PsyThFormeth

1. Auswahl einer Zielvariablen (abhängige Variable): z.B. Intensität der Angst
2. Wiederholte Messung der Zielvariablen: z.B. Wiederholte Messung der Angst mit Fragebogen
3. Baseline Erhebung: Überwachen der Zielvariable über einen bestimmten Zeitraum (ohne Intervention
4. Einführen der Intervention. Wiederholte Messung der abhängigen Variablen.

• Logik: Wenn alle anderen Variablen konstant gehalten werden, und die einzige Variable, die verändert wurde das Einführen der Intervention war, kann darauf geschlossen werden, dass die Intervention kausal für die Veränderung verantwortlich war

• Weil es nicht möglich ist alle möglichen Störvariablen zu kontrollieren, sind Replikationen von Einzelfallexperimenten wichtig

Bei quasi-experimentellen Designs wird die Intervention nicht gezielt eingeführt bzw. manipuliert. Es wird « einfach » wiederholt gemessen und beobachtet, wie sich die Zielvariable in Abhängigkeit von den « natürlicherweise » verwendeten Interventionen verändert

Eine Rückkehr auf das Ausgangsniveau bei der zweiten Baseline-Erhebung stärkt Validität der Kausalitätsaussage

Beispiel: Zwanghaftes Händewaschen (Mills et al., 1973)

• Vier erfolgreiche Replikationen mit 4 stationären 
Patienten, die unter starkem Waschzwang litten
• Während Replikationsserie Veränderung im Versuchsplandesign, zuerst A-B-A Design
• A = Baseline ; B= Exposition mit Reaktionsverhinderung (Hände « verschmutzen » & Verhinderung der Möglichkeit Hände zu waschen)
• Später A-B-BC-B-A Design, A=Baseline, B=Placebo, C=Expo mit Reaktionsverhinderung

•  Experimentelle Bedingungen werden bei verschiedenen Versuchpersonen oder bei unterschiedlichen Variablen zu unterschiedlichen Zeitpunkten eingeführt

•  1, 2 und 3 können also verschiedene Versuchspersonen sein oder unterschiedliche Variablen bei der gleichen VP wie z.B. 


- 1. Interventionen, die auf negative Gedanken abzielen 


- 2. Interventionen, die auf Achtsamkeit abzielen


- 3. Interventionen, die auf Verhalten abzielen

Vorteile:

• Es kann eine klare kausale Beziehungen zwischen einer Intervention und einer Veränderung aufgezeigt werden
•  Sehr viel billiger als experimentelle Studien mit grossen Stichproben
• Verschiedene Einzelfallexperimente können in rascher Abfolge aufeinander aufbauen und so schnell zur Entwicklung oder Optimierung einer Intervention beitragen
• Im Gegensatz zu vielen Gruppenstudien wird nicht einfach Prä und Post gemessen. Die wiederholte Messung erlaubt die detaillierte Analyse von Veränderungsmustern und zeitlichen Abfolgen der Veränderung
• Häufige methodische Probleme in klinischen Studien (z.B. Powerprobleme) werden vermieden

Nachteile:

• V.a. eingeschränkte Generalisierungsmöglichkeiten auf Population: Eine Intervention, die sich bei einem Individuum als wirksam erwiesen hat, muss bei einem anderen nicht wirksam sein.
• Aber! Auch in Gruppenstudien werden Patienten oft selegiert (z.B. homogen bezüglich Störung) und auch da stellt sich die Frage der Generalisierbarkeit
• Wie bei Gruppenstudien können auch Einzelfallexperimente bei verschiedenen Individuen mit verschiedenen Problemen und in unterschiedlichen Settings wiederholt durchgeführt werden (um Aussagen stärker generalisieren zu können)

Grundsätzlich haben Daten in der Psychologie oft eine Mehrebenenstruktur (mehrere hierarchisch geordnete Ebenen)

Warum muss Mehrebenenstruktur berücksichtigt werden?

• Eigentlich notwendige Unabhängigkeit der Beobachtungen ist in hierarchischen Datenstrukturen nicht erfüllt
• Zum Beispiel haben in einer grösseren Studie bestimmte Patienten den gleichen Therapeuten und wurden in der gleichen Klinik behandelt
• Diese Merkmale unterscheiden sie gemeinsam von anderen Patienten, die von anderen Therapeuten und in einer anderen Klinik behandelt wurden
• Nicht Berücksichtigung dieser Abhängigkeit der Daten bzw. der hierarchischen Struktur kann zu Fehlschlüssen führen (z.B. sind Unterschiede in Therapieerfolgen nicht auf eine bestimmte Behandlung, sondern auf Therapeuten oder bestimmte Kliniken zurückzuführen

Darunter werden Forschungsansätze verstanden, die sich mit der differenziellen Anpassung des therapeutischen Vorgehens an den spezifischen Patienten befassen. Sehr bekannt hier ist das STS-Modell (Systematic Treatment Selection Modell von Larry Beutler und John Clarkin)

Letztlich geht es dabei um die Beantwortung der berühmten Frage von Gordon Paul (1967): „What treatment, by whom, is most effective for this individual with that specific problem and under which set of cirumstances?“

Systematic Treatment Selection (Beutler & Clarkin, 1990): Modell zur differentiellen Selektion von Interventionen auf der Basis von Patientenmerkmalen

• Atheoretisch -> rein empirische Grundlage: bestimmte Interventionen wirken bei bestimmten Patienten besser (patient x treatment interaction)
• patient x treatment - Interaktionen wurden bei Depressiven, Angst- und Suchtpatienten, sowie gemischten Stichproben ambulanter Patienten validiert
• Präskriptive Therapie berücksichtigt die wichtigsten Patientenmerkmale, auf die sich ein Therapeut unbedingt differentiell einstellen sollte
• Modell wurde 2002 von APA als « empirically supported » anerkannt