Has growth mixture modeling improved our understanding of how early change predicts psychotherapy outcome?

Abstract

Objective: Early change in psychotherapy predicts outcome. Seven studies have used growth mixture modeling [GMM; Muthén, B. (2001). Second-generation structural equation modeling with a combination of categorical and continuous latent variables: New opportunities for latent class-latent growth modeling. In L. M. Collins & A. G. Sawyers (Eds.), New methods for the analysis of change (pp. 291–322). Washington, DC: American Psychological Association] to identify patient classes based on early change but have yielded conflicting results. Here, we review the earlier studies and apply GMM to a new data set. Method: In a university-based training clinic, 251 patients were administered the Outcome Questionnaire-45 [Lambert, M. J., Hansen, N. B., Umphress, V., Lunnen, K., Okiishi, J., Burlingame, G., … Reisinger, C. W. (1996). Administration and scoring manual for the Outcome Questionnaire (OQ 45.2). Wilmington, DE: American Professional Credentialing Services] at each psychotherapy session. We used GMM to identify class structure based on change in the first six sessions and examined trajectories as predictors of outcome. Results: The sample was best described as a single class. There was no evidence of autoregressive trends in the data. We achieved better fit to the data by permitting latent variables some degree of kurtosis, rather than to assume multivariate normality. Treatment outcome was predicted by the amount of early improvement, regardless of initial level of distress. The presence of sudden early gains or losses did not further improve outcome prediction. Conclusions: Early improvement is an easily computed, powerful predictor of psychotherapy outcome. The use of GMM to investigate the relationship between change and outcome is technically complex and computationally intensive. To date, it has not been particularly informative.

Abstract

Obiettivo: il cambiamento precoce in psicoterapia predice l'esito. Sette studi hanno utilizzato il modello misto di crescita [GMM; Muthén, B. (2001). Modelli di equazioni strutturali di seconda generazione con una combinazione di variabili latenti categoriali e continue: nuove opportunità per un modello di crescita latente di classe-latente. In L. M. Collins e A. G. Sawyers (a cura di), Nuovi metodi per l'analisi del cambiamento (pp. 291-322). Washington, DC: American Psychological Association] per identificare le classi di pazienti sulla base dei cambiamenti iniziali, ma hanno prodotto risultati contrastanti. Qui, passiamo in rassegna gli studi precedenti e applichiamo il GMM a un nuovo set di dati. Metodo: in una clinica di formazione universitaria, a 251 pazienti è stato somministrato l'Outcome Questionnaire- 45 [Lambert, MJ, Hansen, NB, Umphress, V., Lunnen, K., Okiishi, J., Burlingame, G., … Reisinger , CW (1996). Manuale di somministrazione e calcolo del punteggio per il Outcome Questionnaire- 45 (OQ 45.2). Wilmington, DE: American Professional Credentialing Services] ad ogni seduta di psicoterapia. Abbiamo utilizzato il GMM per identificare la struttura della classe basata sul cambiamento nelle prime sei sedute e abbiamo esaminato le traiettorie come predittori di esito. Risultati: il campione è stato descritto meglio come una singola classe. Non c'era evidenza di tendenze autoregressive nei dati. Abbiamo raggiunto un migliore adattamento ai dati permettendo alle variabili latenti un certo grado di curtosi, piuttosto che assumere la normalità multivariata. L'esito del trattamento era previsto dalla quantità di miglioramento iniziale, indipendentemente dal livello iniziale di sofferenza. La presenza di improvvisi guadagni o perdite improvvise non ha ulteriormente migliorato la previsione dei risultati. Conclusioni: il miglioramento precoce è un fattore predittivo facilmente calcolabile dell'esito psicoterapeutico. L'uso del GMM per valutare la relazione tra cambiamento ed esito è tecnicamente complesso e intensivo dal punto di vista computazionale. Ad oggi, non è stato particolarmente informativo.

Significato clinico o metodologico di questo articolo: Questo studio è il primo che ha valutato in dettaglio studi precedenti che hanno utilizzato modelli misti di crescita per valutare la relazione tra le traiettorie iniziali della psicoterapia e gli esiti. Utilizzando un nuovo set di dati, emergono domande sulla generalizzabilità dei risultati di modelli misti di crescita in campioni di psicoterapia precoce, con particolare attenzione all'assunzione di normalità multivariata. Lo studio sottolinea il valore del miglioramento precoce come un predittore dell'esito fornendo al tempo stesso prove che guadagni e perdite improvvisi sono solo debolmente predittivi del risultato.

Zusammenfassung

Ziel: Frühzeitige Veränderung in der Psychotherapie sagt das Ergebnis vorher. In sieben Studien wurde Growth Mixture Modeling benutzt [GMM; Muthén, B. (2001). Second-generation structural equation modeling with a combination of categorical and continuous latent variables: New opportunities for latent class-latent growth modeling. In L. M. Collins & A. G. Sawyers (Eds.), New methods for the analysis of change (pp. 291-322). Washington, DC: American Psychological Association], um Klassen von Patienten zu identifizieren, die auf einer frühen Änderung basieren, die jedoch widersprüchliche Ergebnisse geliefert haben. Hier überprüfen wir die früheren Studien und wenden GMM auf einen neuen Datensatz an. Methode: In einer Universitätsklinik füllten 251 Patienten den Outcome Questionnaire 45 [Lambert, M. J., Hansen, N. B., Umphress, V., Lunnen, K., Okiishi, J., Burlingame, G., … Reisinger, C.W. (1996). Administration and scoring manual for the Outcome Questionnaire (OQ 45.2). Wilmington, DE: American Professional Credentialing Services] bei jeder Psychotherapiesitzung aus. Wir haben GMM verwendet, um die Klassenstruktur auf der Basis von Veränderung in den ersten sechs Sitzungen zu identifizieren und untersuchten Veränderungsverläufe als Prädiktoren des Therapieergebnisses. Ergebnisse: Die Stichprobe konnte am besten als eine einzige Klasse beschrieben werden. Es gab keine Hinweise auf autoregressive Trends in den Daten. Wir haben eine bessere Passung an die Daten erreicht, indem wir latenten Variablen ein gewisses Maß an Kurtosis erlaubt haben, anstatt multivariate Normalität anzunehmen. Das Behandlungsergebnis wurde durch das Ausmaß der frühen Besserung, unabhängig von der anfänglichen Belastung, vorhergesagt. Das Vorhandensein von plötzlichen frühen Gewinnen oder Verlusten führte zu keiner weiteren Verbesserung der Ergebnisvorhersage. Schlussfolgerungen: Die frühe Besserung ist ein leicht zu errechnender, aussagekräftiger Prädiktor für das Ergebnis der Psychotherapie. Die Verwendung von GMM zur Untersuchung der Beziehung zwischen Veränderung und Ergebnis ist technisch komplex und rechenintensiv. Bisher war es nicht besonders informativ.

Resumo

Objetivo: A mudança precoce na psicoterapia prevê o resultado. Sete estudos utilizaram modelagem de mistura de crescimento [GMM; Muthén, B. (2001). Second-generation structural equation modeling with a combination of categorical and continuous latent variables: New opportunities for latent class-latent growth modeling. In L. M. Collins & A. G. Sawyers (Eds.), New methods for the analysis of change (pp. 291–322). Washington, DC: American Psychological Association] para identificar classes de pacientes com base nas mudanças precoces, mas que produziram resultados conflitantes. Aqui, revisamos os estudos anteriores e aplicamos o GMM a um novo conjunto de dados. Método: Em uma clínica de treinamento universitária, 251 pacientes receberam o Outcome Questionnaire - 45 [Lambert, M. J., Hansen, N. B., Umphress, V., Lunnen, K., Okiishi, J., Burlingame, G., … Reisinger, C. W. (1996). Administration and scoring manual for the Outcome Questionnaire (OQ 45.2). Wilmington, DE: American Professional Credentialing Services] em cada sessão de psicoterapia. Usamos o GMM para identificar a estrutura de classes com base nas mudanças nas primeiras seis sessões e examinamos as trajetórias como preditores do resultado. Resultados: A amostra foi melhor descrita como uma única classe. Não houve evidência de tendências autorregressivas nos dados. Conseguimos um melhor ajuste aos dados, permitindo variáveis latentes com algum grau de curtose, em vez de assumir a normalidade multivariada. O resultado do tratamento foi previsto pela quantidade de melhora inicial, independentemente do nível inicial de sofrimento. A presença de ganhos ou perdas súbitas não melhorou ainda mais a previsão de resultados. Conclusões: A melhora precoce é um preditor poderoso e facilmente calculado do resultado da psicoterapia. O uso de GMM para investigar a relação entre mudança e resultado é tecnicamente complexo e computacionalmente intensivo. Até então não foi particularmente informativo.

摘要

目的：心理治療中的早期改變可預測成效。有七項研究採用成長混合模式 [GMM；Muthén, B. (2001) Second-generation structural equation modeling with a combination of categorical and continuous latent variables: New opportunities for latent class-latent growth modeling. In L. M. Collins & A. G. Sawyers (Eds.), New methods for the analysis of change (pp. 291–322). Washington, DC: American Psychological Association] 來辨識個案在早期改變上的類別，卻產生互相衝突的結果。在此，我們檢視這些較早的研究，並應用GMM於一組新的數據上。方法：在一所大學附設的培訓診所中，251名病患在每次心理治療晤談時，填答45題成效問卷[Lambert, M. J., Hansen, N. B., Umphress, V., Lunnen, K., Okiishi, J., Burlingame, G., Reisinger, C. W. (1996). Administration and scoring manual for the Outcome Questionnaire (OQ 45.2). Wilmington, DE: American Professional Credentialing Services]。我們採用GMM來辨識前六次晤談的變化類別結構，並檢視其預測成效的軌跡。結果：整個樣本可視為單一類別。數據中並未呈現自我回歸趨勢的證據。藉由調整潛在變項的峰度係數，而非假設多變量的常態性，我們獲致較佳的資料適配性 。無論初始的苦惱程度為何，處遇成效可由早期改善程度所預測。早期短暫的進展起伏對成效的預測則無助益。結論：早期改善是很容易計算且對心理治療成效有利的預測因子，但是運用GMM來調查改變和成效間的關係，需要複雜的技術和密集的計算，至今其所提供的訊息仍十分有限

本文在臨床或方法學方面的重要性：本文是第一篇詳細評量先前採用成長混合模式檢視早期心理治療軌跡和成效關聯性報告的研究。本文運用新的數據，結果發現成長混合模式運用在早期心理治療樣本的可類化性有問題，尤其是針對多變量常態性的假設。此研究強調早期改善作為成效預測因子的價值，但是同時舉證說明短暫的成效起伏僅對成效具微弱的預測性。

Keywords:

• mental health services research

Parole chiave:

• ricerca sui servizi di salute mentale

Schlüsselwörter:

• Forschung im Bereich der psychischen Gesundheitsversorgung

Palavras-chave:

• pesquisa em serviços de saúde mental

關鍵字:

• 心理健康服務研究

Notes

1 The Mahalanobis metric is a generalized distance, expressed in standard deviations, between a single point and the mean of an n-dimensional distribution (e.g., n = 2, considering slope and intercept variables), corrected for correlations among the defining variables.

2 Jacobson and Truax (1991) defined the reliable change index (RCI) as the smallest change in test scores that is not likely to occur by chance. RCI is calculated as a multiple of the test’s standard error of measurement. For example, for α = .05, RCI = 1.96 ×√2 ×SEM = 2.77×SEM.

3 Jacobson and Truax (1991) defined clinically significant improvement as movement from a score that is more likely to fall in the pathological distribution on a given measure to one that is more likely to fall in the nonpathological distribution on that measure.

4 The BLRT statistic assumes normality and cannot be computed for a t distribution.

5 The definition of sudden early gain requires (a) reliable improvement (OQ-45 score decrease >14 points) from one session to the next, considering only the first six sessions, (b) such that the score decrease is at least 25% of the previous session score, and (c) the average OQ-45 score in the three (or two if there are only two) sessions before the sudden gain is significantly greater than the average OQ-45 score in the three sessions following the sudden gain. In a few instances criterion (c) required that OQ-45 scores from a participant’s seventh and eighth sessions be taken into account.

6 Sudden early losses are defined analogously to sudden early gains (cf. Note 5).