Erfassung von negativen Antwortverzerrungen – Entwicklung und Validierung des Beschwerdenvalidierungstests BEVA

 

 Buy Article Permissions and Reprints

Zusammenfassung

Ziel der Studie: Zur Erfassung von negativen Antwortverzerrungen bei Personen mit geltend gemachten Erkrankungen mit einer depressiven Symptomatik soll ein Screening entwickelt und validiert werden, das für die sozialmedizinische Begutachtung geeignet ist.

Methodik: Für die Konstruktion (K) und Validierung (V) des Screenings wurde ein Analogstudiendesign gewählt. Gesunde Teilnehmer (Depression: K: N=58; V: N=100; Schmerz: K: N=50; V: N=90) haben mithilfe eines Szenarios eine Depression bzw. Schmerzstörung vorgetäuscht. Zudem füllten eine Kontrollgruppe (K: N=78; V: N=89), depressive Patienten (K: N=58; V: N=162) sowie Schmerzpatienten (K: N=35; V: N=46) nach ihren derzeitigen psychischen Befinden die Fragebogen aus.

Ergebnisse: Anhand der Daten der Konstruktionsstichprobe wurde der Cut-Off-Wert ermittelt. In der Validierung konnte eine Sensitivität von 0,75, eine Spezifität von 0,95, ein positiv prädiktiver Wert von 0,90 sowie ein negativ prädiktiver Wert von 0,86 für die Gruppe „Depression“ berechnet werden. Für die Schmerzgruppe ergaben sich eine Sensitivität von 0,81, eine Spezifität von 0,96, ein positiv prädiktiver Wert von 0,97 und ein negativ prädiktiver Wert von 0,72.

Schlussfolgerung: Das entwickelte Screening weist sehr gute Kennwerte für die Validität und Reliabilität auf. Somit scheint das Verfahren dafür geeignet, negative Antwortverzerrungen zu erfassen.

Abstract

Aim of the study: A screening will be developed and validated which measure the negative response bias by inpatients with depressive symptoms. The questionnaire should be appropriate for the claimants for disability pension due to a mental illness.

Materials and Method: The present study uses for the construction (K) and validation (V) an analog study design. Healthy participants (depression: K: N=58; V=100; pain: K: N=50; V: N=90) obtained a scenario to feign major depression or pain disorder in the BEVA. In addition, a control group (K: N=78; V: N=89), patients with major depression (K: N=58; V: N=162) and patients with pain disorder (K: N=35; V: N=46) completed the survey about their current mental complaints.

Results: Using the data of the construction sample the cut-off values were determined. In the validation sample could be analyzed a sensitivity of 0,75, specificity of 0,95, a positive predictive value of 0,90, and a negative predictive value of 0,86 for the study group “depression”. For the pain group had a sensitivity of 0,81, specificity of 0,96, a positive predictive value of 0,97 and a negative predictive value of 0,72 resulted.

Conclusion: The developed screening has very well values for the validity and reliability. Thus, the method seems suitable to measure negative response bias.

• Literatur

• 1 Dohrenbusch R, Henningsen P, Merten T. Die Beurteilung von Aggravation und Dissimulation in der Begutachtung psychischer und psychosomatischer Störungen. Versicherungsmedizin 2011; 63: 81-85
  PubMedGoogle Scholar
• 2 Walter F, Petermann F, Kobelt A. Beschwerdenvalidierung: Ein aktueller Überblick. Rehabilitation 2012; 51: 342-348
  Article in Thieme ConnectPubMedGoogle Scholar
• 3 Merten T. Der Stellenwert der Symptomvalidierung in der neuropsychologischen Begutachtung. Z Neuropsychol 2005; 16: 29-45
  CrossrefPubMedGoogle Scholar
• 4 Mittenberg W, Patton C, Canyock E-M et al. Base rates of malingering and symptom exaggeration. J Clin Exp Neuropsychol 2002; 24: 1094-1102
  Google Scholar
• 5 Larrabee GJ. Detection of malingering using atypical performance patterns on standard neuropsychological tests. Clin Neuropsychol 2003; 17: 410-425
  CrossrefPubMedGoogle Scholar
• 6 Merten T, Friedel E, Stevens A. Eingeschränkte Kooperativität in der neurologisch-psychiatrischen Begutachtung: Schätzungen zu Auftretenswahrscheinlichkeiten an einer Begutachtungspopulation. Versicherungsmedizin 2006; 58: 19-21
  PubMedGoogle Scholar
• 7 Kobelt A, Göbber J, Bassler M et al. Beschwerdenvalidität im Rahmen stationärer psychosomatischer Rehabilitation. Rehabilitation 2012; 51: 349-355
  Article in Thieme ConnectPubMedGoogle Scholar
• 8 Noeker M, Petermann F. Simulation neurologischer versus psychischer Beschwerden – Notwendigkeit unterschiedlicher Validierungsstrategien. Psychotherapeut 2011; 56: 449-454
  CrossrefPubMedGoogle Scholar
• 9 Schmidt T, Lanquillon S, Ullmann U. Kontroverse zu Beschwerdenvalidierungsverfahren bei der Begutachtung psychischer Störungen. Forens Psychiatr Psychol Kriminol 2011; 5: 177-183
  CrossrefPubMedGoogle Scholar
• 10 Cima M, Hollnack S, Kremer K et al. Strukturierter Fragebogen Simulierter Symptome. Nervenarzt 2003; 74: 977-986
  Google Scholar
• 11 van Impelen A, Merckelbach H, Jelicic M et al. The Structured Inventory of Malingered Symptomatology (SIMS): A Systematic Review and Meta-Analysis. The Clin Neuropsychol 2014; 28: 1336-1365
  PubMedGoogle Scholar
• 12 Rogers R, Jackson RL, Sewell KW et al. Detection Strategies for Malingering. Crim Just Behav 2005; 32: 511-525
  CrossrefPubMedGoogle Scholar
• 13 Grieve R. The Role of Personality, Psychopathy, and Previous Experience with Assessment in Intentions to Fake in Psychological Testing. Curr Psychol 2012; 31: 414-422
  CrossrefPubMedGoogle Scholar
• 14 Engel RR. Minnesota Multiphasic Personality Inventory-2 (MMPI-2). Bern: Huber; 2000
  Google Scholar
• 15 Walter F, Petermann F, Dietrich DE et al. Wie können Beschwerden im Rahmen der medizinischen Rehabilitation validiert werden?. Physikalische Medizin, Rehabilitationsmedizin, Kurortmedizin 2013; 23: 334-340
  Article in Thieme ConnectPubMedGoogle Scholar
• 16 Weltgesundheitsorganisation (Hrsg.) Internationale Klassifikation psychischer Störungen. ICD-10 Kapitel V (F). Klinische diagnostische Leitlinien. Bern: Huber; 2005
  Google Scholar
• 17 Hautzinger M, Keller F, Kühner C. BDI-II. Beck-Depressions-Inventar. Revision. Frankfurt: Pearson Assessment; 2009
  Google Scholar
• 18 Merten T, Henry M, Hilsabeck R. Symptomvalidierungstests in der neuropsychologischen Diagnostik: eine Analogstudie. Z Neuropsychol 2004; 15: 81-90
  CrossrefPubMedGoogle Scholar
• 19 Sullivan KA, Elliott C. An Investigation of the Validity of the MMPI-2 Response Bias Scale Using an Analog Simulation Design. Clin Neuropsychol 2012; 26: 160-176
  CrossrefPubMedGoogle Scholar
• 20 Tydecks S, Merten T, Gubbay J. The Word Memory Test and the One-in-Five-Test in an Analogue Study with Russian Speaking Participants. Int J Forensic Psychol 2006; 1: 29-37
  PubMedGoogle Scholar
• 21 Hautzinger M, Keller F, Kühner C. BDI-II. Beck-Depressions-Inventar. Revision. Frankfurt: Pearson Assessment; 2009
  Google Scholar
• 22 Musil CM, Warner CB, Yobas PK et al. A Comparison of Imputation Techniques for Handling Missing Data. West J Nurs R 2002; 24: 815-829
  PubMedGoogle Scholar
• 23 Cohen J. Statistical power analysis for the behhavioral sciences. New York: Erlbaum; 1988
  Google Scholar
• 24 Little RJA. A Test of Missing Completely at Random for Multivariate Data with Missing Values. J Am Stat Assoc 1988; 83: 1198-1202
  CrossrefPubMedGoogle Scholar
• 25 Schmidt C, Bernert S, Spyra K. Zur Relevanz psychischer Komorbiditäten bei chronischem Rückenschmerz: Häufigkeitsbild, Erwerbsminderungsrenten und Reha-Nachsorge im Zeitverlauf der Reha-Kohorten 2002–2009. Rehabilitation 2014; 53: 384-389
  Article in Thieme ConnectPubMedGoogle Scholar
• 26 Walter F, Geissler N, Petermann F et al. Beeinflussen Instruktionen und die Motivation für eine Rente die Beschwerdedarstellung in Fragebogen?. Rehabilitation 2015; 54: 166-171
  Article in Thieme ConnectPubMedGoogle Scholar