Krankheitseinsicht, dynamisch getestete Exekutivfunktionen und ...

10.12 Analyse von WCST-Fehlerprofilen
257
Ergebnisse Studie 2
Bislang wurde gezeigt, dass sich die betrachtete Grundgesamtheit anhand der Profile ihrer
korrekten Sortierungen im WCSTdyn in relativ homogenere Teilgruppen einteilen lässt.
Trotz der Untersuchung von WIEDL et al. (2004) zur Veränderung der Konstruktvalidität
des WCST durch Dynamisierung ist zu den spezifischen Beeinträchtigungen von Lernern
und Nichtlernern im Prätest noch vergleichsweise wenig bekannt. Die dargestellten
separierbaren Faktoren des WCST und deren Interpretation sensu GREVE, LOVE, SHERWIN,
MATHIAS, RAMZINSKI et al. (2002) eröffnen die Möglichkeit, eine kognitive Charakterisierung
der Performanztypen anhand von WCST-Fehlertypen zu versuchen.
Im Anschluss an die genannten Autoren wurde, analog zum oben beschriebenen Vorgehen,
zunächst eine hierarchische Clusteranalyse nach Ward berechnet. Verwendet wurden
die unkorrelierten Werte dreier erzwungener Faktoren aus einer Hauptkomponentenanalyse
mit orthogonaler Rotation an den standardisierten Variablen PE, NPE und FMS des
statischen WCST-64.
800
700
600
500
400
300
200
100
0
2 3 4 5 6 7 8 9 10
Reihe1 702,61 495,55 341,82 281,57 236,61 195,09 164,21 143,27 126,50
Abbildung 22. Struktogramm der Heterogenitätsentwicklung von
Ward-Clustern auf der Grundlage perseverativer, nonperseverativer
und FMS-Fehler im WCST-64 (N = 313 Patienten)
Das Struktogramm (Abbildung 22) zeigt einen Anstieg der Fehlerquadratsumme (Ellbow)
bei einer Vier-Cluster-Lösung. Da diese sowohl mit der einfachsten Erwartung bei drei
weitgehend unkorrelierten Fehlervariablen übereinstimmt (d. h. einer intakten Gruppe und
einer Gruppe pro Fehlertyp) als auch den Befund von GREVE, LOVE, SHERWIN, MATHIAS,
RAMZINSKI et al. (2002) an neurologischen Patienten repliziert, wurde sie als Startpartition
einer sich anschließenden nicht-hierarchischen Analyse verwendet.
Abbildung 23 zeigt die z-Werte dieser Fehlervariablen für die vier k-means-Cluster. Das
Vorzeichen wurde so gewählt, dass positive Werte eine höhere Leistung, d. h. weniger
Fehler anzeigen. Alle Clustergruppen erwiesen sich als deutlich varianzhomogener als die
Grundgesamtheit (MeF = 0,30; nicht dargestellt). Das Ergebnis ist eindeutig und bestätigt
Hypothese 2.5: Neben einer leistungsstarken Gruppe (High-functioning [HI]-Cluster 3)
kann die Grundgesamtheit in drei weitere Cluster mit spezifischen Fehlertypen eingeteilt
werden: Die Probanden des Clusters 1 (PE) begehen im statischen WCST mit deutlichem
Abstand die meisten perseverativen Fehler (z < -2), unterscheiden sich aber augenscheinlich
nicht in den beiden anderen Teilbereichen. Cluster 4 (NPE) ist ausschließlich durch die
Häufung nicht-perseverativer Fehler gekennzeichnet (z < -1), während Cluster 3 (FMS) die
meisten Konzept-Abbrüche zeigt (z < -2,5).