05 = 1.96 (siehe z-Tabelle)

sx = Standardabweichung

rtt = Reliabilität

-> wenn (x1-x2)krit größer ist als der rechte Teil der Gleichung, geht man von einer “reliablen” Veränderung aus

Wie aussagekräftig sind Profile?

Wie reliabel sind Differenzwerte?

-> Wenn man einer Zufallsstichprobe zu t1 zwei Tests administrieren würde, daraus die Differenz bilden würde und dann derselben Stichprobe nach einiger Zeit, also zu t2, die gleichen beiden Tests wieder administrieren würde, wie hoch würden diese beiden Differenzwerte (zu t1 und t2) über die getesteten Personen hinweg korrelieren?

r(1-2) = Profilreliabilität

rtt quer = mittlere Reliabilität der Tests

r12 = Korrelation der beiden Messungen (Interkorrelation)

-> 0.5 als kritischer Wert für Profilreliabilität, darüber gilt PR als ausreichend

rtt quer = mittlere Reliabilität

rst quer = arithmetisches Mittel der Interkorrelationen aller k Tests

-> kritischer Wert PR >= 0.5, gilt dann als ausreichend

-> PR umso höher, je reliabler die Einzeltests und je geringer deren Interkorrelation

Vorsicht: bei Profilinterpretationen, wenn die Einzeltests wenig reliable und hoch miteinander korreliert sind

1. Formel für kritische Differenz

2. Vergleich des Durchschnittswert aller Messzeitpunkte (ohne zu betrachtenden) mit dem zu betrachtenden Wert

3. Berechnung kritischer Differenzen bei ungleicher Reliabilität der Messungen

4. Unterscheidung individuellen Profilverlaufs von Normprofil

5. Ähnlichkeitsbeurteilung (Osgood & Suci, 1952)

6. Profilkorrelation (Catell, 1948)

-> Profilverläufe = Messungen an einer Person zu mehreren Zeitpunkten

Wie aussagekräftig sind individuelle Profilverläufe?

-> Berechnung anhand der Formel für kritische Differenzen

x1 und x2 = Werte, deren Unterschied geprüft werden soll

z-Wert = 1.96

sx = Standardabweichung

k = Anzahl der Messungen mit denen verglichen werden soll

rtt quer = mittlere Reliabilität über alle Messungen

Steigt oder sinkt die Reliabilität?

rttbatt <> rtt quer

Taonormierung:

x1 = Wert mit dem man vergleichen will

x2 = auffälliger Wert

M = Mittelwert

rtt1 = Reliabilität der ersten Messung

rtt2 = Reliabilität der zweiten Messung

zDiff = Wert, der die kritische Differenz aufzeigt

sx = Standardabweichung

-> wenn zDiff größer als 1.96, dann würde man von einer kritischen Differenz sprechen

Unterscheidet sich ein individueller Profilverlauf von einem Normprofil?

N1, N2 = Stichprobenumfänge

sx^2 = Varianz (Quadrierte Standardabweichung)

Dt = Differenzen der Subtestmittelwerte

rtt = Reliabilität

Anzahl Freiheitsgrade = Anzahl der Subtests

-> man bekommt einen Chi Quadrat Wert, den man mit dem kritischen Chi Quadrat Wert (siehe Tabelle, df und alpha wichtig) verglichen wird

-> wenn wir mit unserem Wert über dem kritischen Wert liegen, dann verwerfen wir die Nullhypothese (beide gleich) und haben einen kritischen Unterschied

Ausgangsformel:

1. Vergleich von individuellem Testprofil (N1=1) mit Durchschnittsprofil einer Gruppe (Umfang N2 = N)

1. Vergleich von individuellem Testprofil (N1=1) mit Normprofil (N2 = ∞)

1. Vergleich von zwei Individualprofilen (N1, N2 =1)

-> Differenz beschreiben

Dt = Profildifferenz zweier Proband:innen in einem beliebigen Test t

k = Anzahl der Vergleiche = df

-> Metrik wie bei Korrelation

-> 0.75 spricht für hohe Ähnlichkeit der Profile

-> Chi Quadrat Wert bei 50% (0.50) und df = 9 raussuchen

-> Prüfung des Effekts einer Behandlungsmethode in randomisierten kontrollierten Studien

Nach Jacobson und Traux (1991)

a) Das Ausmaß der Symptomatik sollte nach der Behandlung mindestens 2 Standardabweichungen unter dem Mittelwert der Population liegen, bei der die entsprechende Störung vorliegt (c)

b) die Symptomatik einer behandelten Person sollte nach der Therapie in ihrem Ausmaß innerhalb von 2 Standardabweichungen einer nicht gestörten Population liegen (Ausmaß der Symptomatik nicht größer als b)

c) die Ausprägung der Symptomatik muss nach einer Behandlung näher am Mittelwert der nicht gestörten Population als am Mittelwert der gestörten Population liegen (alles geringer als c)

• MWNicht-Depressive= 40

• SDNicht-Depressive= 7,5

• MWDepressive= 60

• SDDepressive= 7,5

• X1 = Wert von Person X zu Therapiebeginn

• X2 = Wert von Person X zuTherapieende 

-> je nach dem welches Kriterium gewählt wird, evlt unterschiedliche Outcomes

1. Wenn Normwerte für eine nichtklinische Population nicht verfügbar sind, so ist al einziges Kriterium a berechenbar

2. Wenn Normwerte für die nichtklinische (funktionale) Population und die klinische Population vorhanden sind und beide Verteilungen nur so weit überlappen, dass Kriterium b näher am Mittelwert der funktionalen Gruppe liegt als Kriterium c, so ist b das bessere (weil strengere) Kriterium

3. Bei größerer Überlappung der beiden Verteilungen (Kriterium b liegt weiter vom Mittelwert der funktionalen Stichprobe entfernt als c) sollte auch hier das strengere Kriterium (in diesem Fall c) gewählt werden