Der Therapie-Prozessbogen (TPB) Faktorenstruktur und psychometrische Daten

Transkript

1 Therapie-Prozessbogen (TPB) G. Schiepek et al. Der Der Therapie-Prozessbogen (TPB) Faktorenstruktur und psychometrische Daten Günter Schiepek 1, Wolfgang Aichhorn 2, Guido Strunk 3 Summary Therapy Process Questionnaire (TPQ) A combined explorative and confirmatory factor analysis and psychometric properties Objectives: This contribution looks at the factorial structure of the Therapy Process Questionnaire (TPQ), which is used for daily self-ratings of patients tested by internet-based ambulatory assessment devices. Methods: A combined explorative and confirmatory factor analysis of the TPQ. The timeseries data were generated by 149 patients treated in an inpatient setting. Results: 23 out of 42 items included in the explorative version of the TPQ are represented onto five factors, which were identified by a first explorative factor analysis and then validated by a confirmative factor analysis. We report on the psychometric data of the subscales: internal consistency (Cronbach s α), mean of item-intercorrelation, and mean of item discrimination indices. Conclusion: The TPQ is useful for a high-frequency and equidistant (daily) assessment of psychotherapeutic change processes. Z Psychosom Med Psychother 58/2012, Keywords Therapy Process Questionnaire (TPQ) Internet-based Real-Time Monitoring Synergetic Navigation System Process Research Inpatient Treatment Zusammenfassung Fragestellung: Der Beitrag berichtet über die Faktorenstruktur sowie die testtheoretisch relevanten Eigenschaften des Therapie-Prozessbogens (TPB) zur routinemäßigen, internetbasierten Erfassung von Therapieprozessen. Methode: Durchgeführt wurden eine explorative und eine konfirmatorische Faktorenanalyse. Die Datensätze wurden aus den Prozessdaten von 149 Patientinnen und Patienten generiert. Ergebnisse: Von den in der Ausgangsversion enthaltenen 42 Items werden 23 in den resultierenden Faktoren abgebildet. Fünf Faktoren (insgesamt 74.5 % erklärte Varianz) wurden explorativ extrahiert und konfirmativ bestätigt. Berichtet wird auch über die Gütekriterien der Subskalen: interne Konsistenz (Cronbachs α), mittlere Item-Interkorrelation und mittlere Trennschärfe. Institut für Synergetik und Psychotherapieforschung der Paracelsus Medizinischen Privatuniversität, Salzburg. Sonderauftrag für stationäre Psychotherapie, Christian-Doppler-Klinik, Salzburg. Lehrstuhl Wirtschaftswissenschaft und Ökonomische Bildung der TU Dortmund. Z Psychosom Med Psychother 58, , ISSN

2 258 G. Schiepek et al. Diskussion: Der Therapie-Prozessbogen erlaubt eine hochfrequente und äquidistante (tägliche) Erfassung von Therapieprozessen auch in der Routinepraxis. 1. Prozessmonitoring in der Psychotherapie In den letzten Jahren wurden verschiedene Möglichkeiten der internetbasierten Datenerhebung im Feld entwickelt. Diesem so genannten ambulatory assessment wird zumindest in Teilen höhere Validität zugeschrieben als der Datenerfassung im Labor (Ebner-Priemer u. Trull 2009; Fahrenberg et al. 2007a, b). Eine Variante dieses Trends zum ambulatory assessment ist die Prozesserfassung von Daten in der Psychotherapie. Mit Hilfe solcher Prozessdaten, die in den meisten Fällen aus Selbsteinschätzungen der Patienten resultieren, gelingt ein mehr oder weniger zeitnahes Feedback über den tatsächlichen Therapieverlauf. Die Arbeitsgruppe um Lambert konnte beispielsweise nachweisen, dass mit Hilfe von Verlaufsdaten mögliche Verschlechterungen im Therapieverlauf frühzeitig erkannt werden können (Lambert et al. 2001). Weiterhin sind Einblicke in dynamische Muster wie sudden gains oder sudden losses (z. B. Stulz et al. 2007) oder nichtlineare und nichtstationäre Dynamiken in der Psychotherapie (Schiepek 2009; Strunk u. Schiepek 2006) möglich. Mit den Möglichkeiten eines Prozessfeedbacks und der gemeinsamen Prozessreflexion mit dem Patienten ist sogar ein Routineeinsatz von elektronischen Prozessmonitoring-Systemen in der therapeutischern Praxis sinnvoll (Lambert 2010; Schiepek et al. 2011). Möchte man nicht nur Zustandsstichproben der interessierenden Variablen, sondern vollständige Verlaufsmuster identifizieren, so ist eine dichte, äquidistante (regelmäßige) und kontinuierliche Messung unabdingbar. Nur so können Analysen im Frequenzbereich (z. B. Time-Frequency Distributions) und nichtlineare Analysen sinnvoll durchgeführt werden. Berücksichtigt man bei einer Kompletterfassung von Therapien noch die Praktikabilität und den anfallenden Aufwand, so spricht dies nach vorliegenden Erfahrungen für tägliche Messungen (Schiepek 2011). 2. Methoden und Ergebnisse 2.1. Der Therapie-Prozessbogen Der Therapie-Prozessbogen (TPB) ist ein Selbsteinschätzungsinstrument für tägliche Selbsteinschätzungen im Bereich der stationären und teilstationären Psychotherapie. Die ursprüngliche Version des Therapie-Prozessbogens umfasste 53 Items (s. Haken u. Schiepek 2010, S ), die für den klinischen Routinebetrieb später auf 42 Items reduziert wurden (31 Items: 7-stufige Likert-Skalen; 11 Items: visuelle Analogskalen) Patientenstichprobe Die 149 einbezogenen Patientinnen und Patienten wurden an der Christian-Doppler-Klinik Salzburg behandelt (Durchschnitt 34.3 Jahre; 92 weiblich = 61.7 %). Die

3 Der Therapie-Prozessbogen (TPB) 259 Tabelle 1: Merkmale der Patientenstichprobe Hauptdiagnosen ICD-10 N(%) % Frauen Alter (Jahre) Durchschnitt ±SD Ausfülltage Durchschnitt ±SD Ausfülltage min max % fehlende Werte Durchschnitt ± SD F3x 65 (43.6) ± ± ± 10.2 F6x 49 (32.9) ± ± ± 6.5 F4x 27 (18.1) ± ± ± 7.3 F2x 5 (3.4) ± ± ± 7.5 F19 2 (1.3) ± ± F50 1 (0.7) Gesamt ± ± ± 7.3 F3x: affektive Störungen (insbesondere F33: rezidivierende depressive Störung, F32: depressive Episode und F31: bipolare Affektive Störungen); F6x: spezifische Persönlichkeitsstörungen (vor allem F60.3: emotional instabile Persönlichkeitsstörung); F4x: neurotische, Belastungs- und somatoforme Störungen (insbesondere F41: andere (nicht phobische) Angststörungen und F43: Reaktion auf schwere Belastungen und Anpassungsstörungen); F2x: Schizophrenie, schizotype und wahnhafte Störungen; F19: Psychische und Verhaltensstörungen durch multiplen Substanzgebrauch; F50: Essstörungen. Es handelt sich hier um die Erstdiagnosen. Bei fast allen Patienten lagen Mehrfachdiagnosen vor. Man beachte, dass Patienten mit Diagnosen aus dem Spektrum der Persönlichkeitsstörungen (v. a. emotional instabile) tendenziell sogar geringere Anteile an fehlenden Werten aufweisen als Patienten aus dem Spektrum F3 (v. a. Depression) und F4 (v. a. Angststörungen). Hauptdiagnosen lagen vor allem im Bereich der affektiven Störungen (65 = 43.6 %) und der Persönlichkeitsstörungen (49 = 32.9 %). Der Therapie-Prozessbogen wurde im Rahmen des internetbasierten Synergetischen Navigationssystems (SNS) vorgegeben, wobei im Durchschnitt 97 Tage in Folge ausgefüllt wurden (Minimum 30 Tage). Die 5.1 % fehlenden Werte wurden mit Hilfe eines kubischen Splines rekonstruiert. Tabelle 1 charakterisiert die Stichprobe Explorative Faktorenanalyse Den Faktorenanalysen wurden drei verschiedene Datensätze zugrunde gelegt. Datensatz 1 wurde generiert, indem pro Item die Messreihen aller 149 Patienten aneinander gefügt wurden. Daraus resultieren 42 artifizielle Zeitreihen (für jedes Item des TPB eine Zeitreihe) von jeweils n = Messzeitpunkten Länge. Datensatz 2 berücksichtigt den 2., 9., 16., 23. und 30. Messwert jedes Patienten (insgesamt n = 745 Messpunkte). Der Abstand von sieben Tagen ergibt sich aus dem ersten Minimum der Mutual Information (Fraser u. Swinney 1986) und eliminiert serielle Abhängigkeiten. Da bei 30 geendet wird, gehen alle Patienten mit gleicher Gewichtung in den Datensatz ein. Datensatz 3 wird ähnlich generiert wie Datensatz 2, nur wird der hintere Abschnitt der jeweiligen Zeitreihen gewählt, um einen Anfangsbias zu vermeiden. Der Datensatz 3 besteht aus dem 30.-letzten, 23.-letzten, 16.- letzten, 9.-letzten und 2.-letzten Datenpunkt (wiederum n = 745 Messpunkte). Der

4 260 G. Schiepek et al. Tabelle 2: Faktorenstruktur von 23 Items Faktorenladungen N = AM SD I II III IV V I Therapeutische Fortschritte 1 (4) Heute bin ich der Lösung meiner Probleme näher gekommen 2 (13) Heute haben sich für mich neue Perspektiven ergeben 3 (12) Heute sind mir Zusammenhänge klar geworden, die ich bisher nicht gesehen habe (3) Ich verstehe mich und meine Probleme jetzt besser 5 (2) Ich fühle mich jetzt Situationen gewachsen, denen ich mich bisher nicht gewachsen fühlte II Beschwerden und Problembelastung 6 (39) Meine Beschwerden beeinträchtigten heute mein Alltagsleben 7 (38) Meine Probleme beschäftigten mich heute 8 (40) Heute habe ich mich meinen Problemen hilflos ausgeliefert gefühlt (36) Heute war ich ziemlich verunsichert (37) Meine Beschwerden waren heute III Beziehungsqualität und Vertrauen zu den Therapeuten / working alliance 11 (15) Die Arbeit mit den Therapeuten erlebe ich als hilfreich 12 (18) Ich kann zu den Therapeuten offen und ehrlich sein 13 (16) Die Therapeuten stellen für mich hilfreiche Fragen und geben wichtige Anregungen (21) In der Klinik fühle ich mich sicher und unterstützt 15 (20) Ein anderes therapeutisches Vorgehen wäre für mich besser geeignet IV Dysphorische Affektivität 16 (33) Ich habe heute Hass verspürt (27) Ich habe heute Ärger/Wut verspürt

5 Der Therapie-Prozessbogen (TPB) 261 Faktorenladungen N = AM SD I II III IV V 18 (32) Ich habe heute Scham verspürt (29) Ich habe heute Angst verspürt (26) Ich habe heute Trauer verspürt V Beziehung zu den Mitpatienten 21 (22) Ich kann meinen Mitpatienten vertrauen 22 (23) Ich kann zu meinen Mitpatienten offen und ehrlich sein 23 (24) Mit meinen Mitpatienten fühle ich mich wohl Varianzaufklärung (Gesamt: 74.5 %) 16.9 % 16.3 % 16.3 % 13.0 % 12.0 % Varimax-Rotation, Ladungen > 0.3 sind angegeben. Neben der durchlaufenden Itemnummerierung in Klammern die Itemnummern des Original-Itempools des TPB. Item 14 ist umgekehrt gepolt. Die Zahlenwerte beruhen auf Datensatz 1. Die Formulierungen der Items sind um die jeweilige Bezeichnung der Skalen-Extremwerte (z. B. gar nicht sehr stark) zu ergänzen. AM: Arithmetisches Mittel über alle Messzeitpunkte, SD: Standardabweichung. Antwortskalen der Items 7 und 16 bis 20: visuelle Analogskala; alle anderen Items: 7-stufige Likert-Skala (0 6). Minimum: gar nicht, Maximum: sehr stark. Abstand von sieben Tagen ergibt sich aus dem ersten Minimum der Mutual Information, womit die Messpunkte weitgehend unabhängig voneinander sind. Da bei 30 geendet wird, bleiben auch hier alle Patienten mit gleicher Gewichtung im Datensatz. Die explorativen Faktorenanalysen mit Varimax-Rotation führen für alle drei Datensätze zu einer weitgehend übereinstimmenden Lösung, die 23 der 42 Items fünf Faktoren zuordnet. Die Zuordnung unter Berücksichtigung von Itemladungen größer als 0.3 ist Tabelle 2 zu entnehmen. Die Varianzaufklärung durch die fünf Faktoren beträgt 74.5 %. Für die Bezeichnung der Faktoren wird folgende Semantik vorgeschlagen: Faktor I: Therapeutische Fortschritte, Faktor II: Beschwerden und Problembelastung, Faktor III: Beziehungsqualität und Vertrauen zu den Therapeuten, Faktor IV: Dysphorische Affektivität, Faktor V: Beziehung zu den Mitpatienten (Tab. 2) Konfirmatorische Faktorenanalyse Eine konfirmatorische Faktorenanalyse (CF) wird zur Überprüfung der Güte eines Faktorenmodells verwendet. Dieses wird mit der empirischen Kovarianzmatrix durch statistische Modelltestungen verglichen (Jösekog u. Sörbom 1982). Anders als bei der explorativen Faktorenanalyse (EF) sind keine Mehrfachladungen von Items vorgesehen. Jedes Item wird eindeutig seinem Faktor zugewiesen. Das kann dazu führen, dass die Ergebnisse einer explorativen Faktorenanalyse sich nicht immer erfolg-

6 262 G. Schiepek et al. Tabelle 3: Modellanpassung der konfirmatorischen Faktorenanalyse Kennwert erforderliche Höhe 1. Datensatz 2. Datensatz 3. Datensatz χ²/df < TLI > CFI > RMSEA < Schwellen der in der Literatur diskutierten Gütekriterien: χ²/df < 5 akzeptable Anpassung (Wheaton et al. 1977), TLI > 0.9 akzeptabler Anpassung (Homburg u. Baumgartner 1998), CFI > 0.9 akzeptable Anpassung (Homburg u. Baumgartner 1998), RMSEA <.08 akzeptable Anpassung, <.05 gute Anpassung (Browne u. Cudeck 1993). reich in einer konfirmatorischen Faktorenanalyse abbilden lassen. Da aber auch die Skalen des Fragebogens nur eine eindeutige Zuordnung von Items vorsehen, ist die konfirmatorische Faktorenanalyse diesem Zugang angemessener als die explorative Faktorenanalyse. Die explorative Faktorenanalyse dient in der Konstruktion von Fragebögen als Anregung für die Zuordnung von Items, die Überprüfung der Güte des Faktorenmodells muss dann anschließend über eine konfirmatorische Faktorenanalyse erfolgen. Die globale Modellpassung einer konfirmatorischen Faktorenanalyse reagiert bei hohen Fallzahlen ausgesprochen empfindlich (Jösekog u. Sörbom 1982). Das führt dazu, dass der stark von der Fallzahl abhängige klassische Kennwert χ²/df für die vorliegenden Daten nicht interpretiert werden kann. Nicht von der Fallzahl abhängige Kennwerte zeigen hingegen einen akzeptablen Fit (TLI > 0.90 und CFI > 0.90 für alle Datensätze [akzeptabel sind Werte ab 0.9; Homburg u. Baumgartner 1998]; RMSEA 0.08 für alle Datensätze [akzeptabel sind Werte kleiner 0.08; Browne u. Cudeck 1993]). Tabelle 3 zeigt die Modellanpassung der konfirmatorischen Faktorenanalyse für alle drei Datensätze. Die Faktorenlösung der explorativen Faktorenanalyse (Tabelle 2) kann damit als bestätigt gelten Faktoreninterkorrelation Neben der Bestätigung durch eine konfirmatorische Faktorenanalyse kommt es bei einer geeigneten Faktorenlösung auch darauf an, dass die durch die Faktoren bestimmten Subskalen eines Fragebogens nicht allzu redundant sind. Die Interkorrelation der durch die Faktoren definierten Skalenverläufe (hier nach dem Kriterium des Datensatzes 1 berechnet) sollten also nicht allzu hoch sein, was gemäß Tabelle 4 als gegeben angenommen werden kann. Verwendet man den Determinationskoeffizient r 2, also die von den Faktoren jeweils gemeinsam erklärte Varianz, als Kriterium, so liegt dieser mit einer Ausnahme immer unter 10 % (Ausnahme: r 2 = 43.6 % zwischen Faktor II und IV ein Zusammenhang, der hohe inhaltlich Plausibilität aufweist).

7 Tabelle 4: Interkorrelation der Faktorenverläufe, basierend auf Datensatz 1 n = AM SD I II III IV V I Therapeutische Fortschritte II Beschwerden und Problembelastung III Beziehungsqualität zu den Therapeuten IV Dysphorische Affektivität V Beziehung zu den Mitpatienten Der Therapie-Prozessbogen (TPB) 263 AM: Arithmetisches Mittel der Itemausprägung der zu den einzelnen Faktoren gruppierten Items über alle Messzeitpunkte, SD: Standardabweichung. Die Ausprägung der auf visuellen Analogskalen kodierten Items wurde auf einen Range von 0 6 reskaliert. Tabelle 5: Gütekriterien der Subskalen des Therapie-Prozessbogens (Cronbachs α, mittlere Item- Interkorrelation und mittlere Item-Trennschärfe der den Subskalen zugeordneten Items) Datensatz Faktor Kennwert I Therapeutische Fortschritte II Beschwerden und Problembelastung III Beziehungsqualität und Vertrauen zu den Therapeuten IV Dysphorische Affektivität V Beziehung zu den Mitpatienten 5 Items α Mittlere Item-Interkorrelation Mittlere Item-Trennschärfe Items α Mittlere Item-Interkorrelation Mittlere Item-Trennschärfe Items α Mittlere Item-Interkorrelation Mittlere Item-Trennschärfe Items α Mittlere Item-Interkorrelation Mittlere Item-Trennschärfe Items α Mittlere Item-Interkorrelation Mittlere Item-Trennschärfe

8 264 G. Schiepek et al. I II III IV V Abbildung. 1: Beispiel für Zeitreihen gemittelter Skalenwerte (Faktoren) des Therapie-Prozessbogens, Faktoren I bis V (Bezeichnungen s. Tabelle 2). Alle Skalen wurden auf den Skalenbereich von 0 bis 6 normiert

9 Der Therapie-Prozessbogen (TPB) Gütekriterien der Subskalen Tabelle 5 enthält die klassischen teststatistischen Gütekriterien für Items und Subskalen. Die interne Konsistenz der Subskalen (Cronbachs α) kann als gut (> 0.8 vgl. Streiner u. Norman 1995) bis exzellent (> 0.9 vgl. Saad et al. 2000) gelten. Zwischen dem Datensatz 2 der den Beginn der Therapie berücksichtigt und dem Datensatz 3 für das Ende der Therapie nimmt die interne Konsistenz nicht ab, eher im Gegenteil. Auch die mittlere Trennschärfe der den Subskalen zugeordneten Items liegt deutlich über den geforderten Schwellen (> 0.4 vgl. Streiner u. Norman 1995). Die skaleninterne Inter-Itemkorrelation ist allerdings relativ hoch, was bedeutet, dass die Items eine gewisse Redundanz aufweisen (vgl. das Kriterium von < 0.4 in Briggs u. Cheek 1986). 3. Diskussion Die vorliegende teststatistische Analyse des Therapie-Prozessbogens und auch die inhaltliche Plausibilität der Faktoren und Itemzuordnungen machen deutlich, dass der Therapie-Prozessbogen als sinnvolles Instrument zur Erfassung psychotherapeutischer Prozesse gelten kann. Eine tägliche Selbsteinschätzung mit dem Therapie- Prozessbogen bei Nutzung des Synergetischen Navigationssystems ist praktikabel und wird von vielen Patienten als wertvoll, hilfreich und therapeutisch unterstützend beurteilt. Die Ausfüllzeit beträgt etwa fünf bis zehn Minuten. Die 42 Items des Therapie-Prozessbogens wurden hier als Itempool betrachtet, aus dem sich 23 Items in der vorliegenden Faktorenstruktur abbilden lassen. Neben der Darstellung von Einzelitems können dabei natürlich auch skalenspezifische Durchschnittswerte zur Prozessdarstellung genutzt werden (Abb. 1). Diese Verläufe werden von verschiedenen Verfahren hinsichtlich ihrer Komplexität, Chaotizität und ihres Synchronisationsgrades im Synergetischen Navigationssystem mitlaufend analysiert und die Ergebnisse für die Fallreflexion genutzt (Schiepek u. Strunk 2010; Schiepek et al. 2011). Die der Analyse zugrunde liegende Version des Therapie-Prozessbogens mit 42 Items ist bei den Autoren kostenfrei erhältlich. Literatur Briggs, S. R., Cheek, J. M. (1986): The role of factor analysis in the development and evaluation of personality scales. J Pers Soc Psychol 54, Browne, M. W., Cudeck, R. (1993): Alternative ways of assessing equation model fit. In: Bollen, K., Long, J. S. (Hg.): Testing structural equation models, S Newbury Park: Sage Publishers. Ebner-Priemer, U. W., Trull, T. (2009): Ecological momentary assessment of mood disorders and mood dysregulation. Psychol Assessment 21, Fahrenberg, J., Myrtek, M., Pawlik, K., Perrez, M. (2007a): Ambulantes Assessment Verhalten

10 266 G. Schiepek et al. im Alltagskontext erfassen. Eine verhaltenswissenschaftliche Herausforderung an die Psychologie. Psychol Rundschau 58, Fahrenberg, J., Myrtek, M., Pawlik, K., Perrez, M. (2007b): Ambulatory assessment monitoring behavior in daily life settings. Europ J Psychol Assessment 23, Fraser, A. M., Swinney, H. (1986): Independent coordinates of strange attractors from mutual information. Physical Rev A 33, Haken, H., Schiepek, G. (2010): Synergetik in der Psychologie. Selbstorganisation verstehen und gestalten. 2. Auflage. Göttingen: Hogrefe. Homburg, C., Baumgartner, H. (1998): Beurteilung von Kausalmodellen. Bestandsaufnahmen und Anwendungsempfehlungen. In: Homburg, C., Hildebrandt, L. (Hg.): Die Kausalanalyse Instrument der empirischen betriebswirtschaftlichen Forschung, S Stuttgart: Schäffer-Poeschel. Jösekog, K. G., Sörbom, D. (1982): Recent developments in structural equation modeling. J Marketing Res 19, Lambert, M. J., Whipple, J. L., Smart, D. W., Vermeersch, D. A., Nielsen, S. L., Hawkins, E. J. (2001): The effects of providing therapists with feedback on patient progress during psychotherapy: Are outcomes enhanced? Psychother Res 11, Lambert, M. J. (2010): Yes, it is time for clinicians to routinely monitor treatment outcome. In: Duncan, B., Miller, S., Wampold, B., Hubble, M. (Hg.): The heart and soul of change, S Auflage. Washington, DC: American Psychological Association. Saad, S., Carter, G. W., Rothenberg, M., Israelson, E. (2000): Testing and assessment: An employer s guide to good practices. U. S. Department of Labor. Schiepek, G. (2009): Complexity and nonlinear dynamics in psychotherapy. Europ Review 17, Schiepek, G., Strunk, G. (2010): The identification of critical fluctuations and phase transitions in short term and coarse-grained time series a method for the real-time monitoring of human change processes. Biol Cybern 102, Schiepek, G. (2011): Der psychotherapeutische Prozess Einblicke in die Selbstorganisation bio-psycho-sozialer Systeme. In: Schubert, C. (Hg.): Psychoneuroimmunologie und Psychotherapie, S Stuttgart: Schattauer. Schiepek, G., Zellweger, A., Kronberger, H., Aichhorn, W., Leeb, W. (2011): Psychotherapie. In: Schiepek, G. (Hg.): Neurobiologie der Psychotherapie, S Stuttgart: Schattauer. Streiner, D. L., Norman, G. R. (1995): Health measurement scales: A practical guide to their development and use. Oxford: Oxford University Press. Strunk, G., Schiepek, G. (2006): Systemische Psychologie. Eine Einführung in die komplexen Grundlagen menschlichen Verhaltens. Heidelberg: Spektrum Akademischer Verlag. Stulz, N., Lutz, W., Leach, C., Lucock, M., Barkham, M. (2007): Shapes of early change in psychotherapy under routine outpatient conditions. J Consult Clin Psychol 75, Wheaton, B., Muthen, B., Alwin, D. F., Summers, G. (1977): Assessing reliability and stability in panel models. Sociol Methodology 8, Korrespondenzadresse: Univ.-Prof. Dr. Günter Schiepek, Institut für Synergetik und Psychotherapieforschung, Paracelsus Medizinische Privatuniversität, Christian- Doppler-Klinik, Universitätsklinikum der PMU, Ignaz Harrer Str. 79, A-5020 Salzburg, guenter.schiepek@ccsys.de