Anwendung der Mehrebenenmodellierung zur Auswertung von Tagebuchdaten adipöser Patienten mit und ohne Binge Eating Disorder

Zusammenfassung

Die Mehrebenenmodellierung von Tagebuchdaten bietet eine Möglichkeit, Entwicklungstrends, Gruppenunterschiede und Bruchstellen in den Trends zu analysieren. Ziel dieser Arbeit ist die Anwendung der Mehrebenenmodellierung zur Bestimmung von Entwicklungstrends in den Tagebuchdaten einer Gruppe von adipösen Patienten mit und ohne Binge Eating Disorder (BED). Diese Patienten beantworteten während einer viermonatigen multimodalen Gruppenintervention täglich Fragen zu ihrem Essverhalten und ihrem psychischen und körperlichen Befinden auf einem Handheld-Computer. Die Mehrebenenanalyse der Tagebuchdaten zeigt, dass der Entwicklungstrend im Essverhalten der gesamten Patientengruppe zunächst abfällt und gegen Ende der Therapie wieder zunimmt. Die Anwendung eines neueren Verfahrens zur Identifizierung von Bruchstellen (Breakpoints) im linearen Entwicklungstrend einer Gruppe zeigt genauer, dass sich um den 85. Tag der Therapie, also gegen Ende, der lineare Trend im Essverhalten umkehrt. Die Patienten essen dann im Schnitt täglich wieder mehr. Für die Subgruppen der Patienten mit und ohne BED ergeben sich signifikante Unterschiede in der Trendentwicklung des Essverhaltens.

Abstract

Fitting multilevel models to diary data allows the analysis of development trends, group differences, and breakpoints in time trends. The aim of this study is the application of multilevel modelling to determine time trends in the diary data of a group of obese patients with and without binge eating disorder (BED). Throughout the course of a four-month multi-modal intervention program, the patients answered questions daily on handheld computers about their eating behaviour as well as their psychological and physical states. Multilevel analysis of the diary data shows that initially the trend of the eating behaviour over time decreases but increases towards the end of the therapy. Results of the application of a relatively new method to identify break points in linear trends indicate that the 85^th day of the therapy is a break point in the trend over time of the eating behaviour. Significant differences in the development of the eating behaviour over time were found for the subgroups of patients with and without BED.

Key words

multilevel modelling - diary data - breakpoint analysis - time trend - binge eating disorder

Literatur

• 1 Koop A, Mosges R. The use of handheld computers in clinical trials.  Control Clin Trials. 2002;  23 469-480
• 2 Kerkenbush N L, Lasome C E. The emerging role of electronic diaries in the management of diabetes mellitus.  AACN Clin Issues. 2003;  14 371-378
• 3 Jamison R N, Raymond S A, Levine J G. et al . Electronic diaries for monitoring chronic pain: 1-year validation study.  Pain. 2001;  91 277-285
• 4 Fairburn C G (Hrsg). Overcoming binge eating. New York; The Guilford Press 1995
• 5 Wild B, Quenter A, Friederich H-C. et al . A course of treatment of binge eating disorder: a time series approach.  Eur Eat Disorders Rev. 2006;  14 79-87
• 6 Brosig B, Leweke F, Milch W. et al . Psychosoziale Prädiktoren der metabolischen Instabilität bei Brittle Diabetes.  Psychother Psych Med. 2001;  51 232-238
• 7 Feiler S, Müller K G, Müller A. et al . Using Interaction Graphs for Analysing the Therapy Process.  Psychother Psychosom. 2005;  74 93-99
• 8 Bijleveld C, van der Kamp L (Hrsg). Longitudinal data analysis. Designs, models and methods. London; SAGE publications 1998
• 9 Wild B, Eichler M, Feiler S. et al . Dynamic analysis of electronic diary data of obese patients with and without binge eating disorder.  Psychother Psychosom. 2007;  76 250-252
• 10 Quenter A, Bludau H B, Friederich H C. et al . Use of electronic diaries within treatment of obesity and binge eating disorder. First experiences. In: Bludau HB, Koop A (Hrsg) Mobile Computing in Medicine. Series of the Gesellschaft für Informatik (GI). Bonn; GI edition 2002: 25-33
• 11 Piepho H P, Ogutu J O. Inference for the break point in segmented regression with application to longitudinal data.  Biometrical Journal. 2003;  45 591-601
• 12 Zipfel S, Quenter A, Kielmann R, Herpertz S. Therapiekonzepte für die Behandlung von Patientinnen mit Adipositas und Essstörungen. In: Herzog W, Munz D, Kächele H (Hrsg) Essstörungen. Therapieführer und psychodynamische Behandlungskonzepte. Stuttgart; Schattauer 2004: 118-127
• 13 Fichter M, Quadflieg N (Hrsg). SIAB-Ex. Strukturiertes Interview für anorektische und bulimische Essstörungen nach DSM-IV und ICD-10. Göttingen; Hogrefe 1999
• 14 Wittchen H U, Zaudig M, Fydrich T (Hrsg). Strukturiertes Klinisches Interview für DSM-IV (SKID). Göttingen; Hogrefe 1997
• 15 Pudel V, Westehnöfer J (Hrsg). Fragebogen zum Essverhalten – Handanweisung. Göttingen; Hogrefe 1989
• 16 Löwe B, Spitzer R L, Zipfel S, Herzog W (Hrsg). Gesundheitsfragebogen für Patienten (PHQ-D). Karlsruhe; Pfizer GmbH 2001
• 17 Bullinger M, Kirchberger I (Hrsg). Der SF-36 Fragebogen zur Gesundheit (SF-12, Kurzform). Göttingen; Hogrefe 1998
• 18 Clement U, Löwe B. Validation of the FKB-20 as scale for the detection of body image distortions in psychosomatic patients.  Psychother Psych Med. 1996;  46 254-259
• 19 Friederich H-C, Schild S, Wild B. et al . Treatment outcome in people with subthreshold compared with full-syndrome binge eating disorder.  Obesity. 2007;  15 283-287
• 20 Bryk A S, Raudenbush S W (Hrsg). Hierarchical linear models: Applications and data analysis methods. Newbury Park, CA; Sage 1992
• 21 Bijleveld C, van der Kamp L (Hrsg). Longitudinal data analysis. Designs, models and methods. London; SAGE publications 1998
• 22 Singer J D. Using SAS PROC MIXED to fit multilevel models, hierarchical models, and individual growth models.  Journal of Educational and behavioral statistics. 1998;  24 323-355
• 23 Verbeke G, Molenberghs G (Hrsg). Linear mixed models for longitudinal data. New York; Springer 2001
• 24 Willett J, Singer J (Hrsg). Applied Longitudinal Data Analysis: Modeling Change and Event Occurrence. New York; Oxford University Press 2003
• 25 Piepho H P, Büchse A, Emrich K. A hitchhiker's guide to mixed models for randomized experiments.  J Agron Crop Sci. 2003;  189 310-322
• 26 Piepho H P, Büchse A, Richter C. A mixed modelling approach for randomized experiments with repeated measures.  J Agron Crop Sci. 2004;  190 230-247
• 27 de Zwaan M. Binge eating disorder and obesity.  Int J Obesity. 2001;  25 51-55
• 28 Herpertz S, Senf W. Psychotherapie der Adipositas.  Deutsches Ärzteblatt. 2003;  20 1367-1373
• 29 Stunkard A J, Allison K C. Binge eating disorder: disorder or marker?.  Int J Eat Disord. 2003;  34 S107-S116
• 30 Wilfley D E, Wilson G T, Agras W S. The clinical significance of binge eating disorder.  Int J Eat Disord. 2003;  34 S96-S106
• 31 de Zwaan M, Friederich H C. Binge eating disorder.  Ther Umsch. 2006;  63 529-533
• 32 Bulik C M, Sullivan P F, Kendler K S. Medical and psychiatric morbidity in obese women and without binge eating.  Int J Eat Disord. 2002;  32 72-78
• 33 Rieger E, Wilfley D E, Stein R I. et al . A comparison of quality of life in obese individuals with and without binge eating disorder.  Int J Eat Disord. 2005;  37 234-240
• 34 Wonderlich S A, de Zwaan M, Mitchell J E. et al . Psychological and dietary treatments of binge eating disorder: conceptual implications.  Int J Eat Disord. 2003;  34 S58-S73
• 35 SAS Institute I (Hrsg) .SAS/STAT 9.1 user's guide. Cary, NC; SAS Institute Inc 2004
• 36 Schmitz B (Hrsg). Zeitreihenanalyse in der Psychologie: Verfahren zur Veränderungsmessung und Prozessdiagnostik. Weinheim; Beltz 1987
• 37 Littell R C, Pendergast J, Natarajan R. Modelling covariance structure in the analysis of repeated measures data.  Stat Med. 2000;  19 1793-1819
• 38 Seber G AF, Wild C J (Hrsg). Nonlinear regression. New York; Wiley 1989
• 39 Davies R B. Hypothesis testing when a nuisance parameter is present only under the alternative.  Biometrika. 1977;  64 254
• 40 Davies R B. Hypothesis testing when a nuisance parameter is present only under the alternative.  Biometrika. 1987;  74 33-43