Datagrundlag
Patienter fra to forskellige behandlingssammenhænge:
– Privat psykiatrisk klinik i Odense (individuel psykoterapi)
– Afdeling på Glostrup psykiatriske afdeling, E12 (gruppeterapi)
Data
Ud over de nævnte samples findes IIP-data fra yderligere 4 kilder, så der i alt findes 6 samples med IIP-data i itemformat (scoringer for hvert spørgsmål for sig), et ikke-patientsample, og 5 patientsamples med i alt 817 fpp, samt 398 retestninger, i alt 1215 gennemførte tests
Andre tests og baggrundsvariable findes i varierende grad til de forskellige datasæt.
Indledende projektbeskrivelse
Data fra testen Inventory of Interpersonal Problems (IIP) anvendes til at beskrive forløbsændringer under psykoterapierne, idet resultaterne sammenlignes for de to behandlingssites.
Som kovariate anvendes:
– aktuelle symptomer (SCL-90)
– køn
– sygdomsvarighed
– diagnoser
– længde af behandling
Analysemetoder
Målingsinvarians undersøges for de to sites i forhold til hinanden og for de løbende målinger.
Der opstilles målingsmodeller for testene
Growth modeling-modeller opstilles for IIP, og de kovariate tilføjes (trefase-metoden Vermunt; Muthén)
Publiceringsmuligheder
Ugeskrift for læger
Scandinavian Journal of Psychology
Nordic Psyciatry
Foretagne analyser indtil 27.11.2020
Datasæt er samlet, jfr. ovenstående
Målingsmodeller
IIP-målingsmodeller for hvert af de 6 samples og det samlede sample er undersøgt med confirmatorisk faktoranalyse (CFA).
Gennemgående er fundet at målingsmodellerne er gode, og at de 8 faktorer måles godt med de indgående items.
Målingsinvarians
Der undersøges om testen fungerer ens for de forskellige samples og for de forskellige waves af testninger for de samme personer. Eventuelle forskelle er kun valide hvis testen i øvrigt fungerer ensartet mellem samples og waves.
Målingsinvarians mellem samples
Generelt er der god målingsinvarians, men sample 1, bestående af psykologistuderende, adskiller sig fra de andre på en del items.
Målingsinvarians mellem waves af data
Der er i de fleste tilfælde fundet god målingsinvarians mellem de forskellige waves for samme personer.
Circumpleks struktur
Det undersøges om den teoretiske struktur genfindes empirisk. Den interpersonelle cirkumplekse model indebærer at naboskalaer skal have høj korrelation og at korrelationen skal aftage med afstanden mellem skalaerne. Endvidere at korrelationerne indikerer at afstandene i cirkumplekset er ensartede.
Netværksanalyser
Som foreløbigt resultat er faktorscores fra det samlede sample undersøgt med programmet JASP mht netværksegenskaber. Der viser sig en fin cirkulær struktur med høje forbindelser mellem naboskalaer. Endvidere lidt forudsagte sammenhænge mellem næsten naboer, samt negative relationer mellem modsatte skalaer. Der er dog også små relationer der ikke helt passer i mønsteret.
Netværksanalysen er også gennemført for hvert sample for sig, og her findes ganske vist samme struktur, men enkelte af naborelationerne er svagere i nogle samples.
Se netværksanalyserne her (pptx-fil)
Imidlertid tester netværksanalyserne ikke en cirkumplekse model i sig selv.
Analyse af korrelationsmatricer
Dette er undersøgt alene for studentersamplet vha korrelationer og skal analyseres for de andre samples og det samlede sample.
Analyser med Fourier-modellen
Endvidere bør analyserne gennemføres med omparametriceringen med en Fourier-model.
Resultater af målingerne
De observerede scoringer (sumscores) er beregnet for alle 8 subskalaer for både Odense og E12.
Hent grafer vedrørende de observerede data her (pptx-fil)
Der er opstillet statistiske modeller over ændringerne over tid og der er beregnet de tilsvarende faktorscores.
En nærmere beskrivelse af modeludviklingen og kurver over forløbet med faktorscores kan hentes her (pptx-fil)
Missing data
Som det er almindeligt med gentagne målinger i behandlingsforløb, er der i de senere dele af forløbene stadig flere manglende besvarelser. Det ser ud til at det ikke er tilfældigt hvilke patienter der ophører med at svare, og det er derfor nødvendigt at finde måder at håndtere denne form for missingness. Nærmere beskrivelse kan ses i ovennævnte præsentation.
Jan Ivanouw
27. november 2020