Validierung einer psychosozialen Intervention am Körperbild bei älteren Menschen: Ein experimentelles Design

In westlichen Gesellschaften ist es sehr wichtig, gut, gesund und jung auszusehen, um sich richtig zu fühlen, sich anzupassen, mit anderen zu interagieren und erfolgreich zu sein, um ein Kernelement des Selbstkonzepts und des Selbstwertgefühls zu werden. Wie zufrieden eine Person mit ihrem Körper ist, hängt von der persönlichen Wahrnehmung ab, insbesondere davon, wie sie sich fühlt, wahrnimmt, sich vorstellt und darauf ^reagiert1,2. Nach dieser Definition ist es möglich, zwei qualitativ unterschiedliche Dimensionen innerhalb dieses Konstrukts zu identifizieren. Auf der einen Seite gibt es die Wahrnehmungsdimension, die von der Bewertung der Größe, Form und Proportionen des Körpers selbst abhängt; auf der anderen Seite gibt es den kognitiv-emotionalen Bereich (d.h. "Körperzufriedenheit"³), der Gegenstand dieser Forschung ist.

Im Wesentlichen ist die Körperzufriedenheit der Grad der Akzeptanz einer Person für ihre körperliche ^Erscheinung4, was schlecht ist, wenn diese Einschätzung das Selbstvertrauen negativ beeinflusst, und positiv, wenn sie das persönliche Vertrauen in die Interaktion mit anderen ^erhöht5,6. Traditionell wurde angenommen, dass, wenn eine Person altert und in die letzte Lebensphase eintritt (das Alter von 50 Jahren als Cut-off-Punkt für das mittlere Alter), die Körperbildbedenken erheblich abnehmen. Mit anderen Worten, es wird angenommen, dass Wahrnehmungsverzerrungen über das Körperbild, die typisch in der Adoleszenz und Jugend ^sind6,7,8, selten bei älteren ^Menschen9,10. Der Grund dafür ist, dass sich der Fokus der Besorgnis von Gewicht und Fitness auf andere signifikante körperliche Defekte verlagert, die eher mit mangelnder Gesundheit und körperlichem Verfall verbunden sind.

In dieser Linie hat die wissenschaftliche Literatur gezeigt, dass sich die Hauptbedenken über das körperliche Erscheinungsbild älterer Menschen auf die Zeichen des Alterns konzentrieren, wie Fitnessverlust, Faltenbildung und Hautalterung, Haarausfall und graue Haare, Körpergeruch, unter ^anderem11,12. Es wurde auch argumentiert, dass die Wahrnehmung dieser Alterungszeichen eine evolutionäre und adaptive Rolle spielt, da sie es den Menschen ermöglicht, sich des Alterns schrittweise bewusst zu werden und so dazu beiträgt, die Transformation und Verschlechterung des körperlichen Erscheinungsbildes zu akzeptieren. Obwohl dies richtig sein mag, ist es nicht weniger wahr, dass das Alterungsbewusstsein die Körperzufriedenheit negativ beeinflusst. Nicht umsonst bezieht sich das weit verbreitete Phänomen der "Midlife-Crisis" auf einen Wendepunkt, an dem die Person zu erkennen beginnt, dass sie älter wird, und in einigen Fällen geht dies mit depressiven Symptomen einher, die, wenn sie nicht richtig angegangen werden, das persönliche Wohlbefinden und die psychische Gesundheit beeinträchtigen ^können11,13.

Die psychologischen und emotionalen Implikationen, die sich aus dem Seneszenzbewusstsein ergeben, wurden ^untersucht14. In diesem Sinne wurde die Verschlechterung der körperlichen Erscheinung als das unmissverständlichste Zeichen angesehen, das jemand in Bezug auf die Ankunft der Seneszenz erfahren ^kann15. Dies ist gepaart mit dem Gefühl, eine irrelevante und unterbewertete soziale Rolle ^{zu spielen 16}. Daher ist die Selbstidentifikation als "älterer Mensch" untrennbar mit einer allmählichen Akzeptanz neuer Einschränkungen und ungünstiger Umstände verbunden. So beginnt die ältere Person Schwierigkeiten und emotionale Probleme wie Angstzustände, Stress oder Depressionen zu erleben. Kurz gesagt, die Person kann sich selbst mit negativen sozialen Rollen identifizieren, während sie die mit dem Altern verbundenen körperlichen Einschränkungen schlecht ^{akzeptiert17,18}.

In verschiedenen Altersgruppen, wie Jugendlichen und Jugendlichen, ist bekannt, dass sich Zufriedenheit und Körperbild mit Interventionsprogrammen verbessern ^können1,19. Beispiele hierfür sind die bekannten Interventionen von Cash (1997)²⁰ und PICTA (Preventive program on body image and eating disorders in Spanish) von Maganto, del Río und Roiz (2002)²¹ sowie einige neuere Programme (Kilpela et al., 2016)²², Halliwell et al. (2016)²³, McCabe et al. (2017)²⁴ oder Bailey, Gammage und Van Ingen (2019)²⁵ . Keiner von ihnen zielt jedoch auf reife Menschen ab und konzentriert sich hauptsächlich auf Frauen, mit Ausnahme der von Sánchez-Cabrero (2012) ²⁶ entwickelten Intervention namens "IMAGINA", die diese Studie validieren soll. Nehmen wir an, dass ein therapeutischer Eingriff in das Körperbild zur Selbstakzeptanz beitragen und bei jungen Menschen ein positives Selbst entwickeln kann. Es gibt keinen Grund, sie nicht anzuwenden und bei älteren Menschen einzugreifen, die mit radikalen Veränderungen in ihrem Körper konfrontiert sind27,28,29.

Das experimentelle Design ist die effektivste Methodik, um kausale Zusammenhänge zu bestimmen und zu bewerten, ob eine therapeutische Intervention Verbesserungen bewirkt. Erstens ist es notwendig, den Interventionseffekt vom Rest der intervenierenden Variablen zu isolieren, was in den Sozialwissenschaften sehr kostspielig und komplex ist, da die Faktoren, die beeinflussen können, fast unzählige sind. Zweitens erfordert es auch einen Vergleich vor der Behandlung, Vergleiche zwischen Kontroll- und experimentellen Gruppen, die Randomisierung der Teilnehmer unter den Kontroll- und Behandlungsbedingungen sowie die Untersuchung der relevantesten intervenierenden Variablen. Somit folgt dieses Experiment zwei Hauptzielen: (1) die Verbesserung der Körperbildzufriedenheit von Personen über 50 Jahren, die sich für ein spezifisches Programm der Körperzufriedenheit anmelden, im Vergleich zu den Fortschritten in einem allgemeinen Programm (unspezifisch); (2) die Beziehung zwischen Körperzufriedenheit und intervenierenden Variablen wie Alter, Geschlecht, Beziehungsstatus, Zeit des Jahres der Teilnahme und Demleben in einem Großstadt- oder Landwohnsitz zu untersuchen.

Das Komitee überprüfte das Protokoll über wissenschaftliches Verhalten und Ethik der Alfonso X el Sabio Universität. Auch eine Gruppe von Wissenschaftlern außerhalb des Forschungsteams überprüfte und genehmigte den gesamten experimentellen Prozess. Um die Teilnahme an der Studie zu ermöglichen, war es notwendig, eine Einverständniserklärung zu unterzeichnen, die die Teilnahme am Programm akzeptiert, wie in der Deklaration von ^Helsinki30 empfohlen. Vor der Einschreibung wurde sichergestellt, dass keiner der Teilnehmer psychische Belastungen oder Schäden durch die Intervention erleiden würde.

1. Führen Sie die Feldstudie durch

ANMERKUNG: Das Versuchsdesign folgt einem gemischten Design mit Messungen zwischen den Probanden (Versuchs- und Kontrollgruppen) und wiederholten Messungen vor und nach der Behandlung. Dieses experimentelle Design ermöglicht es, die Wirkung der Behandlung (die Ergebnisse eines spezifischen Körperzufriedenheitsprogramms) von anderen Variablen zu isolieren, die mit den individuellen Unterschieden zusammenhängen, da die Körperzufriedenheit vor und nach der Behandlung gemessen wurde. Die Studie vergleicht die Behandlung auch mit dem, was bei der Teilnahme an einem unspezifischen Interventionsprogramm (Kontrollgruppe) passiert ist, das den Manipulationseffekt während der Intervention isoliert. Die Teilnehmer wurden nach dem Zufallsprinzip unter den Versuchs- und Kontrollbedingungen eingeteilt, um die optimalen Bedingungen für die Durchführung des Experiments zu gewährleisten.

1. Auswahl von Forschungsinstrumenten
   1. Wählen Sie ein psychosoziales Programm, das darauf abzielt, das Körperbild bei älteren Menschen zu verbessern, das dem Ziel der Studie entspricht. In diesem Fall wurde das IMAGINA-Programm von Sánchez-Cabrero (2012) ²⁶ gewählt, da es alle Anforderungen erfüllt.
      ANMERKUNG: Das Kriterium für die Auswahl des experimentellen Instruments war das folgende: (1) Es musste ein Programm speziell für die Körperzufriedenheit sein; (2) es muss perfekt an ältere Menschen angepasst sein; (3) Es muss ein Gruppenprogramm sein, das die soziale Interaktion zwischen den Teilnehmern betont; (4) Es muss 6 bis 10 Sitzungen von jeweils 60-120 Minuten dauern, so dass Einstellungs- und Verhaltensänderungen konsistent erreicht werden können.
   2. Wählen Sie ein allgemeines psychosoziales Programm für ältere Menschen, um in Gruppen zu arbeiten, die alle erforderlichen Bedingungen erfüllen und als Kontrollvergleich dienen. In diesem Experiment ist das Programm "Promoting Healthy Aging: Consistent Health", das vom Spanischen Roten ^Kreuz31 durchgeführt wird, da es die beste verfügbare Option war.
      HINWEIS: Das Kriterium für die Auswahl des Kontrollprogramms ist, dass (1) es auf positiver sozialer Interaktion aufbauen muss, ohne sich auf das Körperbild zu konzentrieren; (2) Es muss für die Arbeit in Gruppen ausgelegt sein; (3) es muss für ältere Menschen geeignet sein; (4) Es muss einen Zeitplan haben, der dem experimentellen Interventionsprogramm ähnelt.
   3. Wählen Sie ein wissenschaftliches Instrument, um die Körperbildzufriedenheit bei älteren Menschen zu bewerten. Der Body Shape Questionnaire (BSQ) von Cooper, Taylor, Cooper und Fairburn (1987)³³ galt als das am besten geeignete Instrument für die Forschungsziele.
      ANMERKUNG: Das Kriterium für die Auswahl des wissenschaftlichen Instruments zur Bewertung der Körperzufriedenheit im Alter war, dass (1) es sich um ein von Experten begutachtetes und veröffentlichtes Instrument handeln muss; (2) es misst die Körperzufriedenheit und hat konvergente Validität mit anderen wissenschaftlichen Instrumenten; (3) Es muss kurz und einfach sein, um sich an die ältere Bevölkerung anzupassen (3) Es muss ins Spanische übersetzt und für die spanische Bevölkerung skaliert werden.
   4. Entwerfen Sie einen Fragebogen (Ergänzungsdatei 1), um alle demografischen Daten und intervenierenden Variablen zu sammeln, die in dieser Studie kontrolliert werden sollen.
      HINWEIS: Die soziodemografischen Daten zu Alter, Geschlecht und Beziehungsstatus wurden mit einem Ad-hoc-spezifischen Fragebogen erhoben. Das Alter wurde als quantitative und diskrete Variable und der Rest als dichotome kategoriale Variablen behandelt. Was die "Jahreszeit" und die "Aufenthaltsumgebung" betrifft, so wurden diese Informationen von dem für das Experiment verantwortlichen Forscher registriert.
2. Probenahmeverfahren
   1. Fordern Sie die Zusammenarbeit einer gemeinnützigen Organisation (NGO) an, die psychosoziale Programme zur Gruppenanwendung für ältere Menschen an verschiedenen Standorten durchführt.
   2. Wählen Sie zehn verschiedene Standorte aus, um die experimentellen und psychosozialen Kontrollprogramme anzuwenden. Die Hälfte von ihnen lebte auf dem Land (Orte mit weniger als 1000 Einwohnern), und die andere Hälfte lebte in Metropolen und Städten.
3. Anwendung von experimentellen und Kontrollinterventionen
   1. Führen Sie die Vorbehandlungsmessung von BSQ durch. Einzelne Maßnahmen wurden mit Papier und Stift gesammelt, aber die Teilnehmer befanden sich im selben Raum wie ihre Clustergruppe.
   2. Führen Sie über acht Sitzungen beider psychosozialer Programme (Kontrolle und Experiment) an zehn Standorten durch.
      HINWEIS: Die Programme standen zu zwei verschiedenen Jahreszeiten unter der Aufsicht derselben Person: Sommer und Winter. In beiden Fällen wurden die Aktivitäten abends, für 4 Wochen und zweimal pro Woche durchgeführt. In beiden Programmen arbeiteten die Teilnehmer in Gruppen, hatten spielerische Aktivitäten und gesellschaftliche Zusammenkünfte, was den Rückzug der Teilnehmer drastisch reduzierte.
   3. Sammeln Sie die Nachbehandlungsmessung des BSQ.
      HINWEIS: Einzelne Bewerbungen wurden mit Papier und Stift gesammelt, aber die Teilnehmer befanden sich mit ihrer Clustergruppe im selben Raum. Dies geschah direkt nach Beendigung der Sitzungen. Das BSQ wurde nicht auf diejenigen Personen angewendet, die nicht zu allen Sitzungen kamen. Folglich wurden die Ergebnisse von 10 % der Stichprobe in den endgültigen Analysen weggelassen.

2. Digitalisierung der in der Feldstudie gewonnenen Daten

1. Öffnen Sie die Statistiksoftware und gehen Sie zu Dateimenü | Neue | Daten, klicken Sie auf das Datensymbol , wechseln Sie dann zur Variablenansicht (Abbildung 1), und erstellen Sie eine statistische Variable für jede der folgenden Variablen in Tabelle 1.

Tabelle 1: Hauptmerkmale der statistischen Forschungsvariablen. Detaillierte Beschreibung der Hauptmerkmale der Forschungsvariablen in ihrem Digitalisierungsprozess.

Abbildung 1: Importieren von Variablendaten in das Statistiksoftwarepaket. (1) Klicken Sie auf das Datensymbol ; (2) Klicken Sie auf das Symbol Variablenansicht . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

2. Gehen Sie in der Statistiksoftware zur Datenansicht (Abbildung 2) und geben Sie für jeden Teilnehmer die Daten der Vor- und Nachmessungen des BSQ-Tests ein. Machen Sie dasselbe mit den demografischen und attributiven Daten des Fragebogens.
   HINWEIS: Die mit dem BSQ erzielten Ergebnisse und die Informationen zu den soziodemografischen Daten der Studie wurden in Papier und Stift gesammelt, so dass es notwendig war, sie nacheinander zu digitalisieren.
   1. Erstellen Sie eine neue Variable mit der Differenz zwischen der Pre- und Post-BSQ-Messung in der Statistiksoftware (mit dem Test erhaltene Daten). Gehen Sie dazu zu transformieren | Variable berechnen, und im Popup-Menü weisen Sie einen Namen in Target Variable gap zu, wählen Sie dann die Vorbehandlungsvariable aus dem Menü Type & Label... und verschieben Sie sie in Numeric Expression gap, dann klicken Sie auf das Subtraktionssymbol (-) auf dem Taschenrechner.
   2. Wählen Sie anschließend die Nachbehandlungsvariable aus dem Menü Typ & Beschriftung aus und verschieben Sie sie erneut in die Lücke Numerischer Ausdruck . Klicken Sie abschließend auf OK, und dann wird die Variable erstellt, die den Unterschied zwischen Vor- und Nachmessung berücksichtigt (Abbildung 3).

Abbildung 2: Importieren von Forschungsdaten in das statistische Softwarepaket. Wählen Sie das Symbol Datenansicht aus. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3: So erstellen Sie eine neue Variable mit der Differenz zwischen der Vor- und Nachmessung des BSQ-Tests in der Statistiksoftware. (1) Klicken Sie auf Transform | Variable berechnen; (2) Weisen Sie eine Zahl in der Zielvariablenlücke zu; (3) Wählen Sie die Vorbehandlungsvariable aus dem Menü Typ & Etikett... und verschieben Sie es in die Lücke für numerische Ausdrücke; (4) Klicken Sie auf das Subtraktionssymbol (-) auf dem Taschenrechner; (5) Wählen Sie die Nachbehandlungsvariable aus dem Menü Typ & Beschriftung aus und verschieben Sie sie in die Lücke numerischer Ausdruck. (6) Klicken Sie auf das OK-Symbol. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

3. Statistische Auswertungen

1. Schauen Sie sich die Zuverlässigkeit und Konsistenz der BSQ-Messung an und testen Sie erneut mit dem Intraclass Correlation Coefficient (ICC) mit dem statistischen Softwarepaket.
   1. Wählen Sie dazu das Menü Analysieren | Skalierung | Zuverlässigkeitsanalyse, verschieben Sie die im Experiment verwendeten BSQ-Messungen vor und nach der Behandlung in das Dialogfeld Zuverlässigkeitsanalyse .
   2. Klicken Sie auf Statistik... und wählen Sie Klasseninterne Korrelationskoeffizient und die Optionen Bidirektional gemischt und Konsistenz. Klicken Sie abschließend auf das OK-Symbol , um die gewünschte Ausgabe zu generieren (Abbildung 4).

Abbildung 4: Wie die interne Konsistenz des Fragebogens zu beurteilen ist. Wählen Sie | Analysieren Skalierung | Zuverlässigkeitsanalyse. (1) Verschieben Sie die im Experiment verwendeten Variablen in das Dialogfeld Zuverlässigkeitsanalyse. (2) Klicken Sie auf das OK-Symbol. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

HINWEIS: Die BSQ-Messungen vor und nach der Behandlung wiesen ausgezeichnete Zuverlässigkeits- und Konsistenzwerte auf (ICC=0,916).

2. Führen Sie die deskriptive Analyse mit dem statistischen Softwarepaket aus. Beginnen Sie mit deskriptiven Statistiken wie dem arithmetischen Mittel und der Standardabweichung (SD) für die quantitativen Variablen "BSQ-Vorbehandlung", "BSQ-Nachbehandlung" und "Prä-Post-Differenz". Zuerst global, dann unter Berücksichtigung jeder Kategorie der anderen in die Studie einbezogenen Variablen. Untersuchen Sie schließlich die Häufigkeitsverteilung in den kategorialen intervenierenden und kontrollierten Variablen.
   1. Um diese Analyse durchzuführen, wählen Sie Menü analysieren | Deskriptive Statistik | Frequenzen und analysieren nach der Ausgabe | Deskriptive Statistik | Beschreibend (Abbildung 5). Um die deskriptive Statistik der quantitativen Variablen für jede Bedingung der kategorialen Variablen festzulegen, wählen Sie im Hauptmenü die Option Datei aufteilen und wählen Sie im Popupmenü die zu analysierende kategoriale Variable und wählen Sie die Option "Ausgabe nach Gruppen organisieren"; klicken Sie dann auf OK (Abbildung 6).
   2. Wiederholen Sie diesen Vorgang für jede in der Studie berücksichtigte kategorische Variable (experimenteller Zustand, Jahreszeit, Geschlecht, Familienstand und Wohnsitz).

Abbildung 5: Durchführung der deskriptiven Analyse der Daten. Wählen Sie | Analysieren Deskriptive Statistik | Frequenzen und nach der Ausgabe | analysieren Deskriptive Statistik | Beschreibend. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 6: So spezifizieren Sie die deskriptive Statistik der quantitativen Variablen für jede Bedingung der kontrollierten nominalen intervenierenden Variablen. (1) Klicken Sie auf das Symbol Datei aufteilen ; (2) Wählen Sie die zu analysierende kategoriale Variable und wählen Sie die Option Ausgabe nach Gruppen organisieren; (3) Klicken Sie auf das OK-Symbol . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

3. Führen Sie einen gepaarten Stichproben-t-Test des Schülers mit dem statistischen Softwarepaket durch, um das Körperbild vor und nach der Teilnahme an den beiden Bedingungen zu untersuchen (Zwischen-Subjekt-IV-Effekt).
   1. Wählen Sie zu diesem Zweck Menü analysieren | Mittelwerte | vergleichen Gepaarte Proben t-Test und im Dialogfeld Gepaarte Proben t-Test BSQ-Vorbehandlung und BSQ-Nachbehandlung als Variable 1 und 2 (Abbildung 7).
   2. Um die gepaarten Stichproben festzulegen Der t-Test des Schülers für jede kategoriale Variable (experimenteller Zustand, Geschlecht, Familienstand, Jahreszeit und Wohnort), wählen Sie im Hauptmenü die Option Datei aufteilen , wählen Sie im Popupmenü die zu analysierende kategoriale Variable aus, wählen Sie die Option "Ausgabe nach Gruppen organisieren" und klicken Sie auf OK (Abbildung 6).
   3. Wiederholen Sie diesen Vorgang vor jeder Analyse für jede nominale Variable (Jahreszeit, Geschlecht, Familienstand und Wohnsitz).

Abbildung 7: So führen Sie gepaarte Stichproben durch Schüler-t-Test-Analyse. (1) Wählen Sie Menü analysieren | Mittelwerte | vergleichen Gepaarte Proben t-Test; (2) BSQ-Vorbehandlung und BSQ-Nachbehandlung als Variablen 1 und 2 setzen; (3) Klicken Sie auf das OK-Symbol . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

4. Führen Sie eine Unidirektionale ANOVA-Analyse mit dem statistischen Softwarepaket durch, um die Auswirkungen jedes Programms (Intergruppen-IV-Effekt), Geschlecht, Beziehungsstatus, Jahreszeit und Wohnort zu sehen.
   1. Wählen Sie zu diesem Zweck Menü analysieren | Mittelwerte | vergleichen Einweg-ANOVA (Abbildung 8) und im Dialogfeld Einweg-ANOVA die Variablen BSQ-Vorbehandlung, BSQ-Nachbehandlung und die Prä-Post-Differenz in der Abhängigen Liste und der experimentellen Bedingungsvariablen als Faktor ein.
   2. Wiederholen Sie diesen Vorgang für jede der nominalen Variablen (Versuchszustand, Geschlecht, Beziehungsstatus, Jahreszeit und Wohnort). Die Ausgabe zeigt die statistische Signifikanz der BSQ-Vorbehandlung, der BSQ-Nachbehandlung und der Prä-Post-Differenz als diskrete quantitative Variable durch Vergleich der Mittelwerte mit der F-Verteilung des Snedecor (ohne Berücksichtigung der Varianzengleichheit).

Abbildung 8: So führen Sie eine unidirektionale ANOVA-Analyse durch. (1) Wählen Sie Menü analysieren | Mittelwerte | vergleichen Einweg-ANOVA; (2) die Variablen BSQ-Vorbehandlung, BSQ-Nachbehandlung und Prä-Post-Differenz in der Abhängigen Liste und die variable experimentelle Bedingung als Faktor angeben; (3) Klicken Sie auf das OK-Symbol . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

5. Führen Sie eine ANOVA-Analyse mit wiederholten Messungen mit dem statistischen Softwarepaket unter Verwendung der Pillai's Trace- und Wilks's Lambda-Statistiken durch, da sie entgegengesetzte und komplementäre Ergebnisse des intergruppeninternen Effekts unabhängiger Variablen liefern.
   1. Wählen Sie zu diesem Zweck Menü analysieren | Allgemeine lineare | Wiederholte Messgrößen und weisen Sie im Dialogfeld Wiederholte Messgrößen im Feld Innerhalb des Betrefffaktors einen Namen zu (z. B. PRE-POST), geben Sie "2" in das Feld Anzahl der Ebenen und im Feld Kennzahlname BSQ ein. Klicken Sie abschließend auf das Symbol "Definieren", um zur Variablenauswahlbox zu wechseln (Abbildung 9).
   2. Wählen Sie in diesem Einblendmenü die Vor- und Nachmessungen des Test-BSQ als Within-Subjects Variables, den experimentellen Zustand als Between-Subjects Factor (s) und alle soziodemografischen Variablen (Jahreszeit, Geschlecht, Alter, Familienstand und Aufenthaltsumfeld) als Kovariaten aus.
   3. Bevor Sie das Analyseergebnis erhalten, klicken Sie auf Modell und wählen Sie "Voll faktoriell"; Gehen Sie dann zu "Optionen" und wählen Sie "Schätzungen der Effektgröße" (siehe Abbildung 10). Wiederholen Sie schließlich den gesamten Vorgang, aber anstatt "Voll faktoriell" im Modell zu wählen, wählen Sie die Option "Benutzerdefinierte Begriffe erstellen" und kombinieren Sie die Variable "Zustand" mit allen soziodemografischen Variablen (Jahreszeit, Geschlecht, Alter, Familienstand und Aufenthaltsumfeld) und verwenden Sie zu diesem Zweck das Symbol "Von *".

Abbildung 9: Konfigurieren der ANOVA-Analyse für wiederholte Messgrößen. (1) Wählen Sie das Menü "Analysieren" | Allgemeine lineare | Wiederholte Maßnahmen; (2) Weisen Sie einen Namen im Feld Innerhalb des Subjektfaktors zu ; (3) Geben Sie "2" in das Feld Anzahl der Ebenen ein und klicken Sie auf das Symbol Hinzufügen . (4) Geben Sie BSQ in das Feld Measure Name ein und klicken Sie auf das Symbol Hinzufügen . (5) Klicken Sie auf das Symbol Definieren . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 10: Auswählen von Variablen für die ANOVA-Analyse mit wiederholten Messungen. Wählen Sie die Vor- und Nachmessungen des Tests BSQ als Within-Subjects Variables und die experimentelle Bedingung als Between-Subjects Factor(s) aus. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Die experimentelle Forschung folgte einem gemischten Design, mit Messungen zwischen den Probanden (experimentelle und Kontrollgruppen) und wiederholten Messungen vor und nach der Behandlung.

Das IMAGINA-Programm von Sánchez-Cabrero (2012)26 wurde als experimentelles therapeutisches Programm zur Steigerung der Körperbildzufriedenheit älterer Erwachsener in Spanien ausgewählt. Es hat acht Gruppensitzungen von jeweils 90-120 Minuten Dauer, die darauf abzielen, die Teilnehmer zu unterhalten und zu engagieren, wobei zuvor entworfene und getestete Aktivitäten verwendet werden, die dynamisch sind und aktive Teilnahme, Teamarbeit und individuelle Reflexion erfordern. Es wird erwartet, dass sich das Körperbild und das Selbstwertgefühl durch soziale Teilhabe, Kommunikation, Körperbild-Workshops und informationen über gesunde Ernährung verbessern. Emotionale Intelligenz wird ebenfalls angegangen, da die Programmaktivitäten positive Beziehungen zwischen den Teilnehmern fördern und gleichzeitig unrealistische und schädliche Selbsterwartungen an das körperliche Erscheinungsbild neu bewerten. Außerdem ist dieses Programm spezifisch für Körperbildinterventionen und daher die beste Option, um zu testen, inwieweit es nützlich ist. Schließlich zeigte die Zufriedenheitsumfrage der Pilotphase eine hervorragende Akzeptanz (9 von 10 Punkten).

Als Kontrollinstrument wurde das Programm "Promoting Healthy Aging: Consistent Health" für ältere Menschen31 ausgewählt, das vom Spanischen Roten Kreuz durchgeführt wird. Das Programm "Promoting Healthy Aging: Consistent Health" wird seit fünf Jahren als psychosoziales Instrument zur gemeinsamen Gesundheitsförderung mit hervorragender Zustimmung angewendet. Seine Zeitdauer ist die gleiche wie IMAGINA (8 Sitzungen von 90-120 Minuten), und es hat auch eine Gruppenanmeldung. Es fördert soziale Kontakte, ohne auf Probleme mit dem Körperbild abzuzielen. Das Programm umfasst fröhliche Gruppenaktivitäten und gesunde Gewohnheiten, die auf dem vom Spanischen Roten Kreuz veröffentlichten "Übungsbuch und Aktivitäten zur geistigen Beweglichkeit für ältere Menschen" basieren32.

Diese Forschung fand im Nordwesten Spaniens statt, der unter schweren Problemen der alternden Bevölkerung leidet. Die Auswahl der Teilnehmer erfolgte mit Cluster-Stichproben, bei denen zehn Gruppen von Personen über fünfzig Jahren identifiziert wurden. Die Hälfte von ihnen lebte auf dem Land (Orte mit weniger als 1000 Einwohnern), und die andere Hälfte lebte in Metropolen und Städten. Insgesamt 176 Personen nahmen selbstlos und ohne wirtschaftliche Belohnung teil. Die Teilnehmer wurden den Kontroll- und Versuchsbedingungen (die Hälfte im allgemeinen Programm und die Hälfte in 'IMAGINA') zugeteilt, wodurch eine ähnliche Verteilung in beiden Gruppen gewährleistet wurde. Und das Gleiche wurde mit den Variablen Jahreszeit und Aufenthaltsumgebung gemacht. Das arithmetische Mittel des Stichprobenalters betrug 64,03 mit einer Standardabweichung von 64,03, mit einer Standardabweichung (SD) von ± 8,06. Die Teilnehmer waren 146 Frauen (83%) und 30 Männer (17%), 93 über 65 Jahre (nach dem spanischen Arbeitssystem im Ruhestand) und 83 unter 65 Jahren (Erwerbsbevölkerung in Bezug auf die Arbeit). Es gab 15 Singles, 37 Witwen / Witwer, 117 Teilnehmer an einer formellen Beziehung und nur 7 getrennte oder geschiedene Personen. In Bezug auf den Aufenthalt und die Saison der Intervention leben 63 auf dem Land und 113 kamen aus Ballungsräumen, 84 waren im Winter und 92 im Sommer in das Programm eingeschrieben. Alle von ihnen waren weiß (europäisch-kaukasisch), da dieser Ort Spaniens rassisch gesehen sehr homogen ist.

Als abhängige Variable (VD) in der experimentellen Forschung wurde der Body Shape Questionnaire (BSQ) von Cooper, Taylor, Cooper und Fairburn (1987) 33 ausgewählt, übersetzt und skaliert in die spanische Sprache und Kultur von Raich et al. (1996) 34. Die Hauptmerkmale sind:

● Das Instrument besteht aus 34 Artikeln, die einer Likert-Skala folgen (von 1 (nie) bis 6 (immer).
● Es hat sich durch mehrere Studien, die es verwendet haben, als zuverlässiges wissenschaftliches Werkzeug erwiesen und hat einen Cronbach-α zwischen 0,95 und 0,97.
● Es hat eine gute externe Validität mit anderen ähnlichen wissenschaftlichen Instrumenten, wie der Körperunzufriedenheits-Subskala des EDI35 (Eating Disorders Inventory) oder dem MBSRQ36 (Multidimensional Body Self-Relations Questionnaire).
● Endergebnis zwischen 34 und 204.
● Eine Bewertung über 110 zeigt Unzufriedenheit mit dem Körperbild an (Cooper et al., 1987)33.

BSQ war das gewählte wissenschaftliche Werkzeug, weil es eines der am häufigsten verwendeten Instrumente in diesem wissenschaftlichen Bereich ist37,6. Außerdem wurde es mehrfach an andere Sprachen und Kulturen angepasst, zum Beispiel Brasilien38, Kolumbien39, Norwegen40 und Korea41. Seine psychometrischen Eigenschaften sind ausgezeichnet, und es wurde auf die spanische Sprache und Kultur skaliert. Aus lexikalischer Sicht ist der BSQ einfach und kurz genug, um ihn bei älteren Menschen anzuwenden und Müdigkeit bei der Reaktion darauf zu vermeiden. Selbst Menschen mit geringen Lese- und Schreibfähigkeiten finden es leicht zu reagieren. Da der BSQ weit verbreitet ist, ist es möglich, diese Forschung mit anderen Studien zu vergleichen, die mit jüngeren Teilnehmern durchgeführt wurden, so dass wir die Unzufriedenheit des Körpers in verschiedenen Phasen und Momenten des Lebens untersuchen können. Die letzte Motivation für die Verwendung von BSQ ist, dass kein anderes Körperzufriedenheitsinstrument für ältere Menschen wissenschaftlich validiert wurde. Daher würde die Schaffung eines neuen wissenschaftlichen Instruments erhebliche Zuverlässigkeitsprobleme verursachen, so dass es unmöglich wäre, diese Forschung mit früherer Literatur zu vergleichen.

Die gewonnenen Ergebnisse ermöglichen es, die Wirkung der experimentellen Erkrankung zu untersuchen: die Vorteile der Teilnahme an einem Körperbildprogramm für ältere Menschen. Dies geschieht durch die Untersuchung von Unterschieden mit der Kontrollbedingung und der intrasubjektiven Variabilität (Vorbehandlung gemessen).

In Bezug auf das erste Forschungsziel zeigt Tabelle 2 die Effektstärke in den experimentellen und Kontrollgruppen, bevor und nachdem die Teilnehmer in ihnen stattgefunden haben (Cohens d), und den Unterschied zwischen diesen beiden Momenten mit einem Paired Samples Test.

Tabelle 2: Mittelwerte und Standardabweichungen des BSQ-Tests sowohl in den Bedingungen als auch in den Momenten (vor, nach) und vor dem Test (Test mit gepaarten Stichproben). Abkürzungen, M = Mittelwert; SD = Standardabweichung; p = Wahrscheinlichkeitswert oder Signifikanz. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

Die Ausgabe des gepaarten Stichprobentests (Zwischen-Subjekt-Effekt) zeigt, dass die Verbesserung im IMAGINA-Körperbildprogramm höher ist als im allgemeinen (M= 6,75 versus M = 0,75), und dies ist statistisch signifikant (t = 6,782, p = 0,000). Die Verbesserung ist in der Kontrollbedingung nicht signifikant (t = .883, p = .380), was ein bemerkenswertes Ergebnis des IMAGINA-Körperbildprogramms im Vergleich zum NGO-Programm zeigt (Cohens d = .721 versus .094). Die erhaltenen Ergebnisse ermöglichen es uns, die Auswirkungen beider Bedingungen (experimentell und kontrollierbar) und Unterschiede zwischen ihnen zu identifizieren. Genauer gesagt wird eine multivariate Analyse durchgeführt, um zu sehen, ob die Wirkung von IMAGINA höher war als das Kontrollprogramm.

Tabelle 3 zeigt eine Einweg-ANOVA (Intergruppeneffekt), die BSQ im Experimentellen und Kontrollzustand zu jedem Zeitpunkt (Vor- und Nachbehandlung) sowie zwischen den beiden Momenten (Prä-Post-Differenz) vergleicht. Diese Ergebnisse zeigen, dass das Zwischen-Subjekt-Design robust ist, da sowohl pre (F=.56, p =.455) als auch post-condition (F=.443, p =.506) nicht signifikante mittlere Unterschiede zwischen beiden Bedingungen zeigen. Im Gegenteil, es gibt eine signifikante Verbesserung des BSQ in der Pre-Post-Differenz (F = 12,734, p = 000), was auf eine gute Leistung des BSQ-Tests hinweist und das unterstützt, was in den vorherigen Analysen beobachtet wurde.

Tabelle 3: BSQ-Unterschiede in beiden Momenten (Einweg-ANOVA). Abkürzungen, F = Snedecor's F; p = Wahrscheinlichkeitswert oder Signifikanz. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

Schließlich schließt diese Arbeit mit den globalen Ergebnissen, die unter den Experimentellen und Kontrollbedingungen erzielt wurden. Tabelle 4 zeigt das Ergebnis der ANOVA der wiederholten Messungen (Inter-Intra-Group-Effekt), was auf die Wirksamkeit des IMAGINA-Körperzufriedenheitsprogramms (experimentelle Bedingung) gegenüber dem unspezifischen (Kontrollbedingung) hinweist. Die Untersuchung eines Moderationseffekts in den Ergebnissen der "Bedingungsvariablen" (durch Addition von Geschlecht, Alter, Familienstand, Jahreszeit und Aufenthaltsumfeld als kovariabel) ermöglicht es zu sehen, dass die multivariaten Kontraste des Inter-Intra-Gruppen-Interaktionseffekts statistisch signifikant sind (p = 0,000).

Tabelle 4: Multivariater Test. Abkürzungen, F = Snedecor's F; p = Wahrscheinlichkeitswert oder Signifikanz; Hyp. DF = Hypothese Freiheitsgrade; Fehler DF = Fehler Freiheitsgrade; MS = Mittleres Quadrat. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

In Bezug auf das zweite Ziel dieser Studie, d.h. die Rolle, die intervenierende Variablen bei den Körperzufriedenheitsunterschieden spielten, zeigt Tabelle 5 das arithmetische Mittel und den SD von BSQ sowohl unter den Bedingungen als auch in den Momenten der Messung nach Geschlecht, Familienstand, Jahreszeit und Wohnumfeld sowie den Größeneffekt (Cohens d) zwischen diesen beiden Messmomenten und dem resultierenden Paired Samples-Test.

Tabelle 5: Alter, Geschlecht, Familienstand, Jahreszeit und Umgebung der Wohnsitzunterschiede (Paarstichprobentest). Abkürzungen, M = Mittelwert; SD = Standardabweichung; p = Wahrscheinlichkeitswert oder Signifikanz. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

Männer waren mit ihrem körperlichen Erscheinungsbild zufriedener als Frauen, was nach der Teilnahme an der experimentellen Bedingung mit dem spezifischen Körperbildprogramm (Post-Test) deutlicher wird. Tatsächlich ist der Unterschied zwischen dem Maß des BSQ vor und unmittelbar nach der Intervention für beide Geschlechter allein im experimentellen Zustand nach der Teilnahme am IMAGINA-Programm statistisch signifikant (Frauen: t = 5.756, p = .000; Männer: t =4.646, p =.000).

In Bezug auf den Beziehungsstatus sind die Teilnehmer innerhalb einer Beziehung unglücklicher mit ihrer körperlichen Erscheinung vor und nach der Behandlung. Dies geschieht sowohl in der Kontroll- als auch in der experimentellen Gruppe, was darauf hindeutet, dass das Fehlen eines Partners positiv mit der Körperbildzufriedenheit zusammenhängt. dies verbessert aber auch ihre Körperzufriedenheit während der Teilnahme an IMAGINA deutlicher (M=6,76 versus M=5,09). Diese Ergebnisse sind signifikant für Teilnehmer mit oder ohne Beziehungen im experimentellen Zustand.

Die Jahreszeit des Programms betraf nicht signifikant Personen in der Kontrollgruppe, aber sie betraf diejenigen in der experimentellen Gruppe (IMAGINA-Programm). Das IMAGINA-Programm erzielte im Winter höhere Punktzahlen als im Sommer (M = 9,44 bzw. M = 4,40), obwohl die Verbesserung in beiden Jahreszeiten signifikant war (p = 0,003 bzw. p = 0,000).

In Bezug auf das Wohnumfeld schließlich war die Verbesserung für Großstadtindividuose (M = 8,35) höher als für ländliche Individuen (M = 4,21) unter den experimentellen Bedingungen. Die Größe des Effekts ist in der experimentellen Gruppe signifikant, aber nicht in der Kontrollgruppe, wie es bei den übrigen soziodemographischen Variablen der Fall ist. Auch hier erhielt keine der Gruppen der Kontrollbedingung signifikante Ergebnisse.

Wie man sehen kann, haben Geschlecht, Jahreszeit und Aufenthaltsumgebung in Kontrollgruppen weniger Einfluss auf die Körperzufriedenheit als in den IMAGINA-Programmgruppen (experimenteller Zustand), wie Cohens d. Genauer gesagt, wenn man sich den Intergruppeneffekt (IV) in Tabelle 6 ansieht, ist es möglich zu sehen, wie die in der Einweg-ANOVA erhaltene Ausgabe zeigt, dass die meisten signifikanten Unterschiede in den Prä-Post-Differenzen liegen. Außerdem hat die Pre-Post-Differenz mehr Effektgröße (Eta Squared) als die Pre- und Post-Measures allein.

Tabelle 6: BSQ-Interanalyse nach Alter, Geschlecht, Familienstand, Jahreszeit und Aufenthaltsumfeld über Bedingungen hinweg (Einweg-ANOVA). Abkürzungen, F = Snedecor's F; p = Wahrscheinlichkeitswert oder Signifikanz. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

Schließlich zeigt Tabelle 7 die multivariaten Analysen mit wiederholten Messungen (Zwischen-Intragruppen-Effekt), die zeigen, dass Alter, Geschlecht, ein stabiler Partner, die Jahreszeit und das Wohnumfeld die Wirksamkeit der Behandlung (IMAGINA-Programm) nicht beeinträchtigen, da der Effekt nicht signifikant ist.

Tabelle 7: Multivariate Kontraste von Alter, Geschlecht, Familienstand, Jahreszeit und Wohnumfeld (Inter- und Intraanalysen). Abkürzungen, F = Snedecor's F; p = Wahrscheinlichkeitswert oder Signifikanz; Hyp. DF = Hypothese Freiheitsgrade; Fehler DF = Fehler Freiheitsgrade; MS = Mittleres Quadrat. Diese Tabelle wurde von Sánchez-Cabrero et al.2 geändert.

Die in den Tabellen 5-7 dargestellten Ergebnisse zeigen, dass die Anwendung eines Zwischen-Subjekt-Designs in der IMAGINA-Intervention tatsächlich wirksam war und eine stärkere Rolle spielte als der Rest der kontrollierten intervenierenden Variablen, die in früheren Studien zu diesem Thema traditionell als von großer Relevanz für das Körperbild angesehen wurden.

Ergänzende Datei. Bitte klicken Sie hier, um diese Abbildung herunterzuladen.

Die Autoren haben nichts preiszugeben.