Thesisseminarie 4 Resultaten Correlatie en multiple regressie Vakgroep Experimenteel-klinische en Gezondheidspsychologie

Overzicht Resultaten: Hoe en wat? Controleren van kwaliteit van data Ontbrekende gegevens Beschrijving van steekproef Correlaties Multiple regressie

Structuur van thesis Inleiding * Wat? Relevantie? * Bestaande visies/modellen * Probleemstelling * Hypothesen/doelstelling Methode Resultaten Discussie

1. Resultaten Gedetailleerde beschrijving van de bevindingen van je onderzoek in functie van vraagstelling of hypothese Doelstelling (APA) 1. Lezer toelaten om te bepalen welke effecten gevonden werden, vooral effecten gerelateerd aan de hypothesen. 2. Lezer toelaten om te bepalen welke statistische methoden gebruikt werden en of de keuze en toepassing van de methode correct is. [3. Lezer toelaten om belangrijkste resultaten verder te analyseren in meta-analyses.] Geen echte structuur en volgorde Karakteristieken van de proefgroep / beschrijvende statistiek Correlaties Multiple regressie

2. Controleren van kwaliteit van de gegevens Neem steeds dezelfde “missing value”: -9 Neem steeds dezelfde “not applicable”=-8 Zoveel mogelijk op “interval” niveau invoeren: ook geslacht, SES, ….: Zoveel mogelijk invoeren op item-niveau Interne consistentie totaalscores en subtotaal-scores kunnen gemakkelijk in SPSS Zoveel mogelijk invoeren zoals vragenlijst Geen items omkeren Maak een logisch en coherent databestand: analyses later Codeboek: logische variabelennaam, beschrijving bij “label” Afkorting van vragenlijst + itemnummer; bij omkering toevoeging “R” (max 8 karakters) Bv TSK1, TSK2, TSK2R Databestanden moeten ingeleverd worden bij de promotor alsook de ingevulde vragenlijsten

Kwaliteitscontrole Controleer steeds bij het intypen of er eventueel een fout opgetreden is Let op bij het geholpen worden Neem achteraf nog vragenlijsten van een aantal PPn, en kijk hoeveel fouten erin zitten Descriptieve analyse: bekijk minima en maxima op itemniveau, totaalscore, subtotaalscore Definieer “Uitbijters” (meer of minder dan 3 SD) en haal deze eruit Hou steeds bij hoeveel ontbrekende gegevens en uitbijters er zijn (werk met verscheidene bestanden) .

3. Ontbrekende gegevens Kan drastische gevolgen hebben voor data-analyse 1 item niet ingevuld maakt dat je totaalscore niet kunt berekenen, en pp niet kan gebruikt worden in MR Bij afname, altijd controleren en vooralsnog vragen om in te vullen Totaalscore of subtotaalscores berekenen op basis van aantal valide gegevens Enkel indien niet meer dan 25% ontbrekende gegevens, anders heb je geen “valide” schatting.

Oefening Check minima en maxima Controleer met antwoord op vragenlijst Maak “ongeldig” Maak nieuwe variabele voor omkeeritems en bereken scores voor omkeeritems Indien minimum 0, Maximum – score Indien minimum 1, (Maximum +1)- score Bereken (sub)totaal op basis van geldige scores Sommeer geldige itemscores en hou bij hoeveel geldige itemscores er zijn voor elk individu Extrapoleer naar (sub)totaalscore op basis van aantal items in vragenlijst Maak individuele (sub) totaalscore ongeldig indien er meer dan 25% ontbrekende gegevens zijn Bereken “uitbijters”: individueel (sub)totaalscore meer of minder dan 3 SD afwijkend van gemiddelde (sub)totaalscore

Oefening Check minima en maxima (Analyze/Descriptive statistics) Omkeeritems (Transform/compute) PVAQ8R= 5 – PVAQ8 PVAQ16R = 5 - PVAQ16 Bereken (sub)totaal op basis van geldige scores (Transform/compute) PVAQ = Sum(PVAQ1, PVAQ2,…,PVAQ8R, PVAQ16R) AANTAL =NValid(PVAQ1, PVAQ2,…,PVAQ8R, PVAQ16R) Extrapoleer indien er geldige gegevens zijn PVAQ= PVAQ/aantal * Aantal items, If aantal>0 Indien AANTAL kleiner is dan 75% van aantal items (bereken dit zelf), maak dan ongeldig PVAQ = 999, If AANTAL< 75%, Bewaar bestand

Oefening Bereken “uitbijters” (Analyze/ Descriptives & Transform/compute) Bereken gemiddelden en SD van PVAQ Uitbijt = 1 if (PVAQ)> (gemiddelde PVAQ+ 3*SD) Uitbijt = 1 if (PVAQ)> (gemiddelde PVAQ- 3*SD)

4. Karakteristieken van de steekproef/bescrhijvende statistiek Niet hetzelfde als beschrijving “deelnemers” in methode-sectie Beschrijving van belangrijkste psychologische karakteristieken en cruciale variabelen Vergelijking met andere populaties (check of verschillen statistisch significant zijn, t-toets voor onafhankelijke steekproeven) Vergelijking met normen Opdeling van PPn in groepen en bijhorende karakteristieken

Patient characteristics In comparison with the MPI-DV results of a patient group entering a cognitive-behavioural rehabilitation program (Lousberg et al., 1999), the severity of the pain complaints in this sample was moderate. The mean score of the pain severity scale was 3.91 (SD=1.29; M of norm group=4.50; t(54)=5.9, p<.01). Also less interference was reported than the norm group (M=4.14, SD=1.26, M of norm group=4.52, t(54)=3.8, p<.01). The mean score of the perceived life control scale was 3.60 (SD=1.26; M of norm group=3.12, t(54)=.29, ns), the mean score of the affective distress scale was 3.17 (SD=.95; M of norm group=3.24, t(54)=.41, ns), and the mean score of the social support scale was 4.10 (SD=1.80; M of norm group=4.78, t(54)=3.4, p<.01).

Beschrijvende statistieken In Tabel 1 worden de gemiddelden en de standaarddeviaties van en de intercorrelaties tussen de scores op de gebruikte vragenlijsten weergegeven. De in dit onderzoek door de kinderen gerapporteerde omvang van somatische klachten (M=26.40, SD=16.71) was vergelijkbaar met deze in een studie van Walker et al. (1989, 1991a, 1991b) bij een groep kinderen en adolescenten met recurrente buikklachten, zowel zonder als met organische oorzaak. Deze scores zijn hoog in vergelijking met de in dezelfde studie gerapporteerde mate van somatisatie bij een controlegroep. De gemiddelde mate van ervaren functionele beperkingen lag hoog (M=21.21, SD=11.30) in vergelijking met de door Walker et al. (1993) gerapporteerde gemiddelde score bij een groep kinderen met chronische buikklachten en zeer hoog ten aanzien van de in dezelfde studie gerapporteerde gemiddelde score van een controlegroep. Ook het gemiddelde niveau van catastroferen lag in deze klinische onderzoeksgroep hoog (M=21.88, SD=11.44) in vergelijking met de gemiddelde score (M=16.79, SD=8.77) gerapporteerd in onderzoek met een niet-klinische populatie kinderen en adolescenten (Crombez et al., 2003). Het gemiddeld door de kinderen aangegeven niveau van trekangst was 33.87 (SD=7.92), wat een gemiddelde score is in vergelijking met een steekproef uit de algemene populatie (Bakker et al., 1989). De gemiddelde omvang van de ziekteversterkende responsen van de ouders, zoals gerapporteerd door hun kinderen, was 33.87 (SD=6.33).

5. Correlaties Pearson correlatie, Spearman rank correlaties Bij interval en normale verdeling: Pearson APA-regels geen nul indien waarde niet groter kan dan 1: r = .65, p < .05 Geen onrealistische precisie: 123.255 ms; M = 45.25667 (ms. niet na de komma). Geen exacte p-waarden p=.00012 - p < .001

Geen exhaustieve en droge opsomming Beschrijving Geen exhaustieve en droge opsomming Meest opvallende, in functie van vraagstelling of hypothese Zoals verwacht… Interessant is… Tegen de verwachtingen… Beschrijven vanuit constructen of vanuit vragenlijsten (afkortingen) Niet de variabelenaam van SPSS!!! Verwijs naar tabel in tekst.

Tabel opmaken volgens APA-normen Geen onoverzichtelijke tabellen met teveel variabelen (niet meer dan 9) Tabellen uitsplitsen

Table 1. Means, standard deviations (SD); Cronbach’s  and Pearson correlation coefficients among acceptance (ICQ), attention to pain (PVAQ) and pain severity (MPI) n M SD α 2 3 1. Acceptance (ICQ) 495 14.09 4.13 .89 -.27** -.18** 2. Attention to pain (PVAQ) 490 47.47 13.10 .86 - .22** 3. Pain Severity (MPI) 497 7.83 2.58 ** p<.001

Interne consistentie (SPSS): Mean scores, standard deviations, internal consistency (Cronbach’s ) and Pearson correlations amongst self-reports are presented in Table 1. Attention to pain (PVAQ) was related to less acceptance (ICQ) and higher levels of pain severity (MPI). Acceptance was related to lower levels of pain severity. Interne consistentie (SPSS): Analyze /scale/ reliability analysis Alle items in dezelfde richting (dus werken met gespiegelde omkeeritems)

Tabel 3. Gemiddelden, Standaard deviaties (SD), Crohnbach’s , Pearson correlatie coëfficiënten (r) tussen aanvaarding (ACPT en ZCL), Hulpeloosheid (ZCL), Ziektevoordelen (ZCL), Lichamelijke gezondheid (SF-36), Psychische gezondheid (SF-36), Ernst van de pijn (MPI) en Catastroferen (PCS) (n = 120). schaal M SD α 2 3 4 5 6 7 8 1. Aanvaarding (ACPT) 64.71 16.42 .82 -.63** .39** .23 .24 .50** -.45** -.42** 2. Hulpeloosheid (ZCL) 15.65 4.20 .85 - -.58** -.23 -.48** .61** .62** 3. Aanvaarding (ZCL) 13.50 4.56 .94 .64** .30* .60** -.66** 4. Ziektevoordelen (ZCL) 14.34 4.62 -.01 .40** -.26* -.59** 5. Lichamelijke gezo. (SF36) 37.04 5.33 .61 .44** -.27* 6. Psychische gezo. (SF36) 40.69 10.83 .89 -.47** -.69** 7. Ernst van de pijn (MPI) 8.45 2.83 .90 .49** 8. Catastroferen (PCS) 25.45 11.95 *p<.05, ** p<.01

Tabel 3 biedt een overzicht van de gemiddelden, standaarddeviaties, interne consistenties (Cronbach’s ) en correlatiescores. Alle vragenlijsten hadden een goede tot zeer goede betrouwbaarheid, behalve Lichamelijke gezondheid (SF-36, zie ook studie 1). Psychisch welbevinden (SF-36) was gerelateerd aan minder erge pijn, minder catastroferen over pijn, en meer aanvaarding van pijn zoals gemeten door de ACPT en de ZCL. Lichamelijke gezondheid (SF-36) ging samen met minder erge pijn, minder catastroferen over pijn en meer aanvaarding van pijn, zoals gemeten door de ZCL maar niet zoals gemeten door de ACPT. Beide maten van aanvaarding gingen samen met minder erge pijn, en minder catastroferen over pijn. Om de constructvaliditeit van aanvaarding te bepalen , werden correlaties nagegaan tussen beide maten van aanvaarding. In tegenstelling tot hetgeen we verwachtten, was de correlatie tussen de ACPT totaal score en de Acceptatie schaal van de ZCL significant maar slechts middelmatig (r = .39), wat wijst op weinig gedeelde variantie (15 %). De ACPT totaalscore bleek zelfs beter gecorreleerd met de Hulpeloosheid schaal van de ZCL (r = -.63). De ACPT totaalscore en Ziektevoordelen (ZCL) waren niet gerelateerd.

6. Multiple regressie De onafhankelijke bijdrage van variabelen in het voorspellen van uitkomstvariabelen Verschillende methoden Enter Stapsgewijs: voorwaarts, achterwaarts Hiërarchisch Moet voldoende aantal PPn hebben Regel: 20 ppn per variabele Liefst resultaten stabiel

Oefening Stapsgewijze hiërarchische analyse Analyze/Regression/linear Hypervigilantie: PVAQ = uitkomst Voorspellers Stap 1, enter: geslacht, leeftijd, SES Stap 2, stepwise: ernst van de pijn, pijnduur Stap 3, stepwise: aanvaarding ZCL Analyze/Regression/linear Binnen module: selectie statistics Aanvinken: R square change, collinearity statistics

Collineariteit Variantie-inflatiefactor (VIF): mag niet groter dan 2, anders probleem van multicollineariteit Rapportering “Variance-inflation factors (range 1.00-1.66) were acceptable, suggesting that there was no problem of collinearity”

Table 2. Results of hierarchical regression analysis of acceptance and attention to pain Criterium- variabele Stap Voorspeller β ∆r2 Adj. r2 Attention to pain (PVAQ) 1 Leeftijd Geslacht SES .15** -.10* -.14** .01* .05 2 Ernst van de pijn .18** .04*** .09 3 Aanvaarding (ZCL) -.26*** .06*** .15 * p<.05, **p<.001, ***p<.001 (weergegeven gestandardiseerde beta’s zijn afkomstig van de laatste stap) Vermeld hoe geslacht gecodeerd is: vrouw=0, man=1

Hierarchical regression analyses were performed to examine the unique role of acceptance (ICQ) in explaining attention to pain (PVAQ) after controlling for contributions of pain severity (MPI) and relevant demographic variables. In a first step gender (female coded as 0, male coded as 1), age, education were entered. In a next step pain severity and pain duration was entered using a stepwise method. In a last step acceptance was entered using the stepwise method. Results from the regression analyses are shown in Table 2. Attention to pain was predicted by age, gender, education, pain severity and acceptance, resulting in an explained variance of 15%, F(5,415)= 15.94, p< .0001. The demographic variables accounted for 5%, Fchange (3,417)=8.05, p<.001. Attention to pain was explained by about 4% by pain severity, Fchange(1,416)=20.01, p<.001. Acceptance had a unique contribution of 6% in explaining attention to pain, beyond pain severity and demographic variables, Fchange (1,415)=31.00, p<.001.

Om na te gaan welke van de vijf NEO-FFI subschalen predictoren zijn van vigilantie, werd een hiërarchische multipele regressieanalyse uitgevoerd. Eerst werden leeftijd en geslacht ingevoerd in een eerste blok om te controleren voor sociodemografische gegevens. Duur van de pijn en pijnintensiteit volgden in het tweede blok. De subschalen van de NEO-FFI werden als laatste ingevoerd. De scores op de PVAQ werden als afhankelijke variabele ingegeven. Er bleek geen probleem van multicollineariteit te zijn, aangezien de Variance-inflation factors (Vif) varieerden tussen 1.00 en 1.66, wat acceptabel is. Uit de resultaten bleek dat drie predictoren een voorspellende waarde hebben voor vigilantie. Ten eerste bleek dat pijnintensiteit een significante voorspeller was van vigilantie voor pijn ( = .20, p < .05) . Ten tweede bleken ook twee persoonlijkheids-karakteristieken significante voorspellers van vigilantie voor pijn: neuroticisme ( = .36, p < .01) en consciëntieusheid ( = .26, p < .01). De resultaten van de regressieanalyse worden gepresenteerd in Tabel 2.

Volgende thesisseminarie Discussie-sectie na de paasvakantie. Datum wordt nog meegedeeld Geen volgende opdracht & herwerking ivm resultaten Belangrijkste is de paper afwerken Inleiding + Methode Eventueel Resultaten + Discussie Kan verschillen tussen studenten, afspraak met promotor/begeleider Baseer je op een (goede) bestaande publicatie (in een APA tijdschrift) Eventuele problemen met paper kunnen aangekaart worden in volgende thesisseminarie Gelieve deze op voorhand door te mailen stefaan.vandorpe@UGent.be