Entwicklung eines computeradaptiven Tests zur Erfassung von Stresserleben (Stress-CAT)

Abstract

Die empirische Erfassung psychischer Merkmale erfolgt in der Regel mit Instrumenten, die auf der Grundlage der klassischen Testtheorie entwickelt wurden. Seit den 60-er Jahren bietet sich mit den Item-Response-Theorien (IRT) hierzu eine Alternative an, die verschiedene Vorteile verspricht. Auf ihrer Grundlage können u.a. computeradaptive Tests (CAT) entwickelt werden, welche die Auswahl der vorgelegten Items dem Antwortverhalten der Probanden anpassen und damit eine bessere Messgenauigkeit bei reduzierter Itemzahl versprechen. In der vorliegenden Arbeit wurde ein CAT zur Erfassung von Stresserleben entwickelt, um zu prüfen, ob sich die theoretischen Vorzüge der IRT auch in der praktischen Umsetzung wieder finden lassen. Hierfür wurden n=1092 Patienten untersucht, die an der Medizinischen Klinik mit Schwerpunkt Psychosomatik der Charité zwischen 06/02 und 04/03 im Rahmen der Routinediagnostik ein umfangreiches Set etablierter konventioneller Fragebögen (PSQ, TICS, ABF, SUB) computergestützt beantwortet hatten. Die Eigenschaften dieser Items wurden anhand ihrer residualen Korrelationen nach konfirmatorischer Faktorenanalyse (Mplus), ihrer Antwortkategorienfunktion (Testgraf) und ihrer Diskriminationsfähigkeit (Parscale) überprüft. Von insgesamt 126 Items verblieben 38 Items in der finalen Itembank in der Dimension erlebte Belastung und 31 Items in der Dimension Belastungsreaktion , die für die Anwendung eines Zwei-Parameter-Modells (Generalized-Partial-Credit-Model) als geeignet angesehen wurden. In Simulationsexperimenten zeigt sich, dass der Stress-CAT mit durchschnittlich 10 +/- 1,7 Items aus der Itembank im Bereich von +/- 2 Standardabweichungen um den Populationsmittelwert für die Dimension erlebte Belastung und mit durchschnittlich 8 +/- 2,2 Items für die Dimension Belastungsreaktion CAT- Scores mit einem Standardmessfehler von .32 (Reliabilität .90) schätzen kann. Zudem legen die Simulationsstudien nahe, dass der CAT-Algorithmus in den oberen und unteren Merkmalsausprägungen des Stresserlebens besser zu differenzieren vermag und somit den hier eingesetzten Fragebogenerhebungen, die auf der Klassischen Testtheorie basieren, in Präzision und Ökonomie überlegen ist.

Psychological stress concepts emphasize the individual perception and appraisal of a situation as stressful. Measuring perceived stress has concentrated on two basic dimensions, environmental stressors and stress reactions. This thesis aims to develop a computerized adaptive test (Stress- CAT) to measure these two stress dimensions in the clinical field. 1092 psychosomatic patients answered 140 items out of 4 validated stress questionnaires (PSQ, TICS, ABF, SUB) within their diagnostic routines at the Charité University Clinic in Berlin from 2000-2002. Confirmatory factor analyses yielded two dimensions, stressor and stress reaction. The two dimensions were analyzed separately. All items underwent six steps of analyses to check for the assumptions of unidimensionality, local independence and item discrimination, using the programs Mplus, TestGraf, SAS, and Parscale. The Generalized Partial Credit Model could be applied. The final itempool yielded 38 items out of the available 126 items as representative of the stressor dimension and 31 items as representative of the stress reaction dimension. The CAT scores were estimated using an expected a posteriori algorithm (EAP). It could be demonstrated that the latent traits can be estimated with 10 items +/- 1,7 items for the stressor dimension and with 8 items +/- 2,2 for the stress reaction dimension on a highly precise level (reliability .90) with high correlation to established instruments based on classical test theory. Accordingly the absolute number of items could be substantially reduced (-31% to 77%) without loss of major information and with improved measurement precision in high and low score ranges. Measuring perceived stress in the clinical field can be done at the same time economically and with high precision using an individually tailored computer adaptive test.