Hypothesen und Fragestellungen und statistische Verfahren zu ihrer Auswertung

Vor der Auswertung der Fragestellungen wird zunächst überprüft, ob sich die beiden mittleren Intraklassenkorrelationen für die Interrater-Reliabilität der Q-Sorts in der

psychodynamisch und der kognitiv-behavioral orientierten Therapie signifikant voneinander unterscheiden. Dies geschieht mittels eines z-Tests für unabhängige Stichproben.

Zur Auswertung der mit dem PQS erhobenen Daten werden, dem Vorgehen von Jones und Kollegen folgend, die zehn charakteristischsten und die zehn uncharakteristischsten Items des PQS für die entsprechende (Teil-)Stichprobe (also z.B. für alle kognitiv-behavioralen oder psychodynamischen Sitzungen) ermittelt. Dazu werden die über die entsprechenden Patienten bzw. Sitzungen und Rater gemittelten Ratings der 100 Items des PQS in eine Rangreihe absteigend geordnet. Diese insgesamt 20 Items sollen eine allgemeine Beschreibung des Verhaltens der Patienten, der Therapeuten sowie von ihrer Interaktion liefern.

Hypothese 1: Die 10. und die 18. Sitzung unterscheiden sich bezogen auf die gesamte

Stichprobe und getrennt nach den beiden Therapieansätzen weder in Bezug auf das Verhalten oder den Zustand des Patienten noch auf die Interaktion zwischen Patient und Therapeut oder die therapeutischen Interventionen bedeutsam voneinander.

Der Vergleich zwischen 10. und 18. Sitzung wird in zwei Schritten durchgeführt: zunächst wird jeweils für die gesamte Stichprobe sowie für die psychodynamisch und

kognitiv-behavioral orientierten Therapiesitzungen getrennt eine Rangreihung zur Bestimmung der zehn charakteristischsten und der zehn uncharakteristischsten Items vorgenommen. Dann wird für jedes einzelne Item aus dem PQS ein t-Test für abhängige Stichproben zum Vergleich der entsprechenden Mittelwerte der 10. und der 18. Sitzung durchgeführt. Durch die große Anzahl an t-Tests, die hier durchzuführen sind, steigt das Risiko eines Fehlers 1.

Art, d.h. Unterschiede in der Stichprobe zu finden, obwohl sie in der Population nicht existieren. Die in solchen Fällen sonst angewendete Bonferroni-Adjustierung für multiple Vergleiche wird hier nicht durchgeführt, da damit die Power der Tests sinkt. Stattdessen wird in der vorliegenden Untersuchung das Signifikanzniveau auf α = .01 festgelegt, so wie es der Autor des PQS selbst vorgeschlagen hatte (vgl. Jones et al., 1993). Danach sind Fehler der 1.

Art deshalb vertretbar, weil zunächst gefundene Effekte in weiteren Untersuchungen

überprüft werden können. Fehler der 2. Art hingegen (d.h. Effekte sind zwar in der Population

vorhanden, konnten aber in der Stichprobe nicht gefunden werden) würden nicht entdeckt werden, da keine weiteren Untersuchungen stattfänden (vgl. Jones et al., 1993).

Hypothese 2: Die Therapieprozesse psychodynamisch und kognitiv-behavioral behandelter Patienten, erfasst mit Hilfe des PQS, unterscheiden sich in Bezug auf therapeutische

Techniken und Haltungen bedeutsam voneinander. In Bezug auf patientenseitige Merkmale (Haltung und emotionaler Zustand des Patienten) sowie auf die Interaktion zwischen Patient und Therapeut in der Stunde unterscheiden sich psychodynamisch und kognitiv-behavioral orientierte Therapiesitzungen jedoch nicht bedeutsam voneinander.

Beim Vergleich der psychodynamisch mit der kognitiv-behavioral behandelten Stichprobe über alle 100 Items des PQS wird die gleiche Vorgehensweise wie zum Vergleich der 10. und der 18. Sitzung gewählt. Es wird ein t-Test für unabhängige Stichproben gerechnet, um signifikante Differenzen zwischen einzelnen Items herausfinden zu können. Das

Signifikanzniveau wird auch hier aus den zuvor aufgeführten Gründen auf α = .01 festgelegt.

Dabei ist zu beachten, dass sich einzelne Items als charakteristischer für die eine oder die andere Therapierichtung erweisen könnten, obgleich sie möglicherweise für beide

Therapieformen in den charakteristischen oder uncharakteristischen Bereich eingeordnet werden. Dementsprechend sind diese Aussagen als relative Aussagen zu betrachten.

Außerdem ist zu bedenken, dass ein Item, das als uncharakteristisch eingeschätzt wurde, nicht als unwichtig für diese Therapieform missverstanden werden darf, sondern dass es als

bedeutsam in seiner Abwesenheit eingeschätzt wurde. Im Anschluss an die t-Tests werden Chi-Quadrat-Tests berechnet, um Aussagen darüber treffen zu können, ob sich die

Häufigkeiten zwischen signifikanten und nicht signifikanten Itemdifferenzen in Bezug auf die drei Kategorien an Items des PQS (emotionaler Zustand des Patienten, Interaktion zwischen Patient und Therapeut, therapeutische Interventionen) signifikant voneinander unterscheiden.

Hypothese 3: Die Orientierung am zugehörigen Prototyp ist signifikant größer als die zum gegensätzlichen Prototyp.

3a. Die kognitiv-behaviorale Therapie ähnelt dem kognitiv-behavioralen Prototyp signifikant stärker als dem psychodynamischen Prototyp.

3b. Die psychodynamische Psychotherapie ähnelt dem psychodynamischen Prototyp signifikant stärker als dem kognitiv-behavioralen Prototyp.

Zur Überprüfung des Zusammenhangs der hier implementierten Therapien mit den von Ablon und Jones (1998) erstellten Prototypen wird das Q-Sort jedes Patienten mit jeweils

beiden Prototypen (kognitiv-behavioral und psychodynamisch) korreliert. Das Q-Sort eines Patienten entsteht aus den über alle Rater und Therapiesitzungen (10. und 18. Sitzung) gemittelten Ratings für jedes der 100 Items aus dem PQS. Das Rating eines Items wird dann mit dem entsprechenden Faktorscore des gleichen Items für beide Prototypen getrennt korreliert. Besteht zwischen zwei Merkmalen in der Population ein Zusammenhang, erhält man für (theoretisch unendlich) viele Stichproben eine linkssteile bzw. rechtssteile

Korrelationsverteilung. Mit Hilfe der „r in z Transformation“ von Fisher werden diese Korrelationen in z-Werte umgewandelt, die annähernd normalverteilt sind (vgl. Bortz &

Döring, 1993). Diese geben dann an, wie stark die PQS-Beurteilung einer Therapiestunde mit dem Prototyp korreliert ist. Für jeden Patienten entstehen so zwei Korrelationen in Form von z-Werten: zum einen ein Wert für den Zusammenhang mit dem psychodynamischen und zum anderen ein Wert für den Zusammenhang mit dem kognitiv-behavioralen Prototyp. Diese z-Werte werden über alle Patienten derselben Therapierichtung gemittelt, sodass der

entstehende mittlere z-Wert Aufschluss darüber gibt, wie stark sich die durchgeführte Behandlung an dem prototypischen Behandlungsprozess, so wie er von entsprechenden Experten ihrer Therapierichtung beschrieben wird, orientiert hat. Dieser mittlere z-Wert gilt als Maß für die Orientierung am jeweiligen Therapiekonzept. Im Anschluss werden z-Tests für unabhängige Stichproben (vgl. Bortz & Döring, 1993, S. 203) über diese mittleren Korrelationen mit den Prototypen (in z-Werten) gerechnet, um jeweils für einen der beiden Prototypen feststellen zu können, ob einer der beiden Therapieansätze sich signifikant mehr daran orientiert. Des Weiteren werden z-Tests für abhängige Stichproben (vgl. Bortz &

Döring, 1993, S. 204f) berechnet, um feststellen zu können, ob sich die Korrelationen mit den beiden Prototypen innerhalb eines Behandlungsarms signifikant voneinander unterscheiden.

Das Signifikanzniveau wird hier, gängigen Konventionen folgend, auf α = .05 festgelegt.

Fragestellung A: Gibt es einen bedeutsamen Zusammenhang zwischen der Stärke der Orientierung am zugehörigen Prototyp und dem Therapieoutcome? Übt die Variable

„Festhalten am eigenen Prototyp“ generell einen bedeutsamen Einfluss auf das Therapieergebnis aus?

Um zu prüfen, ob die Aspekte, die nach der jeweiligen Therapietheorie für die Veränderungen im Patienten verantwortlich sein sollen (anhand der Prototypen), eine

prädiktive Funktion für das Outcome haben, werden die zuvor berechneten Zusammenhänge zwischen den Prototypen und den hier implementierten Therapien (z-Wert pro Patient und pro Therapiearm) mit Outcome-Maßen korreliert. Als Outcome-Maße werden die

Prä-Post-Differenzen des BAI, des PSWQ, des STAI, des BDI, des IIP, der HAMA und der HAMD verwendet. Diese Korrelationen ermöglichen Aussagen darüber, ob mit der Orientierung an einem bestimmten Prototyp eine signifikante Verbesserung beim Patienten einhergeht.

Darüber hinaus wird „über Kreuz“ geprüft, ob die Übereinstimmung mit dem gegenteiligen Prototyp eine Vorhersage des Therapieerfolgs erlaubt (also die Übereinstimmung der PQS-Ratings der psychodynamischen Therapiesitzungen mit dem kognitiv-behavioralen Prototyp und umgekehrt).

Weiterhin wird aus den beiden Variablen „Korrelation mit dem kognitiv-behavioralen Prototyp“ und „Korrelation mit dem psychodynamischen Prototyp“ eine neue Variable

„Orientierung am eigenen Prototyp“ bestimmt. Dazu werden die bereits bestimmten z-Werte der Patienten unabhängig vom jeweiligen Therapiearm betrachtet: von jedem

psychodynamisch behandelten Patienten wird sein z-Wert für die Korrelation mit dem psychodynamischen Prototyp und für jeden kognitiv-behavioral behandelten Patienten sein z-Wert für die Korrelation mit dem kognitiv-behavioralen Prototyp verwendet. So entsteht die neue Variable „Orientierung am eigenen Prototyp“ für alle 42 Patienten. Diese 42 z-Werte werden dann mit den oben genannten Outcome-Maßen korreliert. Diese Korrelationen geben, unabhängig von der jeweiligen Behandlungsgruppe, wieder, wie hoch die Übereinstimmung zwischen dem jeweils zugehörigen Prototyp und der tatsächlich durchgeführten Therapie für die gesamte Stichprobe ist. So sind Aussagen über den Einfluss der Variable „Orientierung am eigenen Prototyp“ auf das Ergebnis einer Therapie, auch unabhängig von der jeweils durchgeführten Behandlungsform, möglich. Auch hier wird das Signifikanzniveau auf α = .05 festgelegt.

Fragestellung B: Sind bestimmte Items aus dem PQS signifikante Prädiktoren des

Therapieerfolgs? Beschreiben diese prädiktiven Items eher Merkmale des Patienten oder des Therapeuten oder ihrer Interaktion? Gibt es spezifische Prädiktoren?

Die Fragestellung, ob es unter den charakteristischsten und uncharakteristischsten Items des PQS (getrennt für die gesamte Stichprobe sowie für die beiden Behandlungsgruppen) Prädiktoren des Therapieerfolgs gibt, wird mit Hilfe von linearen und multiplen Regressionen beantwortet. Als Outcome-Maße und damit als abhängige Variable in den Regressionen dienen die Prä-Post-Differenzen des BAI, des STAI, des PSWQ, des IIP, der HAMA, des BDI und der HAMD. Zunächst werden lineare Regressionen für jeweils jedes der zehn charakteristischsten und zehn uncharakteristischsten Items der interessierenden Stichprobe

einzeln berechnet. UV ist das entsprechende Item aus dem PQS. Im Anschluss daran sollen multiple Regressionen (Methode „Einschluss“) berechnet werden. In diese gehen als UVs all die Items aus dem PQS ein, die sich in den vorangegangenen linearen Regressionen als signifikante Prädiktoren des Therapieoutcomes für ein entsprechendes Outcome-Maß erwiesen haben. Das Signifikanzniveau wird hier wegen der multiplen Tests erneut auf α = .01 festgelegt.

Auf eine multiple Regression, in die alle 100 Items aus dem PQS gleichzeitig eingehen, wird verzichtet, weil das Verhältnis zwischen Anzahl an Prädiktoren (i =100) und Größe der Stichprobe (n = 42) nicht den Anforderungen entspricht (vgl. Field, S. 172ff).

IV. Ergebnisse

1. Vergleich der Intraklassenkorrelation zwischen den beiden