Daten für die Quizze

Block 1: Generalisiertes lineares Modell

Das Quiz zu diesem Block beruht auf einer echten Untersuchung, deren Datensatz hier im Open Science Framework abgelegt ist. In dem Datensatz wurde bspw. erhoben, was für potenziell traumatischen Erlebnissen eine Person ausgesetzt war und mittels der Live Event Checklist (LEC) zu welchem Grad. Weiterhin wurden die Depressionswerte anhand des Becks-Depression-Inventar (BDI) und die Anxiety-Werte durch die Zung Self-Rating Anxiety Scale (SAS) erhoben. Für unsere Berechnung brauchen wir nur einen Ausschnitt der Vielzahl an Variablen. Diesen extrahieren wir aus dem originalen Datensatz und erstellen damit einen Neuen für unsere Aufgaben. Da das Processing in diesem Fall sehr komplex ist, haben wir das für Sie übernommen. Dafür brauchten wir ein paar Pakete, sodass Sie mit

install.packages('dplyr')
install.packages('haven')

zunächst die notwendigen Pakete installieren müssten. Mit folgendem Befehl laden Sie sich die modifizierte Version des Datensatzes in ihr Working Directory ein.

source(url("https://pandar.netlify.app/daten/Data_Processing_KliPPsQuiz1.R"))

Falls Sie Interesse am Processing haben, können Sie den kommentierten File hier herunterladen.

Nun wollen wir noch die Inhalte des modifizierten Datensatzes beschreiben. In diesem ist die Variable Geschlecht (gender) in m und w unterteilt, wobei m Männer und w Frauen beschreibt. Die Variable mit den Anxiety Werten (sas) erfasst die kumulierten Werte aller Fragen aus der SAS, die eine 4-Punkt Likert-Skala benutzt. Die Variable mit den Depressionswerten (bdi) erfasst die kumulierten Werte aller Fragen aus dem BDI, das Antwortmöglichkeiten von 0 bis 3 anhand der Schwere der Symptomatik bewertet. Sowohl die Anxiety Werte als auch die Depressionswerte wurden ihrer Intensität nach gruppiert von 1 bis 4, wobei 1 keine auffällige Symptomatik beschreibt, 2 milde bis moderate Symptome, 3 moderate bis schwere Symptome und 4 schwere Symptome. Diese Werte sind in den Variablen bdi_group und sas_group zu finden. In der Variable sexual_assault wurde allen Personen, die sexuelle Gewalt direkt erfahren haben, eine 1 zugeteilt, während allen anderen Fällen eine 0 zugewiesen wurde. Die Variable trauma_exp_form beschreibt die Form des Trauma-Erlebnisses, ob dieses direkt erlebt wurde (markiert durch direct experience), also der Person selbst passiert ist oder indirekt (indirect experience), so dass sie es gesehen / mitbekommen hat. Die Variable trauma_exp_kind beschreibt dagegen, welcher Art das Trauma-Erlebnis war. Dabei wurden die verschiedenen LEC Fragen fünf verschiedenen Gruppen zugeteilt. Im Datensatz liegt diese Variable als Faktor mit 6 Abstufungen vor. Mit diesen 6 Abstufungen können die 5 verschiedene Arten von Traumata aus dem LEC und “kein Trauma” kodiert werden: Stufe 1 steht für Personen, die keine Art eines Traumas erlebt haben. Stufe 2 steht für schwere Krankheiten, 3 für sexuelle Gewalt, 4 für schwere Unfälle, 5 für körperliche Gewalt und 6 für Krieg oder Naturkatastrophen. In der Variable future wird anhand des Zimbardo Time Perspective Inventory (ZTPI) die Einstellung gegenüber der Zukunft erfasst, also ob es für diese klare Vorstellungen, Pläne und Ziele gibt oder nicht. Die Skala Past Negative des ZTPI wird in der Variable past_neg festgehalten und beschreibt wie oft eine Person negativ über die Vergangenheit denkt. Beide Skalen wurden durch 5-Punkt Likert-Skalen bewertet, deren Durchschnitt festgehalten wurde. Zuletzt wurde noch der Gesamtwert der Dissociative Experiences Scale in der Variable dissociation festgehalten. Diese Skala erhebt das Dissoziationserleben einer Person mit 28 Items in einer 11 Punkt Likert-Skala.

Zum Abschluss noch ein Disclaimer zum Processing: Bei der Erstellung der Variable trauma_exp_art wurde das Erleben mehrerer potentiell traumatischer Live Events ignoriert und die Personen dem jeweils ersten abgefragten traumatischen Erlebnis zugeteilt. Der Effekt mehrerer traumatischer Erlebnisse ist hiermit also nicht mehr erfassbar und kann dadurch die Ergebnisse verzerren. Ebenso wurden die Gruppen nur auf Basis von Item-Ähnlichkeit gebildet und nicht basierend auf empirischen Erkenntnissen. Das ist keine Grundlage für empirisch valide Forschung, sondern gilt einzig der Vereinfachung für die Übungsrechnung.

Block 2: Hierarchische Regression

Im Rahmen des Quiz nutzen wir die Daten aus der Studie von Pellerin und Raufaste (2020), in der die protektive Wirkung verschiedener psychologischer Ressourcen auf die psychische Gesundheit während der COVID-19-Pandemie untersucht wurde. Die Daten sind hier verfügbar.

Um die Daten zu laden können Sie wieder das vorbereitete Datenaufbereitungsskript ausführen:

source(url("https://pandar.netlify.app/daten/Data_Processing_KliPPsQuiz2.R"))

In diesem Datensatz sind Personen (id) zu mehreren Messzeitpunkten (wave) während des Lockdowns in Frankreich befragt worden. In der Variable time wird zusätzlich kodiert, wie lange die Person zu diesem Zeitpunkt schon im Lockdown war. Außerdem wurden vier verschiedene Wohlbefindensvariablen als abhängige Variablen erfasst:

• EWB: Emotional Wellbeing
• PWB: Psychological Wellbeing
• SWB: Social Wellbeing
• IWB: Inner Wellbeing

Eine detailliertere Darstellung der Konstrukte, die sich hinter diesen Variablen verbergen finden Sie im Artikel von Pellerin und Raufaste (2020).

Auf Personenebene (Level-2) sind außerdem Variablen als Prädiktoren enthalten, welche zum 1. Zeitpunkt als “Ausgangsniveau” erhoben wurden. Dies sind Personenvariablen wie Alter und Geschlecht, zudem verschiedene psychologischen Ressourcen wie Optimismus (Optimism), Selbstwirksamkeit (Self-efficacy), Hoffnung (Hope), Weisheit (P.Wisdom & ST.Wisdom), Dankbarkeit gegenüber der eigenen Existenz und der Welt (Grat.being & Grat.world) und Akzeptanz (Acceptance). Als Prädiktoren auf Ebene 1 können Variablen verwendet werden, die mehrfach erfragt wurden und über die Zeit variieren. Dies ist die o.g. im Lockdown verbrachte Zeit (Time) sowie die wahrgenommene ökonomische Bedrohung, also Jobgefahr, Geldnot, etc. (E.threat) und die wahrgenommene gesundheitliche Bedrohung, also die Wahrscheinlichkeit einer Erkrankung und deren Folgen (H.threat).

Im Rahmen des Quiz sollen außerdem Fragen zu einer Studie, die das statistische Modell in der klinischen Forschung einsetzt, beantwortet werden. Eine groß angelegte Studie von Goldberg et al. (2016) untersuchte, ob Psychotherapeut*innen mit zunehmender Berufserfahrung bessere Therapieergebnisse erzielen.

Block 4: Metaanalyse

Im Rahmen dieses Quiz nutzen wir die Daten aus der Meta-Analyse von Kruisbrink et al. (2021), in der verschiedene Interventionsansätze bezüglich der Sturzgefahr von Personen höheren Alters untersucht werden. Spezifisch geht es in dieser Analyse um die psychologischen Outcomes bezüglich der Angst vor Stürzen, nicht um die tatsächliche Häufigkeit oder deren Schweregrad. Die relevanten Zusatzdateien (wie z.B. der Datensatz) sind allesamt im OSF-Projekt osf.io/sf67d verfügbar.

Um eine, für das Quiz aufbereitete und gekürzte Fassung der Daten zu laden, können Sie das folgende Skript ausführen (Anmerkung: sollten Sie das Paket haven noch nicht installiert haben, wir dieses durch das Ausführen dieses Skripts installiert):

source("https://pandar.netlify.app/daten/Data_Processing_fall.R")

Der entstandene Datensatz enthält 52 Beobachtungen auf 11 Variablen. In author werden die Studien anhand ihres Erstautors / ihrer Erstautorin geführt, in id ist werden die Studien-IDs numerisch vergeben. quality gibt an, auf wie vielen der sieben potentiellen Bias-Risiken eine Studie als problematisch eingestuft wurde. Von Kruisbrink et al. (2021, S. 6250) wird hierzu folgende Aussage getroffen:

[…] the number of high risk of bias items ranged from two to four out of the total of seven items. Due to the nature of the interventions, blinding was impossible and the two items regarding blinding of participants and personnel and outcome assessors (performance bias and detection bias) were always scored with a high risk of bias.

Die vier folgenden Variablen (bodyawareness, holistic, meditation, discussion) kennzeichnen in Dummy-Variablen, ob eine untersuchte Intervention diese Elemente enthält bzw. nach diesen Prinzipien gestaltet ist. Die Variablen es_post und es_follow enthalten die Effektstärken zur Post bzw. Follow-Messung, die Variablen se_post und se_follow die zugehörigen Standardfehler.

Im Rahmen des Quiz wird außerdem um die genauere Betrachtung der Studie von Schwenk et al. (2016) gebeten.

Literatur

Goldberg, S. B., Rousmaniere, T., Miller, S. D., Whipple, J., Nielsen, S. L., Hoyt, W. T., & Wampold, B. E. (2016). Do psychotherapists improve with time and experience? A longitudinal analysis of outcomes in a clinical setting. Journal of counseling psychology, 63, 1-11. https://doi.org/10.1037/cou0000131

Kruisbrink, M., Crutzen, R., Kempen, G. I. J. M., Delbaere, K., Ambergen, T., Cheung, K. L., Kendrick, D., Iliffe, S., & Zijlstra, G. A. R. (2022). Disentangling interventions to reduce fear of falling in community-dwelling older people: A systematic review and meta-analysis of intervention components. Disability and Rehabilitation, 44(21), 6247-6257. https://doi.org/10.1080/09638288.2021.1969452

Pellerin, N., & Raufaste, E. (2020). Psychological resources protect well-being during the COVID-19 pandemic: A longitudinal study during the French lockdown. Frontiers in Psychology, 11, 590276. https://doi.org/10.3389/fpsyg.2020.590276

Schwenk, M., Sabbagh, M., Lin, I., Morgan, P., Grewal, G. S., Mohler, J., Coon, D. W., & Najafi, B. (2016). Sensor-based balance training with motion feedback in people with mild cognitive impairment. Journal of Rehabilitation Research and Development, 53(6), 945-958. https://doi.org/10.1682/JRRD.2015.05.0089