Krankheitseinsicht, dynamisch getestete Exekutivfunktionen und ...

82
Reliable Change Index
Werte angibt (Produkt aus radizierter Reliabilität und Standardmessfehler, d. h. Standardschätzfehler).
Dieser als CSINDIV bezeichnete Algorithmus soll prüfen, ob der geschätzte
Abstand von der wahren Schwelle klinischer Bedeutsamkeit mit einer geringeren als der
gewählten kritischen Wahrscheinlichkeit auftritt. Die wahre Schwelle (ctrue) wird berechnet,
indem die Streuungen der wahren Werte durch Gewichtung mit dem Faktor rtt 0,5 geschätzt
werden:
(03)
HSU (1996) übte eine andere, grundlegendere methodologische Kritik am empfohlenen
Trennwert c bzw. seiner Interpretation: Dieser könne – bei gleichen Streuungen – nur
etwas über das Verhältnis der Auftretenswahrscheinlichkeiten eines Werts in beiden
Verteilungen aussagen (likelihood ratio) und damit etwas über die Balance von Sensitivität
und Spezifität, nicht aber etwas über das Verhältnis der bedingten Wahrscheinlichkeiten,
bei einem gegebenen Wert jeweils einer der Gruppen anzugehören. Hierfür würden nach
dem Bayes-Theorem die A-priori-Wahrscheinlichkeiten der Ereignisse Funktionalität und
Dysfunktionalität benötigt, die häufig unbekannt sind. Der Autor schlägt eine komplexe
Modifikation von Trennwert c vor (Posterior Probability Ratio Method: HSU, 1996,
Definition c.1.A., S. 379; nicht dargestellt) und demonstrierte v. a. für große Unterschiede in
den Auftretenswahrscheinlichkeiten deutlich differierende Fehlklassifikationsanteile.
(3.) Kritik an der Methode zur Feststellung reliabler Veränderung. Die Kritik an der
zweiten Komponente des RC-Modells richtet sich zum einen gegen den verwendeten
Standardfehler, zum anderen gegen die vermeintlich mangelnde Kontrolle der Regression
zur Mitte. Beide Kritikpunkte bildeten den Ausgangspunkt einer Reihe von Überarbeitungen
des »klassischen« Veränderungsindex, der jedoch zunächst beschrieben werden soll.
Eine weitere, thematisch diesem Bereich zuzuordnende Fundamentalkritik wurde vor allem
von Verfechtern hierarchisch-linearer Modelle an der Analyse von Daten aus Prätest-
Posttest-Designs geäußert (z. B. SPEER, 1999) – da jedoch aus forschungsökonomischen
Gründen oft nur zwei Messzeitpunkte möglich sind, soll sich die Diskussion auf entsprechende
Analysemodelle beschränken.
Die nun folgenden Modelle zur Überprüfung statistisch signifikanter Veränderungen im
Einzelfall werden konventionell in Form von Brüchen dargestellt, in denen ein Zähler-
Ausdruck an unterschiedlichen Standardfehlern relativiert und das Ergebnis mit kritischen
z-Werten verglichen wird. Andere Notationen sind ebenso möglich (s. SCHÖTTKE et al.,
1993). Die Methoden lassen sich grob in drei Klassen einteilen:
(1.) einfache (standardisierte) Differenzwerte – hierbei werden die beobachteten, unmodifizierten
Posttest-Prätest-Differenzen der Personen verwendet (z. B. JACOBSON,
FOLLETTE & REVENSTORF, 1984; CHRISTENSEN & MENDOZA, 1986; MORITZ, IVERSON &
WOODWARD, 2003);
(2.) modifizierte Differenzwerte – innerhalb dieser Klasse wurden verschiedene Methoden
diskutiert, die Schätzung der Differenz durch Kontrolle von Messfehlern und/oder
Regressionseffekten zu verbessern (z. B. HSU, 1989; SPEER, 1992; HAGEMAN & ARRINDELL,
1993; ZEGERS & HAFKENSCHEID, 1994);