five

Supplementary Material for: Die Validierung der Dimensional Obsessive-Compulsive Scale (DOCS) an einer deutschsprachigen Stichprobe

收藏
Figshare2020-09-25 更新2026-04-28 收录
下载链接:
https://figshare.com/articles/dataset/Supplementary_Material_for_Die_Validierung_der_Dimensional_Obsessive-Compulsive_Scale_DOCS_an_einer_deutschsprachigen_Stichprobe/13005413
下载链接
链接失效反馈
官方服务:
资源简介:
Hintergrund: PatientInnen mit Zwangsstörungen werden in klinischer Forschung und Praxis häufig nicht erkannt oder fehldiagnostiziert, wodurch es zu verzögerten und unzureichenden Behandlungen kommt. Ein Aspekt, der maßgeblich dazu beiträgt, sind unter anderem unzureichende Screening- und Diagnostikinstrumente, da bestehende Fragebögen zur Erfassung von Zwangsstörungen zu einem großen Teil Limitationen hinsichtlich ihrer psychometrischen Qualitäten und ihrer Aktualität unterliegen. Mit der Dimensional Obsessive-Compulsive Scale (DOCS) steht im englischsprachigen Raum seit mehreren Jahren bereits ein vielversprechendes Instrument zur Erfassung von Zwangsstörungen zur Verfügung. Patienten und Methoden: Ziel der vorliegenden Arbeit war es, erstmalig die Faktorstruktur sowie die psychometrischen Eigenschaften der deutschsprachigen DOCS-Version zu überprüfen. Hierzu wurden 177 PatientInnen (107 mit Zwangsstörung, 30 mit Angststörungen und 40 mit Depression) sowie eine nicht-klinische Kontrollgruppe mit 223 Probanden untersucht. Ergebnisse: Die vierfaktorielle Originalstruktur der DOCS konnte in explorativen und konfirmatorischen Faktoranalysen repliziert werden. Interne Konsistenzen und die zeitliche Stabilität der DOCS fielen akzeptabel bis sehr gut aus. Die Konstruktvalidität der DOCS-Gesamtskala fiel zufriedenstellend bis gut aus. Die Kriteriumsvaliditäten fielen bedingt zufriedenstellend aus. Die diagnostische Genauigkeit der DOCS fiel befriedigend aus. Schlussfolgerung: Die deutsche Version der DOCS ist ein robustes, reliables und erstmals validiertes Instrument zur dimensionalen Beschreibung des Schweregrads von Zwangsstörungen.
创建时间:
2020-09-25
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作