7. Versuchsplanung und Forschungsdesigns

—>übERBLICK was gibt es für unterschiedliche untersuchungsdesigns:

—>Schema

—>von oben nach unten nimmt hier die interne validität dieser designs zu weil wir von oben nach unten immer besser in der lage sind kausale schlussfolgerungen zu ziehen auch wenn kausalität weiterhin ein konzept ist was mit vorsicht zu genießen ist.

—>ganz oben haben wir die Korrelationsstudie und das ist wie ein entscheidungsbaum der ermöglichen soll was liegt eigentlich vor. zb wenn man ein Paper ließt und sich dann fragt was für ein versuchsdesign hier eigentlich angewendet wurde. Wenn wir keine klare entscheidung zwischen der unabhängingen und der abhängingen variablen treffen können dann ist es eine Korrelationsstudie.

—->Wenn wir zwischen der abhängingen und der unabhängingen variable unterscheiden können aber die sequenz ist uns nicht ganz klar, weil wir keine manipulation der unabhängingen variablen vornehmen können. wir messen etwas in der gegenwart und fragen uns was hat darauf einfluss? welche unabhängige variable? nur diese unabhängige variable können wir nicht mehr manipulieren weil sie beispielsweise in der vergangenheit liegt. wir wollen zb gucken welchen einfluss hat der bindungsstil auf das ausmaß der depressivität. wir machen zb einen online fragebogen und erfassen die depressivität und lassen sie einen fragebogen ausfüllen aus denen wir ableiten können was für ein bindungsstil in ihrer kindheit vorlag. wir haben jetzt mehr als eine korrelativestudie weil wir doch sagen naja die sequenz ist insofern nie klar das die unabhängige variable vorgelagert ist vor der abhängingen. die abhängige ist hier die depressivität in der gegenwart. die unabhängige ist der bindungsstil in der kindheit. aber wir können sie nicht manipulieren. manipulieren heißt wir können keinen einfluss darauf nehmen. eigentlich manipulieren wir die unabhängige variable beispielsweise indem wir ein treatment geben oder es nicht geben. treatment wäre die unabh. variable. hier können wir es nicht, liegt nämlich in der vergangenheit.

—> wir beobachten etwas in der gegenwart und suchen uns sozusagen eine passende unabhängige variable dazu die in der vergangenheit liegt. das ist Ex-post-facto studie. dh die sequenz hier ist so das wir keine manipulation der unabhängingen variable vornehmen können. sagen wir: okay wir können die unabh. variab. manipulieren aber wir untersuchen nicht mehrere gruppen sondern nur eine gruppe dann ist es eine vorexperimentelle versuchsanordnung. (es gibt also keine kontrollgruppe)

.—>haben wir mehrere gruppen die wir untersuchen aber die proband/_innen werden nicht randomisiert dann ist es ein quasi-experiment.

—>haben wir mehrere gruppen und die Proband/-innen werden randomisiert der experimental oder der kontrollgruppe zugeteilt dann ist es eine echte experimentelle studie die wir entweder im feld durchführen mit einer geringeren bedingungskontrolle oder im labor mit einer hohen bedingunsgkontrolle. dh das labor experiment hat wenn wir jetzt auf die interne validität schauen die höchste güte. !!!!!

Beispiele:

1.—->Besteht ein Zusammenhang zwischen Depressionen und einer

hirnorganischen Veränderung des präfrontalen Kortex?

—>= das ist meistens eine Korrelativestudie, (neuropsych.studien sind oft korrelationsstudien),

2.—>Besteht ein Zusammenhang zwischen dem Drogenkonsum

und dem Lernverhalten von Studierenden? —>Korrelationsstudie

(die anderen folien sind beispiele für jeweilige forschungsdesigns)

hier noch ein paar erklärungen zu den beispielen:

Hängt der berufliche Erfolg von

Persönlichkeitsmerkmalen und dem Schulerfolg ab? (2) = Ex-post-facto studie , —> dh wir haben zeitpunkt x gegenwart beruflicher erfolg und wollen das in einem zusammenhang stellen mit zeitpunkt y und das liegt in der vergangenheit, persönlichkeitsmerkmal und schulerfolg. dh in der kausalität können wir hier schon eher annehmen weil wir die zeitliche vorlagert halt haben unserer unah. variable aber wenn wir die unabh. variable nicht manipulieren können sprich verändern können in einen versuchsdesign gibt es viele alternativerklärungen die das auch beeinflussen können also zb BIAS spielen hier ja dann eine viel größere rolle als wenn ich hier genau sagen kann das ist ja dann der idealzustand wenn ich die unabhängige variable in der dosis veränder und ich schraube die dosis der unabh. variab. hoch dann schraubt sich auch die dosis der abhän. hoch. im sinne von so ner manipulation. das geht hier nicht. also = expost-facto-studie.

—>7. Führt das neue psychotherapeutische

Behandlungsmanual im Prä-Post-Vergleich zu einer

signifikanten Reduktion der Depression? —> wir haben einfach einen prä post vergleich ohne einer kontrollgruppe, es werden nicht mehrere gruppen also untersucht. Ohne einer kontrollgruppe sind wir bei einer vorexperimentellen versuchsanordnung.

auch hier ist der BIAS viel höher, wenn wir keine kontrollgruppe haben und auf die wirksamkeit schließen wollen zb: spontanremission , könnten wir hier schwer herausrechnen da wir ja wissen das psychische störungen fluktation haben.

1. Ist eine Selbsthilfegruppe so wirksam wie eine professionell

   geführte Gruppentherapie? —>können da personen randomisert werden? ehhh schwierig weil ich erhebe in selbsthilfegruppen und in professionell geführten gruppentherapien aber ich kann die nicht wirklich randomisert zuweisen weil die person sind ja schon in selbsthilfegruppen, ich geh da ja hin und kann dann schlecht sagen, ihr seid ja jetzt in der selbsthilfegruppe aber es wäre cool wenn ich euch zufällig in entweder in diese gruppe oder in eine proffessionell geführte gruppe führen kann. dh hier stößt man auf strukturelle schwierigkeiten. es ist zwar nicht garnicht möglich aber sehr schwer umzusetzen. hier ist also eine kontrollgruppe vorhanden aber eben keine randomisierung. also ist es ein quasi experiment, denn das experiment setzt immer randomisierung voraus!! wenn ich jetzt randomisiert die personen in selbsthilfe und gruppentherapie aufteilen würde wär es ein experiment.

2. achte auf a) und b) da steht die erklärung zu feld und laborexperiment.

   labor hat einfach nochmal eine höhere standardisierung und vergleichbarkeit.

• Unterscheidung UV & AV NICHT MÖGLICH

• beispiele:

• Besteht ein Zusammenhang zwischen Depressionen und einer

  hirnorganischen Veränderung des präfrontalen Kortex?

  Besteht ein Zusammenhang zwischen dem Drogenkonsum

  und dem Lernverhalten von Studierenden?

• Keine Manipulation der UV

• Sequenz UV —> AV? —> AV gegeben / UV gesucht —>Ex-post-facto Studie

• Beispiele:

• Besteht ein Zusammenhang zwischen Depressionen im

  Erwachsenenalter und dem Bindungsverhalten in der

  Kindheit?

  Hängt der berufliche Erfolg von

  Persönlichkeitsmerkmalen und dem Schulerfolg ab?

• Es werden NICHT mehrere gruppen untersucht sondern nur eine, es gibt also keine Kontrollgruppe

• Beispiel: Führt das neue psychotherapeutische

  Behandlungsmanual im Prä-Post-Vergleich zu einer

  signifikanten Reduktion der Depression?

• Proband/-innen werden NICHT RANDOMISIERT.

• BSP: Ist eine Selbsthilfegruppe so wirksam wie eine professionell

  geführte Gruppentherapie?

• bedingungskontrolle möglich? NEIN

• bsp:

• Ist die Schematherapie wirksam in der Behandlung

  von Majoren Depressionen?

  a. Randomisierte Zuweisung der Patient*innen

  in Schematherapie (EG) und KVT (KG), aber

  Dauer und Spezifität der Behandlung werden

  nicht kontrolliert

• Bedingungskontrolle möglich

• bsp: b. Randomisierte Zuweisung der Patient*innen

  in Schematherapie (EG) und KVT (KG), mit

  standardisierter Behandlungsdauer und

  standardisiertem Behandlungsmanual

 Im EX-POST-FACTO Design wird

nur Y systematisch beobachtet;

Danach folgt rückblickend die Suche

nach X

 systematische Beobachtung der AV

 Mangelnde experimentelle Kontrolle

durch: Sortierung der UV (natürliche

Gruppen, Selektionseffekte) &

Störvariablen (können hier einfluss nehmen)

 Rückschluss von Y auf X ist nicht

eindeutig, es gibt

Alternativerklärungen, die nicht

ausgeschlossen werden können

 Im EXPERIMENTELLEN Design

wird von einem kontrollierten X eine

Vorhersage auf Y gemacht

 Experimentelle Kontrolle durch

gezielte und systematische Variation

der UV & u.a. Randomisierung,

Konstanthaltung, Auspartialisierung

 Eindeutiger Rückschluss von Y auf X

zumindest theoretisch möglich

—>!!!!!!!! Das experiment ist die einzige methode die kausal zusammenhänge aufklären kann. also ursache-wirkungszusammenhänge.

• Ein Experiment ist:

• die einzige Methode, um Kausalzusammenhänge aufklären zu können, hinsichtlich der Ursache-Wirkungs-Zusammenhänge.

• 3 Bestimmungsstücke eines Experiments:

  —>Die ABSICHTLICHE und PLANMÄßIGE Herbeiführung des zu untersuchenden vorgangs zum Zwecke seiner SYSTEMATISCHEN BEOBACHTUNG.

• UV——-> AV

• unabhänginge Variable: Die Variable, die ein Experimentator absichtlich und planmäßig variiert,

  um ihre Wirkung auf eine abhängige

  Variable zu untersuchen.

• Abhänginge Variable : Die Variable, die gemessen wird und

  deren Merkmalsausprägung von der

  Wirkung der UV abhängig ist.

—>unabhänginge variable könnte ein treatment sein, abhängige variable könnte das wohlbefinden sein (das was wir erfassen)

„Ein Experiment wird als intern valide bezeichnet, wenn die

erhobenen Messwerte eindeutig – also artefaktfrei – auf die

manipulierten Versuchsbedingungen zurückzuführen sind,

dass also keine wissenschaftlich plausiblen alternativen

Bedingungen für das Zustandekommen dieses Effekts

angeführt werden können.

“ (Sarris & Reiß, 2005)

—>das wäre die absolute interne validität aber diese absolute sicherheit hat man in der regel nicht. das wären strenge kausal bedingungen.

—>Eine Untersuchung ist intern valide, wenn ihre Ergebnisse kausal eindeutig interpretierbar sind in dem Sinne, dass Effekte in den abhängigen Variablen zweifelsfrei auf die Wirkung der unabhängigen Variablen zurückzuführen sind.

EXTERNE VS. INTERNE VALIDITÄT

 Interne Validität: Ein hypothesenbasiertes

Evaluationsdesign ist in der Lage eine eindeutige Aussage

über die Annahme oder Ablehnung der entsprechenden

Hypothese zu liefern.

 Externe Validität: Externe Validität bedeutet, dass es

möglich ist, die Ergebnisse der Evaluationsuntersuchung auf

andere Kontexte zu generalisieren.

—>wenn wir interne und externe validität auf zwei graphen abtragen und dann die unterschiedlichen designs hier reinlegen würden wir ungefähr so eine grafik bekommen. wir können nicht eine ganz hoch interne und eine ganz hohe externe validiät haben (das soll hier deutlich werden) aber die höchste interne validität ist die experimentelle laborstudie, und die höchste externe validität sind die feldstudien!!!!

—>Führt der Konsum von Computerspielen zu

einer erhöhten Gewaltbereitschaft?

• Beschreiben sie jeweils eines der vier

Designs, mit denen die Fragestellung

untersucht werden könnte

• Im Hinblick auf das Beispiel was sind Vor- und

Nachteil der experimentellen Laborstudie

gegenüber der quasi-experimentellen

Feldstudie?

—>Beschreibung einer experimentellen laborstudie:

die experimentalgruppe: die spielen für eine bestimmte Dauer Computerspiele. Wie werden die teilnehmenden auf experimental und kontrollgruppe zugewiesen?= zufällig, also randomisiert.

Labor= das bedeutet unter kontrollierten standardisierten Bedingungen und nicht unter natürlichen umgebungen, natürliche umgebung wäre zb zuhause also irgendwo wo es nicht kontrolliert wird vom Versuchsleiter.

—>Quasi experimentelle Feldstudie:

—>Quasi experimentell bedeutet: dabei handelt es sich um eine Untersuchung die in einer natürlichen umgebung durchgeführt wird. Quasi experimentell bedeutet das dort keine Randomisierung stattfindet. dadurch haben wir das problem des selektions bias. das ganze findet zuhause statt also wo wir eben nicht die compliance kontrollieren können.

—>warum habe ich im feld die höhere externe validität: (achte auf den graphen und welche designs näher an externer validität sind etc.) : weil im feld der natürliche kontext berücksichtigt wird was im labor nicht geht, weil da ja alles künstlich ist, dadurch haben feldstudien eine höhere externe validität weil die ergebnisse davon ja dann generalisierbar sind und besser anwendbar sind auf die realität.

• Störvariablen sind Zufallschwankungen und Messfehler stehen im Zusammenhang mit der fehlenden Reliabilität einer Messung —>Unsystematisch Störvariablen, die die Fehlervarianz einer Messung erhöhen und sich negativ auf die Teststärke auswirken.

• (wenn ich viele störvariablen habe werde ich zu zwei unterschiedlichen zeitpunkten unterschiedliches messen. Wir haben dann dadrin einen Messfehler. der wahre wert ist dann durch messfehler überlagert nur hier handelt es sich um unsystematische störvariablen die wirken sich negativ auf die teststärke aus also der zuverlässigkeit mit der ich wirklich etwas im zusammenhang finden kann aber sie beeinflussen nicht in einer bestimmten richtung. )

• Konfundierungen, die einen systematischen einfluss auf die AV haben, aber nicht auf die wirkung der intervention zurückzuführen sind. —>Führen zu falschen schlussfolgerungen, können einen fehler 1. art bzw. einen Fehler 2. art verursachen.

—>Störvariablen und Kondundierung sind nicht dasselbe

fehler erster art und fehler zweiter art bedeutet einfach alpha (fehler erster art) und beta fehler. (fehler zweiter art)

konfaudern also konfundierungen beeinflussen systematisch in eine richtung wohingegen unsystematische störvariablen sich irgendwo in der mitte wieder ausmitteln die sind also nicht so fatal. wir wollen sie aber trotzdem nicht haben, weil viele störvariablen könnten dazu führen das wir bestimmte effekte garnicht messen können.

—>Systematische verzerrung= ich hab ein gewehr und der schütze kann eigentlich ziemlich gut schießen aber das gewehr ist falsch geeicht? und wir haben eine systematische verzerrung, schießt nur nach unten.

—>im anderen beispiel: hier ist es vlt so das der schütze nicht besonders talentiert ist, das gewähr ist hier tadelos mal schießt er nach oben, mal nach links etc. das sind zufllige fehler.

Konfundierung definition: Ist eine Störvariable sowohl mit der AV als auch mit der UV

korreliert, so liegt eine Konfundierung vor. Die interne

Validität ist bedroht, ein beobachteter Zusammenhang

zwischen UV und AV kann nicht mehr kausal interpretiert

werden.

 Zwei arten der Konfundierung;

Gleichsinnige Konfundierung: Einfluss der Störvariable

führt zu hypothesenkonformen Ergebnissen

 Gegensinnige Konfundierung: Einfluss der Störvariable

führt hypothesenkonträren Ergebnissen

—>Bsp FÜR GLEICHSINNIGE KONFUNDIERUNG: ZB die therapiemotivation korreliert positiv mit dem outcome

BSP FÜR GEGENSINNIGE KONFUNDIERUNG: Das lebensalter korreliert negativ mit dem outcome.

Gleichsinnige konfundierung: wir haben zwei verschiedene treatments die wir miteinander vergleichen also das treatment der experimentalgruppe und das treatmenr der kontrollgruppe ist gleich wirksam. aber in der experimentalgruppe sind Proband/-innen die eine viel höhere Therapiemotivation haben als in der kontrollgruppe. das führt dazu das ich das treatment in der experimentalgruppe überschätze. ich sage dann am ende ah das neue treatment ist wirksam. =

Gegensinnige Konfundierung wäre: ich habe wieder zwei tretaments die ich miteinander vergleiche. Experimental und Kontrollgruppe. und das outcome hier ist vlt zb motorische fertigkeiten. und in der einen gruppe bekommen sie ein medikament und der anderen gruppe bekommen sie ein neuropsychologisches training. eine h1 die ich aufstelle ist das das neuropsychologische training wirksamer ist als das medikament. jetzt ist es so das ich aber in der experimentalgruppe viel ältere patienten habe und ältere menschen haben an sich schon eine schlechtere motorik. tatsächlich ist es so das das neuropsychologische training eigentlich wirksamer ist als das medikament aber es ist jetzt überlagert weil ich jetzt in der experimentalgruppe alte menschen haben. das würde zu einer gegensinnigen konfundierung führen. ich entscheide mich nicht für die h1 sondern für die h0 das das neuropsychologische training , genauso wirksam oder weniger wirksam ist als das medikament.

—>gleichsinnige konfundierung fehler erster art

—>gegensinnige kondunfierung fehler zweiter art

—>gleichsinnige kondunfierung führt dazu das wir einen effekt überschätzen und gegensinnige konfundierung führt dazu das wir einen effekt unterschätzen!!!!!!!!!!!!!!!!!!!!!!!!!!!!

ganz wichtig ist hier: !!!!!!!!!!! eine systematische konfundierung liegt dann vor wenn der konfaunder also die störvariable mit der AV als auch mit der UV korreliert.

—>in der mitte

hier haben wir jetzt die störvariable x , wir haben das treatment T UND das outcome y, treatment t wäre in dem fall die UV,

y das outcome wäre die AV.

Auf beispiel angewendet: wir wollen das medikament mit dem neuropsychologischen treatment vergleichen. eines dieser beiden treatments wäre unsere UV. DIE AV ist die motorik. beide sollen die motorik verbessern. jetzt haben wir lebensalter als störvariable (potenziele störvariable x). in diesem fall wäre die störvariable sowohl mit dem treatment der UV als auch mit der AV korreliert. heißt zb je älter menschen sind detso schlechter ist ihre motorik. in der einen gruppe habe ich mehr ältere menschen als in der anderen in der gruppe der experimentalgruppe habe ich deutlich mehr alte menschen als in der kontrollgruppe. irgendiwe habe ich hier auch einen zusammenhang dh das treatment würde vorhersagen können ob ich mehr alte menschen oder weniger alten menschen hab sozusagen. die sind nicht auf beiden stufen der treatments also der UV gleich verteilt. experimentalgruppe= neuropsychol. training, kontrollgruppe= bekommen medikament

jetzt habe ich mehr alte menschen in der experimentalgruppe: fhrt zur gegensinnigen konfundierung

jetzt hab ich mehr menschen in der kontrollgruppe also die das medikament bekommen: gleichsinnige konfundierung

weil vlt unterscheiden sich die beiden treatments sich garnicht so groß medikament und neuropsychologisches treatment aber weil ich bei dem medikament viel mehr alte menschen habe ist sozusagen diese gruppe im nachteil und ich werde eher am ende sagen das neuropsychologische treatment war wirksamer. vlt ist es aber eigentlich garnicht.

-beim ersten beispiel grafik: würden wir nicht von einer konfundierung sprechen weil das lebensalter nur einen einfluss auf das treatment hat aber nicht aufs outcome. dh wir haben in den gruppen unterschiedlich alte menschen aber es zeigt sich kein zusammenhang mit dem outcome. weil lebensalter zb doch keinen einfluss auf die motorik hat . ältere menschen sind in der motorik wie jüngere . eher unrealistisch aber in dem szenario würde es dann gelten.

-beim dritten beispiel grafik: hier wäre es so das das lebensalter unsere störvariable einen einfluss aufs outcome hat aber keinen einfluss aufs treatment weil in beiden treatments sind die genau gleich verteilt. wir haben in beiden treatmemts gleich viele junge wie alte menschen. dann ist es auch kein konfaunder: ein konfaunder setzt also immer voraus das es swohl mit der AV als auch mit der UV korreliert.

 Strenge Kausalitätsbedingungen sind erfüllt wenn die AV

nur von einer einzigen Einflussgröße beeinflusst ist, nämlich

der UV. das ist Extrem restriktiv, setzt voraus, dass es überhaupt

keine Störvariablen gibt

 In den Sozialwissenschaften sind die Bedingungen einer

strengen Kausalität praktisch nie gegeben

 Schwache Kausalitätsbedingungen gelten als die

Minimalbedingung für die kausale Interpretierbarkeit eines

Effekts der UV auf die AV. Alle Störvariablen, die eine gleich-

oder gegensinnige Konfundierung zur Folge haben können,

müssen gleichmäßig auf die Stufen der UV verteilt sein

(gleichmäßige Verteilung auf Versuchs- und Kontrollbedingung).

Durch die gleichmäßige Verteilung sind die Störeffekte nicht

länger systematisch sondern unsystematisch.

 Strategie also wie erreichen wir das : Randomisierung

schwache kausalbedingungen treten eher auf und da ist man sogar froh drum dies erreicht zu haben

—>stufen der UV bedeutet kontrollgruppe, experimentalgruppe innerhalb dieser gruppen für eine gleichverteilung potenzieller störvariablen zu sorgen.

—>das gute ist wenn wir eine sehr große stichprobe haben und randomisieren dann sorgt der zufall dafür das die personen sich gleich verteilen und wir garnicht im kopf haben müssen welche störvariablen alle eine rolle spielen , öknomischer status etc

randomisierung erfolgt besser je größer die stichprobe. sonst systematischer bias oft. (0gesetz der großen zahl)

—>die max-kon-min regel besagt optimiere das verhältnis von primärvarianz zu sekundärvarianz und zufallsfehler

—>primärvarianz ist die systematische veränderung der AV die auf die UV zurückzuführen ist.

—>sekundärvarianz sind zufallsfehler , sind veränderungen in der AV die NICHT auf die UV zurückzuführen sind.

Annäherung: Optimierung des Verhältnisses

von Primärvarianz zu Sekundärvarianz

und Zufallsfehler durch:

▪ MAXimierung der Primärvarianz

▪ KONtrolle der Einflüsse

systematischer Störvariablen

—>würde hier bedeuten das wir randomisieren durch die randomisierung haben wir patient/-innen mit etwa gleichem sozioökonomischen status, wir standardisieren zb die sitzungslänge der therapien, und wir haben ein und ausschlusskriterien ( zb kvt therapie und tp)

▪ MINimierung zufälliger Einflüsse

—>konstanthaltung zb der erhebungszeiträume das wir in beiden gruppen entweder im sommer oder winter erheben.

—>max kon min regel: 1. bedeutet maximiere die primärvarianz sorge dafür das du tatsächlich unterschiede zwischen den treatments erfassen kannst indem du geeignete messisntrumente benutzt indem deine gruppengröße groß genu ist also optionaler stichprobenumfang, das du tatsächlich auch effekte identifizieren kannst.2. kontrolliere systematische störvariable, 3. minimiere zufällige einflüsse indem du standardisiert dein experiment durchführst !!!!!!!!!!

1. Selection BIAS: Verzerrung durch Unterschiede in den Charakteristika der Studienteilnehmer*innen zwischen den

   Studiengruppen

2. Performance BIAS: Verzerrung durch Unterschiede in der Behandlung, abgesehen von der untersuchten Intervention

3. Attrition BIAS: Verzerrung durch Unterschiede in der Anzahl und den Gründen für fehlende Daten zwischen den Studiengruppen

4. Detection BIAS: Verzerrte Erfassung von Endpunkten

5. Reporting BIAS: Verzerrung durch selektives Berichten von positiven Ergebnissen.

—>!!! das sind die 5 wichtigsten arten von BIAS in wirksamkeitsstudien.

—-> selection bias könnte zb entstehen wenn wir die motorik untersuchen wollen und wir hätten in der einen grupe ältere Patient/-innen als in der anderen. dann haben wir einen selection bias. Selection= auswahl , die auswahl und zuweisung zur experimental und kontrollgruppe hat einen großen einfluss auf unser outcome. charakteristika der teilnehmenden also geschlecht alter, usw fallen da alle in den selection bias.

—>performance bias: bsp die die medikamente bekommen die versuchsleiter glauben nicht wirklich an die medikamente die werden dann einfach so lustlos verteilt und die versuchsleiter glauben hingegen total an das neuropsychologische treatment und sind dann viel motivierter und freundlicher bei der gruppe die das treatment bekommt. dann würde es ja unterschiede in der performance geben , je unterschiedlicher ein treatment verabreicht wird.

—>Attrition BIAS: mit attrition ist der drop out der damit gemeint ist. da geht es also um fehlende daten und drop out. bsp kvt vs tp jetzt habe ich zwei gruppen, sogar randomisiertes kontrollgruppendesign also eine echte experimentelle studie und wir haben sogar laborbedingungen weil wir manualisierte treatments anbieten , attrition bis könnte jetzt aber trotzdem entstehen wenn wir zb in der kvt bei jedem patienten die therapie frühzeitig beenden die nicht motiviert sind und die nicht an die wirksamkeit des treatments glauben. bei der tp hingegen scheidet niemand aus alle machen bis zum ende weiter auch wenn es da ein paar gibt die nicht so motiviert sind. KOnsequenzen= es wird nicht so viele KVT teilnehmer geben weil die ja aufhören werden wenn die nicht so motiviert sind (müssen ja aufhlören dann)

jetzt stell ich fest ah die kvt ist ja viel wirksamer, aber liegt eigentlich an deinem attrituion bias.

—>detection bias: endpunkte = maße fürs outcome. wenn ich etwas publizieren möchte und ich als forscher gleichzeitig an der untersuchung beteiligt bin kann bewusst oder unbewusst meine vorannahmen einfluss darauf haben wie ich mese, wie ich erfasse insbesondere dann wenn es jetzt fremdbeobachtungen oder verhaltensbeobachtungen sind. dh da kann schon ein bias sein weil ich glaube das die kvt wirksamer ist als die tp. damit beeinflusse ich das ergebnis aufgrund meiner vorurteile.

—>reporting bias: kommt nicht das heraus was ich als forscher vermutet habe dann lasse ich die studie einfach fallen und veröffentliche sie nicht. metaanalysen würden dann effekte überschätzen.

 Randomisierung: Zufällige Zuweisung zur

Behandlungs- und Kontrollgruppe kann der

Bedrohung durch unterschiedliche

Ausgangswerte und Unterschiede in anderen

Personenmerkmalen entgegenwirken

 Matching: Möglichkeit der Kontrolle von

personengebundenen Störvariablen in quasi-

experimentellen Designs

—>MATCHING würde man dann machen wenn man keine randomisierung durchführen kann.

—>oder wir können keine randomiserung durchführen aber wir können für eine Konstanthaltung sorgen:

• Konstanthaltung: Einfluss einer Störvariable wird für alle Untersuchungseinheiten “gleich gemacht”, zb werden nur frauen zur untersuchung zugelassen oder nur teilnehmer/-innen mit einem IQ von 100.

• Ausbalancierung: die verteilung von Ausprägungen einer störvariable wird in allen stufen der UV gleich gehalten. Verhältnis von Frauen zu Männern in Kontrollgruppe und Experimentalgruppe gleich. (

  ist aber der randomisierung unterlegen weil ich hier ja festmachen muss vorher was sind störvariablen zb geschlecht alter bildung, dann mache ich eine vorauswahl das es in beiden gruppen gleiche anzahl, aber vlt haben dann bestimmte persönlichkeitsmerkmale auch eben einen einfluss, die kann ich jetzt nicht rausmitteln, bei der randomisierung schon weil es zufällig passiert).

• Auspartialisierung: Störvariablen können statistisch kontrolliert werdem indem sie als Kovariate in das modell zb eine Regressionsgleichung aufgenommen werden. Im rahmen einer Varianzanalyse spricht man von Kovarianzanalyse. (bsp alter könnte ein problem sein , in beiden gruppen haben wir zb menschen mit unterschiedlichem alter da kann ich am ende eine reggressionsanalyse rechnen und nehme alter als prädiktor mit auf und damit halte ich alter konstant und kann den effekt von alter dann aus meinen effekten herausrechnen.)

—>>!!!!!!! DIE WICHTIGSTE LÖSUNG FÜR DEN SELECTION BIAS IST DIE RANDOMISIERUNG

Ist ein Möglicher Bias durch mangelnde

Adhärenz = Ausmaß indem die

Behandlerin/der Behandler von der durch

das Studienprotokoll definierten

Behandlung abweicht (dh jemand der KVT therapieren soll hält sich nicht dran und macht zb irgendeine systematische therapie , dann wär das eine geringe adhärenz und somit ein performance bis)

 könnten wir lösen durch: Standardisiertes Behandlungsmanual

 (Doppelte) Verblindung: Weder die

Behandelnden die Patient*innen

wissen, wer welche Therapie erhält

(doppelte verblindung geht natürlich in der therapie häufig nicht aber das geht ganz gut in medikamentenstudien, dh wenn ich zwei medikamenten miteinander vergleiche ist es meistens eine doppelblindstudie. )

Attrition (Abnahme) entsteht durch

systematische Unterschiede in der Anzahl

und den Ursachen fehlender Daten

zwischen den Behandlungsgruppen

 DA ist die Intention to Treat Analysis (ITT) eine gute lösung

Umgang mit Attrition:

 Empirische Bestimmung der Drop-out Selektivität durch

empirischen Vergleich (multivariate Verfahren) relevanter

Merkmale (Ausgangswerte, Personenmerkmale) zwischen

Herausgefallen und Verbliebenen

 Korrelation zwischen Drop-Out und sofern erhoben der

subjektiven Wirksamkeitserwartung

 Intention to Treat Analysis (ITT)

INTENTION TO TREAT ANALYSIS (ITT:

um den Therapieeffekt einer Studie zu bewerten.

 ITT erfordert, dass Patienten der Gruppe zugeordnet werden, in die sie ursprünglich randomisiert wurden – unabhängig davon, welche Intervention sie tatsächlich erhielten.

 Alle Endpunktdaten für alle Patienten werden berücksichtigt unabhängig davon, ob fehlende Werte vorliegen

IM itt HAT man einmal die möglichkeit Fehlende Daten werden a) durch Imputationen zu ersetzen oder b) durch die Methode last observation carried forward (LOCF)

—>b)= (zb wir haben nur zwei messzeitpunkte prä und post in der VT scheiden 6 patienten aus in der tp niemand. könnte problematisch sein. jetzt würden wir so vorgehen das wir die präwerte die haben wir direkt zu studienbeginn erfasst von diesen 6 personen und so tun als wenn das ihre postwerte sind. wir nehmen den letzten messwert den wir haben für die person last observation carried forward also tragen ihn nach vorne , nach hinten in dem fall und nehmen es als abschlussmessung.)

 Bei der Imputation werden fehlende Werte durch mathematische verfahren geschätzt

detection bias: = Versuchsleiter*innen neigen dazu ihre

Beobachtungen bewusst oder unbewusst

den eigenen Erwartungen anzupassen

lösungen:

 (Doppelte) Verblindung

 Auswertung der Daten erfolgt von

einem unabhängigen „Data-Science-

Team“

 Messinstrumente weisen hinreichende

Symmetrie und Neutralität auf

Reporting Bias= Ergebnisse die hypothesenkonträr oder

nicht signifikant sind, werden seltener

publiziert, dadurch kann es zu einer

verzerrten Darstellung von Effekten

kommen z.B. durch Metaanalysen

Lösungen:

 Präregistrierung von Studien und

Veröffentlichung der Primärdaten

(bei großen rcts ist auch das der standard)

 Reifung und Spontanremission

 Maßnahmenunspezifische Wirkungen (u.a. Placeboeffekt)

 Spillover-Effekte: dh Wechselseitige Beeinflussung der Teilnehmer*innen der Experimentalgruppe und der Kontrollgruppe

 Geringe Reliabilität der Messinstrument

 Mangelnde Konstruktvalidität (drunter sind unterpunkte bezogen auf konstruktvalidität)

 Soziale Erwünschtheit

 Hawthorne Effekt

 Rosenthal Effekt

 Fehlende Neutralität des Messinstruments

 Etc.

 Kontrollgruppendesign

ohne randomisierte

Bedingungszuweisung

 Spezialfall: Propensity

Score Matching

—>quasi experimentell bedeutet wir haben eine zufallstichprobe idealerweise und die wird aufgeteilt in eine kontrollgruppe und in eine experimentalgruppe. aber es findet keine randomisierung statt. (also das zeigt auch dieser würfel der durchgestrichen ist, weil es keine randomisierung stattfindet im bild). Kontrollgruppendesigns ohne randomisierung nennen wir Quasi-experimentelle designs. bsp: es ist einfach schwierig eine randomsiierung druchzuführen vorallem in feldtsudien also wenn ich jetzt selbsthilfegruppen untersuchen möchte, und kontrollgruppen für selbsthilfegruppen mir raussuche dann ist es meistens so das es offene gruppen sind, da befinden sich die teilnehmer schon drin und die kann ich dann nicht nochmal randomisieren weil ich die untersuchen will. die habne ja ne bindung zu ihrer gruppe etc. In naturalistischen designs für bestehende gruppen ist eine randomisierung eben nicht immer möglich.

wir können mithilfe statistischer methoden den selection bias minimieren und das wäre mit : Propensity score matching möglich.

• stellen wir uns vor wir haben 3 Störvariablen mit jeweils fünf Ausprägungen das wären fünf hoch 3 das wären = 125 Merkmalskombinationen die theoretisch parallelisiert werden müssten!!!

das kann man als forscher händisch nicht leisten aber man kann mithilfe→ Lösung: Propensity Score Matching subgruppen zum beispiel ananalysieren die sich hinreichend ähnlich sind.

(also wir haben hier die gruppe der selbsterfahrung und hier haben wir eine proffessionell geführte gruppentherapie und wir wollen die miteinander vergleichen , stellen aber fest das die sich doch sehr unterscheiden in ihrer zusammensetzung was ökonomischer status betrifft, alter etc. angenommen wir haben sehr große stichproben könnten wir jetzt eine subgruppenanalyse machen der ähnlichsten patienten zueinander. ich greife mir die ähnlichsten patienten aus der gruppenpsychotherapie heraus und vergleiche sie mit den ähnlichsten patienten innerhalb der selbsthilfegruppe. diesen job würde unser propensity score übernehmen für uns. )

•  Ein Propensity Score ist die vorhergesagte bedingte

  Wahrscheinlichkeit, mit der eine Person einer bestimmten

  Gruppe angehört, gegeben ihrer Werte auf einer oder

  mehrerer Baseline-Variablen (Rosenbaum & Rubin, 1983)

  1. meistens basiert das auf Logistischen Regressionen: AV Gruppenzugehörigkeit, UV

  Baseline-Variablen zur Berechnung der Propensity Scores

  2. Matching: z.B. Nearest Neighbor

—>logistische reggression bedeutet das die AV kategorial ist zb dichotom o und 1.

—>jetzt haben wir zb baseline variablen erfasst alter, geschlecht etc und wir stellen eben fest unsere beiden gruppen unterscheiden sich deutlich voneinander. jetzt wollen wir subgruppenanalysen machen. also wir greifen uns jeweils aus den stichproben kleinere stichproben heraus und die vergleichen wir dann miteinander. jetzt sagen wir ich will aber aus beiden gruppen die ähnlichsten patienten jeweils haben dann kann ich mithilfe dieser logistischen reggression funktionen berechnen das ich für jede person einen wert zwischen o und 1 habe. 0 würde dann zb für gruppe a und 1 für gruppe b stehen. basierend auf baseline variable.

—>nearest neighbor würde jetzt heißen der algorhytmus greift jeweils die personen aus der einen gruppe und aus der anderen gruppe heraus die einen ähnlichen wert zwischen o und 1 haben. bsp man ist in der selbsthilfegruppe und hat in der logistischen reggression einen wert von 0,45. und jemand anderes zb jemand mit anderem geschlecht hat einen wert von 0,7 aber jemand aus der anderen gruppe hat einen wert von 0.48 . sie beide sind sich sehr ähnlcih weil sind beide weiblich, gleiches alzer, sie sind beide hoch gebildet etc. jetzt würde der algorhytmus die beiden nehmen unf für die subgruppenanalyse wäre das hilfreich.

—>paralilisierung erschaffen

•  Der Propensity Score e(Xi) eines Individuums i, entspricht

der Wahrscheinlichkeit (P) ein Treatment in einer von zwei

Behandlungsgruppen zu erhalten, gegeben dem Vektor

beobachtbarer Baseline-Variablen

(Xi): e(Xi) = P(Ti = 1|Xi ) (das i steht immer rechts unter dem buchstabe)

—>!!!!!!!!!!propensity score matching ist vor allem dann relevant bei quasi experimentellen studien wo eine randomisierung nicht möglich ist.

• grafik erklärung:

  —>die zuweisung in experimental und kontrollgruppe basiert hier nicht auf zufall sondern auf bestimmten cut off werten. es wird ein cut off definiert oberhalb des cut offs kommt man in die experimentalgruppe und unterhalb des cut offs in die kontrollgruppe. bsp: wenn man in die grafik guckt: wir haben schülerinnen und wir wollen herausfinden ob die förderbedarf haben. wir haben festgestellt das die sich unterscheiden in ihrer konzentrationsleistung, wir wollen bestimmtes training zur steigerung der konzentrationsleistung anbieten für die die eswirklich brauchen und gleichzeitig wollen wir gucken ob das training wirksam ist oder nicht. deswegen wär es cool eine kontrollgruppe zu haben. ob die schüler das training brauchen würde man mithilfe eines prätestes entscheiden, wenn die schüler werte unter 50 erzielen in diesem leistungstest dann bekommt man das treatment, bei werten über 50 bekommt man das training nicht. training wird durchgeführt, in der experimentalgruppe in der kontrollgruppe nicht, jetzt post testung da wird nochmal dieser leistungstest durchgeführt. dann korreliere ich prä und postwert miteinander. und jetzt schaue ich mir an wie sehen diese substantiellen korrelationen zwischen prä und post aus. was ich erwarten würde ist das wir unterschiedlich starke korrelationen zwischne prä und postwerten haben für diejenigen schüler die das treatment erhalten haben im vergleich zu diejnigen die es nicht erhalten haben. ich erwarte einen anderen zusammenhang zwischen prä und post, denn die das training nicht bekommen haben da müsste der präwert ziemlich prädiktiv für den postwert sein. hat sich ja nichts getan. bei denjenigen die das treatment bekommen haben würde ich jetzt einen deutlich höheren anstieg beim postwert erwarten. dh das der präwert weniger prädiktiv ist für den poswert. also ein geringerer korrelativer zusammenhang. das macht sich dann bemerkbar in der diskontinuität der reggressions graden. wir erwarten unterschiedliche reggressionsgraden zwischen denjenigen die ein training enthalten haben und denjenigen die kein training enthalten haben. das macht das regressions-diskontinuitätsdesign aus.

• !!!!wichtig zu wissen: die unterteilung in experimental und kontrollgruppen basierd auf cut off werten , die einen bekommens , die anderen bekommen das treatment nicht, anschließend erwarte ich unterschiedliche zusammenhänge zwischen prä und post für die die das treatment bekommen oder die es nicht bekommen.

• In Kohorten Studien werden natürliche Gruppen untersucht, die sich nicht

randomisieren lassen, d.h. es besteht bereits eine natürliche Zuweisung zu einer Gruppe

Vorteil Kohorten Designs: alle bekommen das Training, gute Vergleichbarkeit

• Je nach definierendem Merkmal unterscheidet man Geburtskohorten,

Einschulungskohorten, Scheidungskohorten und viele andere mehr

• Dabei wird eine Gruppe exponierter und eine Gruppe nicht exponierter Personen über einen bestimmten Zeitraum hinsichtlich des Auftretens eines Merkmals oder der

Sterblichkeit beobachtet

• Kohorten Studien werden immer längsschnittlich untersucht (sind also Messwiederholungsdesigns )

• Die untersuchten Kohorten bieten zahlreiche Vergleichsmöglichkeiten und werden als

natürliche Kontrollgruppen herangezogen und das ist der trick dabei bsp —>: soziales kompetenztraining : ich möchte zb ein sozialeskompetenz training anbieten und ich gehe zur schulleiterin und sage : eigentlich wär es gut das ich das soziale kompetenztraining in einigen gruppen durchführe und in einigen nicht, weil ich kontrollgruppen brauche. schulleiterin sagt nein, weil es unfair wäre. alle sollen das training bekommen. jetzt denken wir drüber nach und sagen ahja es gibt ja diese kohorten designs. okay es bekommen also alle schüler dieses training zwischen september 2005 und september 2006 also ein schuljahr lang. jetzt habe ich aber trotzdem vergleichsmöglichkeiten: = wir haben ein längsschnittliches design , wir erfassen die sozialkompetenzen prä und post follow up. das training findet in klasse 7..6.5 statt und am ende des trainings also des schuljahres wird nochmla die sozialekompetenz erfasst und ein jahr später in den drei klassen nochmal das sozialekompetentraining erfasst. wir haben kohorte a b und c- welche vergleichsmöglichkeiten habe ich jetzt= also wir haben die kohorte a die sind 2007 in der 7.klasse und bei ihrer follow up messsung gucken wir uns an wie groß ihre soziale kompetenz im vergleich zu einer 7.klasse die das training noch nicht bekommen hat und das wäre kohorte c prämessung. die hat treatment ja noch nicht bekommen dadurhc habe ich eine kontrollgruppe. das funktioniert natürlich nur wenn die schülerinnen in den klassen relativ ähnlich sind ect. ich kann also die langfristige wirkung des treatments untersuchen indem ich die kohorte a 2007 da sind es 7.klässer mit der kohorte c den werten von 2005 vergleiche. ich kann auch die kurzfristige wirkung des treatments untersuchen indem ich gucke hier zum zeitpunkt post ist die kohorte a in der sechsten klasse und das kann ich widerum vergleichen mit dem wert der kohorte b 2005. da waren die ja in der 6.klasse und haben das treatment nicht bekommen.

—->zweites beispiel für ein design, ein quasi experimentelles design indem wir keine randomisierung vornehmen und trotzdem systematisch unterschiede zwischen gruppen untersuchen wollen.

 Randomisierung: Durch die zufällige Zuweisung der

Versuchsteilnehmer*innen in die Versuchsgruppe bzw. in die

Kontrollgruppe soll eine gleichmäßige Verteilung aller

Störvariablen erreicht werden

 Experimentelles Design

 Goldstandard in der Evaluationsforschung

—>randomisiert, kontrollgruppe enthalten in rcts das sagt der namen

abbildung erklärung: —>

jetzt kann man mit der randomisierung entweder blockweise oder stratifiziert vorgehen: dh ich möchte am ende in der expiremntalgruppe und in der kontrollgruppe ja etwa gleich viele personen haben . wenn ich jetzt zb bestimmte zufallskriterien festlege könnte es ja sein das ich in einer gruppe mehr in der anderen gruppe weniger personen habe. zb wenn ich würfel und immer wenn ich eine grade zahl habe geht die person in die eine und bei ner ungraden zahl geht die person in die andere gruppe. wäre blöd, bei 100 personen kann es ja schon sein das ich häufiger ne ungrade zahl habe als ne grade. deswegen gehe ich in blöcken vor, die böcke müssen grade zahlen sein zb blöcke von 10 personen und dann führ ich diese randomisierung durch und nachdem zufällig entweder in der experimental oder in der kontrollgruppe bereits 5 personen sind ist es klar das die anderen 5 personen in die ander kommen. also durch diese blöcke stelle ich immer sicher das genauso viele personen in die eine und in die andere gruppe kommen.

startifiziert würde jetzt heißen das diese blöcke schon ausgewählt sind nach bestimmten soziodemographischen merkmalen zb will ich sicher stellen weil ich weiß für das was ich untersuche ist es extrem wichtig das ich gleih viele männer wie frauen habe in dem fall würde ich also diese blöcke homogenisieren. ich hätte dann einen block mit 10 frauen die teile ich zufällig zu . beim nächsten hätte ich einen block von 10 männern die teile ich zufällig zu. so würde ich also mit einer stratifizierten blockrandomisierung sicherstellen das ich genau gleich viele personen habe und das das entspechende soziodemographische merkmal gleich verteilt ist.

ARTEN VON KONTROLLGRUPPEN

 Unbehandelte Kontrollgruppe

 Warte Kontrollgruppe

 Treatment as Usual (TAU-Bedingung) (meistens ist das in der psychotherapie das es psychoedukation gibt und nicht das volle treatment)

 Alternatives spezifisches Treatment (z.B. KVT vs. TP)

 Placebo Kontrollgruppe

—>bei welchem design erwarten sie die höchste und wo die niedrigste effektstärke?

!!! höchste effektstärke= unbehandelte kontrollgruppe weil das ja der größte unterschied ist zur experimentalgruppe. weil die ja überhaupt kein treatment erhalten.

niedrigste effektstärke erwarte ich bei= allternative treatment weil ich hab schon was wirksames aber jetzt muss es ja besser sein als das schon wirksame. wenn ich jetzt hier die überlegenheit eines allternativen treatments nachweisen kann wäre das überzeugend.

A. Parallelgruppen-Studiendesign

B. Crossover-Studiendesign

C. Faktorielles Studiendesign

• —>wir haben patienten die rekrutieren wir und zufällig teilen wir diese in gruppe a b und c auf. die starten parallel.

• in der psychotherapieforschung klassisch

• vorteil: die beefinlussen sich nicht wechselseitig, weil die laufen parallel zueinander

• nachteil: braucht große stichrpobe, weil wir ja mehrere behandlungsarme quasi haben und für jeden arm brauchen wir eine relativ große stichprobe.

beispiele:

split plot design: da haben wir eine experimental und eijne kontrolllgruppe oder eine experimental und mehrere kontrollgruppen dann gibt es ein vortest treatment und nachtest

-spezial fall: solomon 4 gruppen plan: = findet man im jedem lehrbuch aber selten in der forschung , der größte grad der internen validität ist mit dem solomon 4 gruppen plan gesichert. selten weil es sehr aufwendig ist. wir haben hier 4 untersuchungsgruppen a b c d , und es gibt einen vortest, treatment, nachtest und in der kontrollgruppe gibt es einen vortest und keinen treatment und nachtest. und jetzt habe ich jeweils noch zwei gruppen wo ich keine vortestung habe, dadurch kann ich testwiederholungseffekte untersuchen. macht besonders dann sinn, wenn es mein endpunkt mein outcome zb leistungstests sind. bsp adhs , da kann man als ein wichtiges outcome die aufmerksamkeitsleistung der teilnehmenden zb mit einem computertest / aufmerksamkeitsbatterie testen. einmal würden wir jetzt vergleichen a mit b und c mit d wir würden dann erwarten a größer b und c größer d, weil die haben ja jeweils ein treatment bekommen. jetzt können wir aber auch noch vergleichen ist a etwa so groß wie c , und ist b etwa so groß wie d , wenn a und c etwa gleich groß sind dann haben wir kein testwiederholungseffekt. dann macht es keinen unterschied ob vorher die testung schon durchgeführt wurde.

—> wir haben wieder eine gruppe von patienten die bekommen randomisiert entweder als erstes treatment a oder treatment b. dann gibt es eine ausschleichperiode und danach bekommen sie entsprechend das andere treatment. also wir haben zwei treatments a und b aber alle patienten bekommen sowohl a als auch b. randomisiert wird hier die reihenfolge ob sie als erstes a oder b bekommen.

vorteil: wir brauchen nur eine kleinere stichprobe , weniger als in parallelgruppendesigns zb, intrainidividuelle kontrollgruppe vorhanden

aber setzt voraus.: das das medikament wikrlich ausgeschlichen werden kann nachteil: wir brauchen einen hohen zeitraum / hohe latenzphase zwischen den treatments , also wenn ich medikament a bekomme muss es sicher sein das medikament a raus ist aus meinem system sonst kommt es zu wechselwirkungen zwischen den medikamenten.

-psychopharmaka: cross over studien kann man da meistens nicht durchführen.

-weil wir wissen ja hat ne latenzphase bis ein anti depressivum wirkt, diese kann bis zu 4 wochen sein ,enstprechend lange dauert es auch bis es wieder aus dem system raus ist.

• zb ein 2 kreus 2 design (2x2)

• nachteil: brauchen eine große stichprobe

• vorteil: wir können interaktionseffekte untersuchen

• psychotherapieforschung gerne verwendet dort

• wir haben zb eine große gruppe von patienten die werden randomisiert auf sagen wir mal 4 verschiedene behandlungsarme aufgeteilt . neben behandlungsarm werden zwei verschiedene varianten von treatments kombiniert .

• es eignet sich also sehr gut um herauszufinden wie die gemeinsame wirkung von psychopharmaka und therapie ist.

• mithilfe von faktoriell designs hat man zb herausgefunden das es bei einer depression so ist bei ner mittleren oder niedrigen depression entweder medikament oder therapie, bei einer schweren depression medikament und therapie ist am wirksamsten.

• 2 x 2 design weil ich habe zwei UV DIE JEWEILS ZWEIFACH GESTUFT SIND. die erste Uv wäre zb das psychotherapeutische treatment die kvt und die zweie Uv wäre die psychopharmakologische behandlung , hiermit kann ich jetzt gut die gemeinsame pharmakologische und therapeutische wirkung untersuchen.

• also wie zb die gemeinsame wirkung von kvt und depressivum einzustufen ist . habe ich bei kvt und depressivum wirklich einen vorteil gegenüber kvt plus placebo ist hier die frage. und interssant

• multizentrische studiendesigns notwendig also sehr große stichproben