Entwicklung eines Fragebogens zur Erfassung der Wirkfaktoren Kommunikativer Bewegungstherapie: IP-Kom62 und IP-Kom22

Zusammenfassung

Fragestellung

Ziel der Studie war die Entwicklung eines Fragebogens, der wesentliche Wirkfaktoren des Verfahrens Kommunikativer Bewegungstherapie (KomBT) erfasst.

Methode

Eine Expertengruppe entwickelte auf explorativem und deduktivem Weg fünf inhaltliche Skalen, um spezifische Wirkfaktoren des Verfahrens abzubilden. Das Inventar zur Prozesserfassung der Behandlung mit Kommunikativer Bewegungstherapie (IP-Kom) enthält 62 Items und wurde von 211 Patient*innen nach einer Therapieeinheit KomBT ausgefüllt. Die Daten wurden mittels Cluster- und Faktoranalyse ausgewertet, um die Zuordnung der Items zu den Skalen zu prüfen. Zudem wurde ein künstliches neuronales Netz verwendet, um die Vorhersagekraft der Item-Statistik für den subjektiven Nutzen der Therapie zu validieren.

Ergebnisse

Die Clusteranalyse bestätigte eine 5-Faktorenlösung und die anschließende Faktoranalyse die fünf Faktoren des Fragebogens: Positives Körpererleben, Kohäsion, Gehemmtheit, Positive Entwicklung und Emotionalität, Positives Erleben von Nähe. Die Reliabilität der einzelnen Faktoren lag zwischen α=0,73 und α=0,93, was auf eine hohe interne Konsistenz hinweist. Mithilfe der Faktoranalyse gelang die Reduktion von 62 auf 22 Items (IP-Kom22) und eine inhaltliche Präzisierung der Aussagen der Skalen. Ob das Verfahren der KomBT als hilfreich erlebt wird, ließ sich nicht einem Faktor allein zuschreiben. Die Einschätzung korrelierte nur mit der Summe aller im IP-Kom22 erhobenen Faktoren.

Schlussfolgerung

Mit dem IP-Kom22 steht ein ökonomischer Fragebogen für die Erfassung von gruppen- und körperpsychotherapeutischen Wirkfaktoren zur Verfügung, der sowohl in der klinischen Routine als auch in weiteren wissenschaftlichen Untersuchungen verwendet werden kann.

Abstract

Objectives

The study aimed to develop a questionnaire that captures the key effectiveness factors of the Communicative Movement Therapy (KomBT) method.

Methods

A group of experts developed five content-related scales in an explorative and deductive manner to map specific factors of the method’s effectiveness. The Inventory for Process Assessment of Treatment with Communicative Movement Therapy (IP-Kom) contains 62 items and was completed by 211 patients after a KomBT therapy session. The data was analyzed using cluster and factor analysis to check the assignment of the items to the scales. In addition, an artificial neural network was used to validate the predictive power of the item statistics for the subjective benefit of the therapy.

Results

The cluster analysis confirmed a 5-factor solution, and the subsequent factor analysis confirmed the five factors of the questionnaire: positive body experience, cohesion, inhibition, positive development and emotionality, and positive experience of closeness. The reliability of the individual factors was between α=0,73 and α=0,93, which indicates a high level of internal consistency. Factor analysis was used to reduce the number of items from 62 to 22 (IP-Com22) and to clarify the content of the statements in the scales. Whether the KomBT procedure is experienced as helpful could not be attributed to one factor alone. The assessment only correlated with the sum of all factors surveyed in the IP-Kom22.

Conclusion

The IP-Kom22 is an economical questionnaire for the assessment of group and body psychotherapeutic factors that can be used both in routine clinical practice and in further scientific studies.

Schlüsselwörter

Kommunikative Bewegungstherapie - Künstliches neuronales Netz - Wirkfaktoren Gruppentherapie / Körperpsychotherapie - Körperpsychotherapie

Keywords

Communicative movement therapy - Artificial neural network - Effective factors of group therapy / body psychotherapy - Body psychotherapy

Publication History

Received: 22 December 2024

Accepted: 06 August 2025

Article published online:
15 October 2025

• Literatur

• 1 Wilda-Kiesel A, Tögel A, Wutzler U. Kommunikative Bewegungstherapie. Bern: Verlag Hans Huber; 2011
• 2 Yalom ID. Theorie und Praxis der Gruppenpsychotherapie. Stuttgart: Klett-Cotta;; 2015
• 3 Lese KP, MacNair-Semands RR. The Therapeutic Factors Inventory: Development of a scale. Group 2000; 24: 303-317
• 4 Mander J, Vogel E, Wiesner V. et al. Yaloms Wirkfaktoren in der Gruppentherapie. Psychotherapeut 2016; doi:10.1007/s00278-016-0119-y
• 5 Johnson JE, Burlingame GM, Olsen JA. et al. Group Climate, Cohesion, Alliance, and Empathy in Group Psychotherapy: Multilevel Structural Equation Models. Journal of Counseling Psychology 2005; 52: 310-321
• 6 Bormann B, Strauß B. Gruppenklima, Kohäsion, Allianz und Empathie als Komponenten der therapeutischen Beziehung in Gruppenpsychotherapien – Überprüfung eines Mehrebenen-Modells. Gruppenpsychother Gruppendynamik 2007; 43: 1-20
• 7 Strauß B. Gruppenpsychotherapie. Stuttgart: Kohlhammer; 2022
• 8 Strauß B, Appelt H. Ein Fragebogen zur Beurteilung des eigenen Körpers. Diagnostica 1983; 29: 145-164
• 9 Kolip P, Schmidt B. Der Fragebogen zur Erfassung körperlichen Wohlbefindes. Zeitschrift für Gesundheitspsychologie 1999; 7: 77-87
• 10 Clement U, Löwe B. Die Validierung des FKB-20 als Instrument zur Erfassung von Körperbildstörungen bei psychosomatischen Patienten. Psychotherapie Psychosomatik Medizinische Psychologie 1996; 46: 254-259
• 11 Deusinger IM. Die Frankfurter Körperkonzeptskalen (FKKS). Göttingen: Hogrefe; 1989
• 12 Pöhlmann K, Roth M, Brähler E. et al. Der Dresdner Körperbildfragebogen (DKB-35): Validierung auf der Basis einer klinischen Stichprobe. Psychother Psychosom Med Psychol 2014; 64: 93-100
• 13 Bormann B, Burlingame GM, Strauß B. Der Gruppenfragebogen (GQ-D) Instrument zur Messung von therapeutischen Beziehungen in der Gruppenpsychotherapie. Psychotherapeut 2011; 56: 297-309
• 14 Vogel S. Fragebogenkonstruktion zur Erfassung der Wirkfaktoren in der Kommunikativen Bewegungstherapie. In. Unveröffentlichte Bachelorarbeit: Medical School Berlin. 2018
• 15 Lee JA, Verleysen M. Nonlinear Dimension Reduction. New York, NY: Springer; 2007
• 16 Grassberger P, Procaccia I. Characterization of strange attractors. Phys Rev Letters 1983; 346-349
• 17 Kaden M, Engelsberger A, Schubert R. et al. Mitigating the bias in data for fairness using an advanced generalized learning vector quantization approach – FA(IR)2MA-GLVQ. In: Verleysen M, Hrsg. Proceedings of the 33^rd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN'2025). Bruges (Belgium): i6doc.com 2025: 419-424
• 18 Cottrell GW, Munro P, Zipser D. Image compression by backpropagation: An example of extensional programming. University of California; San Diego: 1987
• 19 Bortz J, Schuster C. Statistik für Human- und Sozialwissenschaftler. 7^th. Aufl.. Berlin Heidelberg: Springer; 2010
• 20 Cureton EE, D’Agostino RB. Factor analysis: an applied approach. NJ: Lawrence Erlbaum Associates; 1983
• 21 Hartigan JA. Clustering algorithms. John Wiley and Sons; 1975
• 22 Miyamoto S, Ichihashi H, Honda K. Algorithms for Fuzzy Clustering. Berlin: Springer; 2008
• 23 Horn JL. A rationale and test for the number of factors in factor analysis. Psychometrika 1965; 30: 179-185
• 24 Geweniger T, Zühlke D, Hammer B et al. Fuzzy Variant of Affinity Propagation in Comparison to Median Fuzzy c-Means. In: Principe JC, Miikkulainen R, eds. Advances in Self-Organizing Maps – 7th International Workshop, WSOM 2009. Berlin. Springer; 2009: 72-79
• 25 Hertz J, Krogh A, Palmer RG. Introduction to the Theory of Neural Computation. In.. Santa Fe Westview Press; 1991
• 26 Bishop CM, Bishop H. Deep Learning – Foundations and Concepts. Cham, Switzerland: Springer; 2023
• 27 Draper NR, Smith H. Applied Regression Analysis. Wiley-Interscience; 1998
• 28 Casella G, Berger R L. Statistical inference. Second ed.. Pacific Grove; CA: Duxbury 2002
• 29 Schubert R, Kaden M, Villmann T. Variants of Neural Gas for Regression Learning. Proceedings of the 31^st European Symposium on Artificial Neural Networks, Bruges (Belgium). In: Verleysen M, Hrsg. Computational Intelligence and Machine Learning Belgium. i6doc.com Louvain-La-Neuve 2023: 659-664
• 30 Burlingame GM, McClendon DT, Yang C. Cohesion in group therapy: A meta-analysis. Psychotherapy 2019; 55: 382-398
• 31 Braaten LJ. Predicting positive goal attainment and symptom reduction from early group climate dimensions. International Journal of Group Psychotherapy 1989; 39: 377-387
• 32 Seidler K-P. Das Gruppenerleben in der Konzentrativen Bewegungstherapie. Gruppenpsychother Gruppendynamik 1995; 31: 159-174
• 33 Schreiber-Willnow K. Körper-, Selbst- und Gruppenerleben in der stationären Konzentrativen Bewegungstherapie. Gießen: Psychosozial-Verlag; 2010
• 34 Tschacher W, Storch M, Munt M. Tanz: eine psychotherapeutische Technik?. Psychotherapie in Psychiatrie, Psychotherapeutischer Medizin und Klinischer Psychologie 2014; 19: 169-181
• 35 Koch SC, Eberhard-Kaechele M. Wirkfaktoren der Tanz- und Bewegungstherapie. körper – tanz – bewegung 2014; 2: 150-159