Psychophysiologische.. - Jochen Fahrenberg
Psychophysiologische.. - Jochen Fahrenberg
Psychophysiologische.. - Jochen Fahrenberg
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Fehlende Daten und Qualitätskontrolle<br />
Wie es bei einer klinischen Untersuchung mit anspruchsvoller Methodik kaum zu vermeiden ist, konnten<br />
nicht von allen Patientinnen vollständige Datensätze gewonnen werden. Dies gilt in seltenen Fällen<br />
für die Fragebögen und relativ häufig für das 24-Stunden-Monitoring. Dies fehlt bei allen Patientinnen<br />
der Kontrollgruppe mit den normotonen Patientinnen, aber auch bei einigen der hypertonen Patientinnen.<br />
Von 26 Untersuchungsteilnehmerinnen gibt es ein 24-Stunden-Monitoring mit den Mittelwerten<br />
und Standardabweichungen des Blutdrucks und der Herzfrequenz, gemittelt über den Tag bzw. die<br />
Nacht. Außerdem liegen von allen die auf der Station gemessenen Werte vor, d. h. je nach Patientin<br />
und Diagnose Einzelmessungen an 3 oder bis zu 20 Tagen. Die Anzahl der missing data wurde in den<br />
Tabellen angegeben und bei den statistischen Analysen berücksichtigt.<br />
Bewertungen<br />
Die Qualität der technischen Aspekte der Blutdruckmessung und der Güte des Interviews in psychologischer<br />
Hinsicht wurden von den jeweiligen Untersuchern eingestuft, wobei die ersten Untersuchungen<br />
zur Ausbildung eines internen Maßstabs dienten. Zur Bewertung wurde eine 5-stufige Notenskala<br />
mit zusätzlichen Halbstufen verwendet (siehe Anhang).<br />
Datenorganisation und Statistik<br />
Der vierdimensionale Datenfile mit den Patienten (40), Segmenten (27), Terminen (2) und Variablen<br />
(9) hat 2160 Zeilen. Er wurde mit dem Makro HEALB in einen zweiten Datenfile Patienten (40) und<br />
mit 40 (Untersuchungsphase x Variable x Termin = 27 x 2 x 9) Zeilen transformiert. Je nach Fragestellung<br />
wurde der eine oder der andere Datensatz benutzt und die zusätzlichen Informationen über Gruppierungen<br />
und Kovariaten einbezogen. Ein weiterer Gesamtfile wurde aus den Patientendaten, den<br />
Fragebogendaten und den Protokolldaten der Untersuchungen gebildet. Dieser Datensatz enthält auch<br />
die auf Station und im 24-Stunden-Monitoring gemessenen Blutdruck- und Herzfrequenz-Werte.<br />
Im ersten Schritt wurden mit SAS-Routinen bzw. SPSS-Routinen deskriptive Statistiken berechnet:<br />
für die Verteilungen aller Variablen, deskriptive Mittelwert-Vergleiche, Korrelationen u.a.<br />
Vor der Berechnung von Reaktionswerten waren die Ausgangswert-Abhängigkeiten zu prüfen, um<br />
ggf. außer Differenzen auch ausgangswertkorrigierte Reaktionswerte (ALS) zu berechnen. Zur Prüfung<br />
der Ausgangswert-Abhängigkeiten wurde das Makro AWGT (F. Foerster) verwendet (siehe <strong>Fahrenberg</strong>,<br />
Foerster & Franck, 1995; Foerster, 1995). Aufgrund der Ergebnisse (siehe Abschnitt 6.3.1)<br />
wurde entschieden, nur Differenzen zu verwenden und alle Veränderungen auf die Ruhe 2 unmittelbar<br />
vor Beginn des Interviews zu beziehen. Diese Entscheidung war auch davon beeinflusst, dass nur von<br />
26 der 31 Hypertonikern und von keiner der normotonen Patientinnen ein Monitoring vorliegt, dessen<br />
Nacht-Mittelwert als Baseline dienen können.<br />
Die Kovariation von systolischem und diastolischem Blutdruck mit der Herzfrequenz wurde durch<br />
Korrelation über alle vorhandenen Werte, sozusagen für eine "mittlere Person" berechnet. Bei diesem<br />
Verfahren wird jedoch die wahre Korrelation, wie sie innerhalb einer Person besteht, wesentlich unterschätzt.<br />
Dafür sind personenweise (intra-individuelle) Korrelationskoeffizienten geeigneter. Wenn<br />
jedoch der gesamte Rekord einer Patienten verwendet würde, könnte der kurzfristige Anstieg aufgrund<br />
der körperlichen Aktivität beim Treppensteigen zu einer Inflationierung der Korrelation der Zeitreihen<br />
führen. Deshalb wurde nur die durchschnittlich ca. 45 Minuten dauernden Interview- und Ruhe-<br />
Phasen verwendet, um die intraindividuelle Kovariation der kardiovaskulären Messwerte zu berechnen.<br />
Ausgewählt wurden die Rekords von 10 Patienten, die zu denen gehörten, deren technische Qualität<br />
bei beiden Untersuchungsterminen als gut oder sehr gut eingestuft worden war. Die Korrelationskoeffizienten<br />
innerhalb Personen wurden mittels z-Funktionen über die Personen gemittelt.<br />
Kovarianzanalyse<br />
Der mögliche Einfluss von 4 Kovariaten wird explorativ zunächst mit einer Regressionsanalyse an den<br />
Messwerten von Ruhe 1 und Gesamtinterview (N =40) mit der angegebenen Reihenfolge der Prädiktoren<br />
(Enter p = .05; Remove p = .10) gerechnet und anschließend in einer GLM-Analyse (SS1 bzw.<br />
Typ 1) an allen vorliegenden Messpunkten geprüft (16 Segmente, d.h. Ruhe 1, 2, und 3 sowie 13 Interview-Segmente,<br />
Portapres-Messungen N = 1225 und SpaceLabs-Messungen N = 441). Als<br />
Kovariate wurden in dieser Reihenfolge ausgewählt und eingesetzt: AL Alter, BMI Body Mass Index,<br />
FU Fingerumfang, AU Oberarmumfang und Armumfang. In eine ergänzenden Analyse wurde<br />
außerdem der Mittelwert des systolischen Blutdrucks des 24-Stunden-Monitoring Nachtsegment be-<br />
39