Neben dem angewandten Verfahren wird der Erfolg einer Psychotherapie maßgeblich auch durch die Person des Therapeuten bestimmt. Vorliegende Studienergebnisse zur Behandlung der sozialen Angststörung berichten keine, durchschnittliche bis hin zu sehr großen Therapeuteneffekten. Im Rahmen einer umfassenden Studie gilt es daher, Varianzen zufälliger Effekte und Effekte soziodemografischer Variablen des Therapeuten zu untersuchen. Des Weiteren ist eine Disaggregation der therapeutischen Beziehung in „Between“- (Unterschiede zwischen Therapeutenmittelwerten) und „Within“-Anteile (Unterschiede zwischen den Patienten „innerhalb“ eines Therapeuten) vorzunehmen. Für die soziale Angststörung liegen bislang keine Studien vor, die insbesondere die Effekte der letztgenannten Parameter untersucht haben.
Hintergrund
Mit einer Lebenszeitprävalenz von 13 % (Kessler et al.
2012) gehört die soziale Angststörung zu den häufigsten psychischen Störungen. Sie geht mit starken psychosozialen Beeinträchtigungen einher und ist mit hohen sozioökonomischen Kosten verbunden (Kessler et al.
2012). Effektive Behandlungen sind pharmakologische Therapien sowie psychologische Therapien im Einzel- und im Gruppensetting (Barkowski et al.
2016; Mayo-Wilson et al.
2014). Aktuelle Vergleichsstudien legen nahe, dass verschiedene Therapieverfahren in etwa die gleiche Effektivität aufweisen: Leichsenring et al. (
2013) verglichen Verhaltenstherapie (VT) und tiefenpsychologische Therapie (TP) und berichteten eine bessere Prä-post-Symptomreduktion zugunsten der VT im Einzelsetting. Im Hinblick auf Katamnesewerte stellten Leichsenring et al. (
2014) jedoch keine Unterschiede zwischen VT und TP fest. Bögels et al. (
2014) fanden keine Unterschiede zwischen VT und TP bezüglich der Remissionsraten. Bei einigen dimensionalen Outcomes zeigte die TP eine bessere Prä-post-Symptomreduktion. In der Studie von Bohn et al. (
2013) fanden sich keine Unterschiede zwischen VT und TP, sowohl was das Outcome betrifft als auch die Häufigkeit und Stärke früher Symptomveränderungen („sudden gain“). Desgleichen stellten Hunger et al. (
2018) keine Outcome-Unterschiede bei VT und systemischer Psychotherapie sozialer Ängste fest. In der Studie von Herbert et al. (
2009) fanden sich keine Unterschiede in der Symptomatik nach Behandlungsende zwischen VT im Gruppensetting, VT im Einzelsetting und supportiver Therapie im Einzelsetting. Bei verhaltensbezogenen Outcomes zeigten sich jedoch bessere Werte in beiden VT Bedingungen.
Neben dem Therapieverfahren sind die Gründe für einen Therapieerfolg aber auch in der Person des Therapeuten zu suchen. Die Forschung zu Therapeuteneffekten (z. B. Baldwin und Imel
2013; Crits-Christoph et al.
1991; Johns et al.
2019) hat empirisch belegt, dass es Therapeuten mit besonders hohen („super shrinks“), durchschnittlichen und besonders geringen Erfolgsquoten („pseudo shrinks“) gibt. Im Durchschnitt über mehrere Studien hinweg können etwa 5 % (Baldwin und Imel
2013; Johns et al.
2019) bis 8,6 % (Crits-Christoph et al.
1991) der Varianz des Therapieergebnisses durch Therapeuteneffekte erklärt werden. Studien zur Behandlung der sozialen Angststörung berichten keine (Almlöv et al.
2010; Altmann et al.
2020a), gemessen an den obigen Metaanalysen durchschnittliche (5–7 % bei verschiedenen Angstskalen; Leichsenring et al.
2013) bis hin zu sehr großen Therapeuteneffekten (23 bzw. 30 % bei Depressivität und interpersonalen Problemen bei Altmann et al.
2020b).
Die Größe des Therapeuteneffekts ist vom therapeutischen Setting, von Therapeuten‑, Patienteneigenschaften und vom verwendeten Ergebnismaß abhängig. In der Metaanalyse von Baldwin and Imel (
2013) waren Therapeuteneffekte in manualisierten Therapien kleiner als in Therapien unter naturalistischen Bedingungen (3 % vs. 7 %). Hingegen erklärten Therapeuteneffekte in der späteren Metaanalyse von Johns et al. (
2019) mehr Ergebnisvarianz in randomisierten kontrollierten Studien (RCT) als in naturalistischen Studien (8,2 % vs. 5 %). Ihren kontraintuitiven Befund erklärten Johns et al. (
2019) mit der Heterogenität der untersuchten RCT und deren vergleichsweise geringen Stichprobenumfängen. Bezüglich des therapeutischen Settings berichteten Spitzer et al. (
2015), dass bei stationären Psychotherapien mit gruppentherapeutischem Schwerpunkt keine substanziellen Effekte des Bezugstherapeuten auf das symptombezogene Behandlungsergebnis vorlagen. Sie erklärten dies damit, dass Patienten im von ihnen untersuchten Setting mehrere und zudem wechselnde Bezugstherapeuten hatten.
Im Hinblick auf Patienteneigenschaften berichteten Johns et al. (
2019), dass Therapeuteneffekte bei Patienten mit geringer Symptomatik kaum und bei Patienten mit starker initialer Symptomatik stark ausgeprägt waren. Darüber hinaus zeigten Huppert et al. (
2001) und Lutz et al. (
2007), dass die Therapeuteneffekte vom Outcome abhängig sind. Lutz et al. (
2007) berichteten z. B. einen Therapeuteneffekt von 8 % für dimensionale Ergebnismaße und von 17 % für Remissionsraten.
Therapeutenvariablen wie Alter, Geschlecht, Qualifikationsgrad und theoretische Ausrichtung waren in den Studien von Huppert et al. (
2001) und Chow et al. (
2015) nicht prädiktiv für das Therapieergebnis. Die Berufserfahrung des Therapeuten hatte zumindest bei einigen Ergebnismaßen einen Effekt (Huppert et al.
2001). Des Weiteren konnten Persönlichkeitseigenschaften des Therapeuten das Therapieergebnis vorhersagen: Verhaltenstherapeuten mit unterdurchschnittlichen Werten auf der Skala Offenheit für neue Erfahrungen hatten in der Studie von Delgadillo et al. (
2020) bessere Therapieergebnisse als Therapeuten mit hohen Werten auf der Skala Offenheit für neue Erfahrungen. Therapeuten mit überdurchschnittlich guten Therapieergebnissen gelingt es zudem, Patienten länger in der Therapie zu halten (Saxon et al.
2017). Sie haben überdurchschnittlich gute interpersonelle Fähigkeiten, die insbesondere in schwierigen Therapiesituationen relevant sind (z. B. emotionale Kontrolle und Empathie; Heinonen und Nissen-Lie
2020; Rief et al.
2020).
Im Hinblick auf die Untersuchung von Therapeuteneffekten lassen sich drei methodische Ansätze unterscheiden: Zum einen können Therapeuteneffekte bei sog. genesteten Daten (mehrere Patienten werden durch einen Therapeuten behandelt) mithilfe der Intra-Klassen-Korrelation (ICC) von zufälligen Effekten quantifiziert werden („random effects studies“; Baldwin und Imel
2013). Allerdings sind zufällige Effekte unspezifisch – es kann nicht gesagt werden, was genau einen Therapeuten erfolgreich oder weniger erfolgreich macht. Der zweite Ansatz untersucht spezifische Therapeutenvariablen, wie Alter, Geschlecht, Erfahrung oder Persönlichkeitseigenschaften des Therapeuten („fixed effects studies“; Baldwin und Imel
2013). Der dritte Ansatz trägt dem Umstand Rechnung, dass Psychotherapie dyadischer Natur ist und der Therapieprozess dementsprechend gleichzeitig von Therapeut und Patient beeinflusst wird (Hara et al.
2017). Hierbei werden Prozessvariablen in einen Therapeuten- und einen Patientenanteil disaggregiert (Constantino et al.
2017). Hara et al. (
2017) untersuchten mit diesem Ansatz z. B. Zusammenhänge zwischen der Empathie des Therapeuten, der Compliance bezüglich der Hausaufgaben und dem Therapieergebnis. Es zeigte sich, dass die „Within-therapist-Anteile“ der Empathie (d. h. die Unterschiede zwischen den Patienten „innerhalb“ eines Therapeuten) mit der Compliance bezüglich der Hausaufgaben assoziiert waren. Die „Between-therapist-Anteile“ der Empathie (d. h. die Unterschiede zwischen den Therapeutenmittelwerten) sagten hingegen eine Reduktion der Ängste vorher.
Zu den prozessrelevanten Variablen, denen sowohl ein Patienten- als auch ein Therapeutenanteil inhärent ist, zählen u. a. die therapeutische Beziehung und die nonverbale Synchronisation während der Therapiesitzungen. Die therapeutische Beziehung wird als allgemeiner Wirkfaktor der Psychotherapie aufgefasst (Ackerman and Hilsenroth
2003), da sie unabhängig von psychischer Störung und Art der Psychotherapie mit dem Therapieergebnis assoziiert ist (Del Re et al.
2012; Flückiger et al.
2012,
2018; Horvath et al.
2011). Sie umfasst sowohl Therapeutenanteile wie Empathie als auch Patientenanteile wie Vertrauen (Ackerman und Hilsenroth
2003). Die Befunde zur therapeutischen Beziehung bei der Behandlung der sozialen Angststörung sind allerdings heterogen. Einige Studien berichten einen signifikanten Zusammenhang zwischen therapeutischer Beziehung und Therapieergebnis (z. B. Altmann et al.
2020a; Haug et al.
2016), andere Autoren fanden hingegen keinen (z. B. Andersson et al.
2012; Mörtberg
2014; Woody and Adessky
2002).
Weiterhin liegen gemäß dem Kenntnisstand der Autoren des vorliegenden Beitrags für die soziale Angststörung keine Studien vor, die Effekte der Within- und Between-therapist-Anteile der therapeutischen Beziehung untersuchten. Für eine störungsheterogene Stichprobe (Baldwin et al.
2007) und eine Stichprobe depressiver Patienten (Zuroff et al.
2010) wird zumindest berichtet, dass die Between-therapist-Anteile der therapeutischen Beziehung eine Symptomreduktion vorhersagten. Die Within-therapist-Anteile waren hingegen nur in der depressiven Stichprobe signifikant. Baldwin et al. (
2007) schlussfolgern deshalb, dass patienten- und therapeutenseitige Anteile an der Varianz von Beziehung-Ratings der Patienten nicht gleichermaßen das Therapieergebnis vorhersagen und deshalb möglichst getrennt betrachtet werden sollten.
Eine weitere prozessrelevante sowie in einen Patienten- und einen Therapeutenanteil disaggregierbare Variable ist die nonverbale Synchronisation von Patient und Therapeut während der Therapiesitzung. Unter dem Begriff nonverbale Synchronisation werden kurzzeitige Phänomene wie das Imitieren der Mimik, das Angleichen der Stimme und die gleichzeitige Ausführung ähnlicher Körperbewegungen zusammengefasst (Altmann
2013). Sie ist für die emotionale und soziale Entwicklung von Kindern bedeutsam (Feldman
2012) und bei Erwachsenen mit prosozialen Verhaltensweisen, wahrgenommener sozialer Bindung, sozialen Kognitionen und positivem Affekt assoziiert (Mogan et al.
2017). Aktuelle Psychotherapiestudien zeigten, dass häufige Bewegungssynchronisation („movement synchrony“, z. B. gleichzeitiges Verändern der Körperhaltung oder synchrones Nicken) mit einem geringeren Risiko für Therapieabbrüche (Paulick et al.
2018; Schoenherr et al.
2019b), einer besseren therapeutischen Allianz (Wiltshire et al.
2020), einer Reduktion interpersoneller Probleme (Altmann et al.
2020b; Ramseyer und Tschacher
2011) und einer Reduktion von Bindungsängsten (Schoenherr et al.
2019d) assoziiert ist. Neben der Häufigkeit der Synchronisation ist auch die „Drive-driven“-Rolle therapeutisch bedeutsam. Eine bessere therapeutische Beziehung (Ramseyer und Tschacher
2011) und ein besseres Therapieergebnis (Altmann et al.
2020b) sind zu erwarten, wenn der Therapeut häufiger der Initiator der Synchronisation (bzw. der „Drive“) ist und Patienten dementsprechend häufiger den Therapeuten nonverbal imitieren (bzw. der „Driven“ sind). Allerdings sank das Abbruchrisiko, wenn in der Frühphase der Therapie häufiger der Patient der Drive während des Synchronisierens war (Schoenherr et al.
2019b). Das „In-Sync-Therapiemodell“ von Koole und Tschacher (
2016) versteht nonverbale Synchronisation als Indikator der therapeutischen Allianz und wesentlichen Einflussfaktor auf die (maladaptive) Emotionsregulation der Patienten. Hingegen ist ein Kondensat des Reviews von Wiltshire et al. (
2020) die Frage, ob therapeutische Beziehung und nonverbale Synchronisation auf ein gemeinsames übergeordnetes Konstrukt referieren oder nonverbale Synchronisation eher als ein eigenständiges therapierelevantes Konstrukt zu sehen ist. Da das In-Sync-Therapiemodell hauptsächlich auf der Studie von Ramseyer und Tschacher (
2011) basiert, ist eine weitere empirische Fundierung gefordert worden, z. B. welchen therapeutischen Effekt nonverbale Synchronisation hat, wenn sie willentlich herbeigeführt wird, oder welche Rolle Therapeutenmerkmale spielen (Altmann et al.
2020b). Des Weiteren ist unklar, ob für die Vorhersage des Therapie-Outcome eher der Therapeutenanteil (der Between-therapist-Anteil im Sinne eines „trait“), der Patientenanteil (der Between-patient-Anteil im Sinne eines Trait) oder eher der Situationsanteil (der Within-therapist-Anteil im Sinne eines „state“) der nonverbalen Synchronisation relevant ist.
Ergebnisse
Die Statistiken zur Vorhersage der interpersonalen Probleme am Therapieende können Tab.
1 entnommen werden. Die soziodemografischen Variablen (Modell M2) und die Leading-Tendenz (M4) waren nicht für dieses Outcome prädiktiv. Hingegen waren Within-therapist-Anteil von IIP pre (M1:
b = 0,58,
p < 0,001), Between-therapist-Anteil von IIP pre (M1:
b = 0,65,
p < 0,001), Between-Anteil der Allianz (M3:
b = −0,20,
p < 0,05), Between-Anteil der Synchronisation (M4:
b = −0,02,
p < 0,01) und Within-Anteil der Synchronisation (M4:
b = −0,01,
p < 0,01) signifikant mit dem Outcome IIP post assoziiert. Werden alle Prädiktoren in das Modell eingeschlossen, erreichten nur noch die beiden Synchronisationsvariablen (M5: within
b = −0,01,
p < 0,01, between
b = −0,02,
p < 0,01) das erforderliche Signifikanzniveau. Ein Vergleich der „model fits“ zeigte, dass M4 den besten Fit hatte. Zwar wies M5 die geringste Devianz auf, jedoch war die Reduktion der Devianz von M4 zu M5 nicht signifikant (χ
2 = 6,9, df = 4,
p = 0,1396). Die durch die zufälligen Therapeuteneffekte erklärte Varianz am Therapieergebnis (ICC = 0,301) war deutlich größer als jene der Treatment-Gruppe (ICC = 0,060). Beim Vergleich von M1 und M4 hinsichtlich der ICC der zufälligen Therapeuten- und Behandlungseffekte zeigte sich, dass die Hinzunahme der Synchronisationsvariablen die Varianz des zufälligen Effekts für die Therapiegruppe reduzierte (M1: Var[u
00] = 0,04 vs. M4: Var[u
00] = 0,01).
Tab. 1
Mehrebenenmodelle zur Vorhersage der Patienten-Ratings der interpersonellen Probleme am Therapieende (IIP post)
Prädiktoren | b | SE | β | b | SE | β | b | SE | β | b | SE | β | b | SE | β | b | SE | β |
Intercept | 1,34*** | 0,10 | −0,10 | 1,38*** | 0,12 | −0,03 | 1,41*** | 0,12 | −0,05 | 1,37*** | 0,11 | −0,05 | 1,36*** | 0,07 | −0,07 | 1,35*** | 0,08 | −0,11 |
BDI pre within | – | – | – | 0,58*** | 0,07 | 0,33 | 0,58*** | 0,07 | 0,34 | 0,58*** | 0,07 | 0,33 | 0,60*** | 0,07 | 0,35 | 0,61*** | 0,07 | 0,35 |
BDI pre between | – | – | – | 0,65*** | 0,11 | 0,39 | 0,64*** | 0,12 | 0,38 | 0,63*** | 0,11 | 0,38 | 0,67*** | 0,11 | 0,40 | 0,64*** | 0,11 | 0,38 |
Therapeutenalter (Jahre) | – | – | – | – | – | – | 0,01 | 0,01 | 0,08 | – | – | – | – | – | – | 0,00 | 0,01 | 0,07 |
Therapeutengeschlecht (1 = weiblich) | – | – | – | – | – | – | −0,05 | 0,08 | −0,04 | – | – | – | – | – | – | −0,02 | 0,09 | −0,02 |
HAQ S8 within | – | – | – | – | – | – | – | – | – | 0,00 | 0,07 | 0,00 | – | – | – | 0,02 | 0,07 | 0,02 |
HAQ S8 between | – | – | – | – | – | – | – | – | – | −0,20* | 0,10 | −0,14 | – | – | – | −0,19 | 0,10 | −0,13 |
Synchrony S8 within | – | – | – | – | – | – | – | – | – | – | – | – | −0,01* | 0,00 | −0,11 | −0,01* | 0,00 | −0,12 |
Synchrony S8 between | – | – | – | – | – | – | – | – | – | – | – | – | −0,02** | 0,01 | −0,23 | −0,02** | 0,01 | −0,23 |
Leading S8 within | – | – | – | – | – | – | – | – | – | – | – | – | 0,02 | 0,01 | 0,06 | 0,02 | 0,01 | 0,07 |
Leading S8 between | – | – | – | – | – | – | – | – | – | – | – | – | 0,03 | 0,02 | 0,10 | 0,03 | 0,02 | 0,09 |
Random Effects |
Var(e) (Dyade) | 0,16 | 0,12 | 0,12 | 0,11 | 0,11 | 0,11 |
Var(u0) (Therapeut) | 0,08 | 0,06 | 0,06 | 0,06 | 0,05 | 0,06 |
Var(u00) (Therapiearm) | 0,03 | 0,04 | 0,03 | 0,03 | 0,01 | 0,00 |
Marginal R2/Conditional R2 | 0,000/0,408 | 0,243/0,601 | 0,260/0,587 | 0,265/0,593 | 0,331/0,573 | 0,376/0,588 |
Deviance | 453,253 | 374,200 | 372,305 | 369,722 | 355,818 | 348,915 |
Das gleiche Prozedere wurde auch bei den Depressionssymptomen am Therapieende, gemessen mit dem BDI, angewendet (Tab.
2). Hier waren das Alter des Therapeuten (M2:
b = −1,71,
p < 0,05), der Between-therapist-Anteil der Allianz (M3:
b = −3,34,
p < 0,001) und der Between-therapist-Anteil der Leading-Tendenz (M4:
b = 0,50,
p < 0,05) signifikant mit dem Outcome BDI post assoziiert. Im Modell mit allen Prädiktoren (M5) waren nur BDI-pre-Within-therapist-Anteil (
b = 0,31,
p < 0,001), BDI-pre-Between-Therapist-Anteil (
b = 0,37,
p < 0,001) und HAQ-Between-Anteil (
b = −2,66,
p < 0,01) für die Vorhersage bedeutsam. Modellvergleiche legen die Präferenz von M3 nahe. Zwar hatte M5 die geringste Devianz, aber durch die Hinzunahme weiterer Prädiktoren konnte der Fit von M3 zu M5 nicht signifikant verbessert werden (χ
2 = 9,2, df = 6,
p = 0,1722). Auch bei den Depressionssymptomen erklärten die zufälligen Therapeuteneffekte (M3: ICC = 0,234) mehr Varianz als der zufällige Effekt der Behandlungsgruppe (ICC = 0,016). Ebenfalls reduzierte sich maßgeblich die Varianz des zufälligen Effekts für die Therapiegruppe durch die Hinzunahme der therapeutischen Beziehung als Prädiktor (M1: Var[τ
00] = 1,00 vs. M3: Var[τ
00] = 0,30) und nicht die Varianz der zufälligen Therapeuteneffekte.
Tab. 2
Mehrebenenmodelle zur Vorhersage der Depressivität am Therapieende (BDI post)
Prädiktoren | b | SE | β | b | SE | β | b | SE | β | b | SE | β | b | SE | β | b | SE | β |
Intercept | 5,45*** | 0,39 | −0,15 | 6,41*** | 0,69 | 0,01 | 7,44*** | 0,71 | −0,03 | 6,22*** | 0,49 | −0,02 | 6,43*** | 0,67 | 0,02 | 6,76*** | 0,74 | −0,02 |
BDI pre within | – | – | – | 0,32*** | 0,04 | 0,31 | 0,32*** | 0,04 | 0,32 | 0,31*** | 0,04 | 0,31 | 0,32*** | 0,04 | 0,32 | 0,31*** | 0,04 | 0,31 |
BDI pre between | – | – | – | 0,37*** | 0,08 | 0,36 | 0,35*** | 0,07 | 0,34 | 0,36*** | 0,08 | 0,34 | 0,37*** | 0,08 | 0,36 | 0,37*** | 0,07 | 0,35 |
Therapeutenalter (Jahre) | – | – | – | – | – | – | 0,07 | 0,05 | 0,09 | – | – | – | – | – | – | 0,05 | 0,05 | 0,07 |
Therapeutengeschlecht (1 = weiblich) | – | – | – | – | – | – | −1,71* | 0,82 | −0,13 | – | – | – | – | – | – | −0,78 | 0,87 | −0,06 |
HAQ S8 within | – | – | – | – | – | – | – | – | – | −0,78 | 0,78 | −0,05 | – | – | – | −0,63 | 0,78 | −0,04 |
HAQ S8 between | – | – | – | – | – | – | – | – | – | −3,34*** | 0,92 | −0,21 | – | – | – | −2,66** | 1,00 | −0,17 |
Synchrony S8 within | – | – | – | – | – | – | – | – | – | – | – | – | 0,03 | 0,05 | 0,03 | 0,04 | 0,05 | 0,03 |
Synchrony S8 between | – | – | – | – | – | – | – | – | – | – | – | – | 0,02 | 0,06 | 0,02 | 0,01 | 0,06 | 0,01 |
Leading S8 within | – | – | – | – | – | – | – | – | – | – | – | – | 0,24 | 0,16 | 0,06 | 0,24 | 0,16 | 0,06 |
Leading S8 between | – | – | – | – | – | – | – | – | – | – | – | – | 0,50* | 0,24 | 0,13 | 0,37 | 0,24 | 0,10 |
Random Effects |
Var(e) (Dyade) | 18,31 | 14,66 | 14,52 | 14,15 | 14,72 | 14,15 |
Var(u0) (Therapeut) | 5,91 | 4,68 | 4,60 | 4,41 | 4,15 | 4,24 |
Var(u00) (Therapiearm) | 0,00 | 1,00 | 0,00 | 0,30 | 0,91 | 0,00 |
Marginal R2/Conditional R2 | 0,000/0,244 | 0,271/0,474 | 0,342/0,0 | 0,300/0,475 | 0,291/0,472 | 0,324/0,479 |
Deviance | 1699,791 | 1641,813 | 1633,059 | 1627,348 | 1634,176 | 1617,866 |