Remission, Response und deren Prädiktion bei stationären Depressionspatienten

 

 Buy Article Permissions and Reprints

Zusammenfassung

Werden Effekte stationärer Behandlungen als Mittelwertvergleiche und Effektstärken berichtet, wird nicht deutlich, wie viele Patienten von der Behandlung profitieren und welche Merkmale den Erfolg vorhersagen. Verschiedene Merkmale von 1 533 konsekutiven Patienten mit einer depressiven Episode wurden erhoben. Es ergab sich eine Prä-Post-Effektstärke im Beck-Depressionsinventar von 1,29 (95%-KI: 1,23; 1,36). Die Remissionsrate betrug 39,5%; die Responseraten 57,8% gemäß des Reliable Change Indexes (RCI) bzw. 72,4% nach der prozentualen Symptomverbesserung. Nur das Regressionsmodell mit dem RCI als Kriterium war in der Kreuzvalidierung stabil. Eine negative prädiktive Bedeutung hatte die Depressivität zu Therapiebeginn. Positiv waren hingegen eine höhere Einschätzung der körperlichen Gesundheit und ein höheres Bildungsniveau mit Response assoziiert. Um studien- und verfahrensübergreifende Vergleiche durchführen zu können, erscheint eine einheitliche Definitionen der Response notwendig.

Abstract

Using mean comparisons and effect sizes to report effects of inpatient treatment, this not reveals, how many inpatients benefit from treatment and which characteristics predict the positive outcome. Several characteristics were collected from 1 533 consecutive inpatients with an episode of depression. The pre-post-effect size in the Beck Depression Inventory was 1.29 (95%-CI: 1.23; 1.36). The rate of remission was 39.5%. The rate of response was 57.8% based on the reliable change index (RCI) and 72.4% based on the percental symptom improvement. The regression model with the RCI as outcome variable was stabile in the cross-validation. A negative predictive impact was demonstrated by the depressive symptoms at treatment beginning, whereas higher assessment of physical health and higher level of education were found to be positively associated. A consistent definition of response seems essential for cross-study and cross-methodological comparisons.

• Literatur

• 1 Wittchen H-U, Jacobi F, Rehm J et al. The size and burden of mental disorders and other disorders of the brain in Europe 2010. Eur Neuropsychopharmacol 2011; 21: 655-679
  Google Scholar
• 2 Murray CJL, Lopez AL. Alternative projections of mortality and dis­ability by cause 1990–2020: Global Burden of Disease Study. Lancet 1997; 349: 1498-1504
  CrossrefPubMedGoogle Scholar
• 3 Murray CJL, Lopez AD. Global mortality, disability, and the contribution of risk factors: global burden of disease study. Lancet 1997; 9063: 1436-1442
  PubMedGoogle Scholar
• 4 BKK Bundesverband. BKK Gesundheitsreport 2011: Zukunft der Arbeit. 2011 Verfügbar unter http://www.bkk.de [09.04.2011]
  PubMedGoogle Scholar
• 5 Deutsche Rentenversicherung. Frühberentung aufgrund psychischer Störungen. Unveröffentlichte Daten 2011
  PubMedGoogle Scholar
• 6 Cuijpers P, van Straten A, Andersson G et al. Psychotherapy for depression in adults: a meta-analysis of comparative outcome studies. J Consult Clin Psychol 2008; 76: 909-922
  CrossrefPubMedGoogle Scholar
• 7 Steffanowski A, Löschmann C, Schmidt J et al. Meta-Analyse der Effekte stationärer psychosomatischer Rehabilitation. MESTA-Studie. Rehabilitationswissenschaftlicher Forschungsverbund Freiburg/ Bad Säckingen. Karlsruhe/Mannheim 2005
  PubMedGoogle Scholar
• 8 Jacobson NS, Truax P. Clinical significance: a statistical approach to defining meaningful change in psychotherapy research. J Consult Clin Psychol 1991; 59: 12-19
  Google Scholar
• 9 Lecrubier Y. How do you define remission?. Acta Psychiatr Scand 2002; 106 (Suppl 415) 7-11
  CrossrefPubMedGoogle Scholar
• 10 Hiller W, Schindler A. Response und Remission in der Therapieforschung. Psychother Psychosom Med Psychol 2011; 61: 170-176
  Article in Thieme ConnectPubMedGoogle Scholar
• 11 Cohen J. Statistical power analysis for the behavioral sciences. 2^nd ed. Hillsdale, NJ: Erlbaum; 1988
  Google Scholar
• 12 Gaebel W. Konzeptuelle und methodische Aspekte der Prädiktorforschung. In: Maier W, Engel RR, Möller HJ. Hrsg Methodik von Verlaufs- und Therapiestudien in Psychiatrie und Psychotherapie. Göttingen: Hogrefe; 2000: 143-150
  Google Scholar
• 13 Jarrett RB, Eaves GG, Grannemann BD et al. Clinical, cognitive and demographic predictors of response to cognitive therapy for depression: a preliminary report. Psychiatry Res 1991; 37: 245-260
  CrossrefPubMedGoogle Scholar
• 14 Steinmetz JL, Lewinsohn PM, Antonuccio DO. Prediction of individual outcome in a group intervention for depression. J Consult Clin Psychol 1983; 51: 331-337
  PubMedGoogle Scholar
• 15 Katon W, Russo J, Frank E et al. Predictors of nonresponse to treatment in primary care patients with dysthymia. Gerenal Hospital Psychiatry 2002; 24: 20-27
  PubMedGoogle Scholar
• 16 Sotsky AM, Glass DR, Shea MT et al. Patient predictors of response to psychotherapy and pharmacotherapy: findings in the NIMH-treatment of depression collaborative research program. Am J Psychiatry 1991; 148: 997-1008
  PubMedGoogle Scholar
• 17 Bodenmann G, Schwerzmann S, Cina A. Kritische Lebensereignisse und Alltagsstress bei Depressiven und Remittierten. Z Klin Psychol Psychiatr Psychother 2000; 48: 1-17
  PubMedGoogle Scholar
• 18 Price RH, Choi JN, Vinokur AD. Links in the chain of adversity following job loss: How financial strain and loss of personal control lead to depression, impaired functioning, and poor health. J Occup Health Psychol 2002; 7: 302-312
  CrossrefPubMedGoogle Scholar
• 19 Vinokur AD, Price RH, Caplan RD. Hard times and hurtful partners: how financial strain affects depression and relationship satisfaction of unemployed persons and their spouses. J Pers Soc Psychol 1996; 71: 166-179
  PubMedGoogle Scholar
• 20 McDermut W, Miller IW, Brown RA. The efficacy of group psychotherapy for depression: a meta-analysis and review of the empirical research. Clin Psychol 2001; 8: 98-116
  PubMedGoogle Scholar
• 21 Thase ME, Simons A, McGeary J et al. Relapse after cognitive behavior therapy of depression: potential implications for longer courses of treatment. Am J Psychiatry 1992; 149: 1046-1052
  PubMedGoogle Scholar
• 22 Fournier JC, DeRubeis RJ, Shelton RC et al. Prediction of response to medication and cognitive therapy in the treatment of moderate and severe depression. J Consult Clin Psychol 2009; 77: 775-787
  CrossrefPubMedGoogle Scholar
• 23 Härter M, Bermejo I, Niebling W Hrsg Praxismanual Depression – Diagnostik und Therapie erfolgreich umsetzen. Köln: Deutscher Ärzteverlag; 2007
  Google Scholar
• 24 De Jong-Meyer R, Hautzinger M, Rudolf GAE et al. Prädiktions- und Verlaufsanalysen bei kombinierter psychologischer und medikamentöser Therapie endogen depressiver Patienten. Zeitschrift für Klinische Psychologie 1996; 25: 110-129
  PubMedGoogle Scholar
• 25 Lenze EJ, Miller MD, Dew MA et al. Subjective health measures and acute treatment outcomes in geriatric depression. Int J Geriatr Psychiatry 2001; 16: 1149-1155
  CrossrefPubMedGoogle Scholar
• 26 Mestel R, Neeb K, Hauke B et al. Zusammenhänge zwischen der Therapiezeitverkürzung und dem Therapieerfolg bei depressiven Patienten. In: Bassler M. Hrsg Wirkfaktoren von stationärer Psychotherapie. Gießen: Psychosozial-Verlag; 2000: 98-145
  Google Scholar
• 27 Dew MA, Reynolds III CF, Houck PR et al. Temporal profiles of the course of depression during treatment: predictors of pathways toward recovery in the elderly. Arch Gen Psychiatry 1997; 54: 1016-1024
  CrossrefPubMedGoogle Scholar
• 28 Rounsaville BJ, Weissman MM, Prusoff BA. Psychotherapy with depressed outpatients: patient and process variables as predictors of outcome. Br J Psychiatry 1981; 138: 67-74
  CrossrefPubMedGoogle Scholar
• 29 Hautzinger M, Bailer M, Worall H et al. Beck-Depressions-Inventar (BDI). Testhandbuch 2. Aufl. Bern: Huber; 1995
  Google Scholar
• 30 Hautzinger M. Kognitive Verhaltenstherapie bei Depressionen. Behandlungsanleitungen und Materialien. 6. Aufl. Weinheim: Beltz; 2003
  Google Scholar
• 31 Bullinger M, Kirchberger I. SF-36. Fragebogen zum Gesundheitszustand. Handanweisung. Göttingen: Hogrefe; 1998
  Google Scholar
• 32 Morfeld M, Bullinger M, Nantke J et al. Die Version 2.0 des SF-36 Health Survey – Ergebnisse einer bevölkerungsrepräsentativen Studie. Sozial- und Präventivmedizin 2005; 50: 292-300
  PubMedGoogle Scholar
• 33 Franke GH. Brief Symptom Inventory von L. R. Derogatis (Kurzform der SCL 90R)-Deutsche Version. Göttingen: Beltz Test GmbH; 2000
  Google Scholar
• 34 Saß H, Wittchen H-U, Zaudig M. Diagnostisches und Statistisches Manual Psychischer Störungen – Textrevision – DSM-IV-TR. Göttingen: Hogrefe; 2003
  Google Scholar
• 35 Hedges LV, Olkin I. Statistical methods for meta-analysis. Orlando: Academic Press; 1985
  Google Scholar
• 36 McGaw B, Glass GV. Choice of metric for effect size in meta-analyses. Am Educ Res J 1980; 17: 325-337
  CrossrefPubMedGoogle Scholar
• 37 Seggar LB, Lambert MJ, Hansen NB. Assessing clinical significance: application to the Beck Depression Inventory. Behav Ther 2002; 33: 253-269
  CrossrefPubMedGoogle Scholar
• 38 DGPPN, BÄK, KBV et al. Hrsg für die Leitliniengruppe Unipolare Depression. S3-Leitlinie/Nationale VersorgungsLeitlinie Unipolare Depression-Kurzfassung, 1. Auflage 2009 DGPPN, ÄZQ, AWMF – Berlin, Düsseldorf 2009. Verfügbar unter http://www.dgppn.de, http://www.versorgungsleitlinien.de [13.02.2012], http://www.awmf-leitlinien.de
  PubMed
• 39 Backhaus K, Erichson B, Plinke W et al. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. 13. Auflage. Berlin: Springer; 2010
  Google Scholar
• 40 Collegium Internationale Psychiatriae Scalarum Hrsg Internationale Skalen für Psychiatrie. 5. vollständig überarbeitete und erweiterte Auflage. Göttingen: Hogrefe; 2005
  Google Scholar
• 41 Hooley JM. Expressed emotion and relapse psychopathology. Annual Review Clinical Psychology 2007; 3: 329-352
  PubMedGoogle Scholar

• Supplementary Material