Mindfulness ja syömishäiriön oireet

Viimeaikaiset kirjallisuusarvioinnit viittaavat siihen, että mindfulness-pohjaiset interventiot voivat olla tehokkaita dysfunktionaaliseen syömiseen liittyvien ongelmien, kuten ahmimisen ja tunnesyömisen, hoidossa. Vähemmän tiedetään prosesseista, joiden kautta muutos tapahtuu. Lisäksi pitkäaikainen seuranta on niukkaa. Nykyisen projektin päätavoitteena on tutkia itseystävällisyyden ja itsetuomion roolia syömishäiriön oireiden muutosten ennustamisessa neljän vuoden kuluttua ja analysoida pitkittäisaineistoa koko projektille. Toimenpiteitä annettiin ennen interventiota, joka viikko intervention aikana, toimenpiteen jälkeen, seurannassa 6 kuukautta intervention jälkeen ja toisessa seurannassa neljä vuotta intervention jälkeen.

Interventio on 8 viikon mindfulness-pohjainen syömisohjelma (Mindful Eating Conscious Living). Tätä interventiota hallinnoi valtakunnallinen norjalainen syömishäiriöiden oma-apujärjestö. Ohjelmaan ilmoittautuneita osallistujia (N=197) pyydettiin täyttämään standardoidut itseraportointivälineet rekrytoinnin yhteydessä (T1), digitaalisesti jokaisen 8 viikon istunnon aikana (T2-T9), intervention päätyttyä (T10) ja kuusi kuukautta toimenpiteen päättymisen jälkeen (T11).

Nykyinen tutkimus - PhD-projekti - kutsuu samat osallistujat suorittamaan samat toimenpiteet neljän vuoden kuluttua ohjelman päättymisestä. Tämä tarjoaa runsaan tietojoukon, joka on kerätty neljän vuoden aikana.

Tärkeimmät hypoteesit ovat:

Itseystävällisyys ja itsetuomisuus ED-oireiden ennustajina

1. Intervention aikana itseystävällisyys ja omaarviointi tietyllä viikolla ennustavat syömishäiriön (ED) oireita seuraavalla viikolla (henkilökohtaisesti).
2. Itseystävällisyyden ja itsearvioinnin taso ennustaa ED-oireiden tason koko kurssin ajan (ennen, joka viikko intervention aikana, sen jälkeen ja neljän vuoden seuranta) (henkilöiden välillä).

3) Ennen jälkeiset muutokset itseystävällisyydessä ja itsearvioinnissa ennustavat ED-oireiden tason kuuden kuukauden ja neljän vuoden seurannassa (henkilömuutosten välillä)

Toissijaiset hypoteesit ovat:

4) Intervention aikana tietoisuus (itsemyötätunto-asteikolta) tietyllä viikolla ennustaa ED-oireita seuraavalla viikolla (henkilön sisällä tapahtuva muutos) 5) Mindfulnessin taso ennustaa ED-oireiden tason koko kurssin ajan (ennen , joka viikko toimenpiteen aikana, jälkeinen ja neljän vuoden seuranta) (henkilöiden välillä).

6) Edistykselliset muutokset mindfulnessissa ja tietoisessa syömisessä ennustavat muutoksia ED-oireissa sekä parisuhteessa ja elämään tyytyväisyydessä kuuden kuukauden ja neljän vuoden seurannassa (henkilömuutosten välillä).

7) Häpeän jälkeiset muutokset ennustavat muutoksia ED-oireissa kuuden kuukauden ja neljän vuoden seurannassa (henkilöiden välillä).

8) Intervention aikana odotukset toimenpiteen positiivisista vaikutuksista ennustavat ED-oireita ensi viikolla (henkilön sisäinen muutos).

9) Kuka ohjaaja on, ennustaa tulosmuutokset etukäteen. Jokaisen ihmisen sisäisen hypoteesin kohdalla tarkastellaan myös käänteisiä vaikutuksia.

Opintojen laadullinen osa:

Satunnaisesti valittua 20 osallistujan alaryhmää haastatellaan heidän kokemuksistaan ​​intervention aikana ja sen jälkeen.

Tilastollinen analyysisuunnitelma Nämä pitkittäistiedot eritellään niin, että ihmisten sisäisiä ja välisiä vaikutuksia voidaan tutkia erikseen. Nykyisen kaltaisissa toistuvissa mittauksissa on tyypillisesti keskeytyksiä ja puuttuvia tietoja. Siksi käytämme sekamalleja parillisten t-testien, toistuvien mittausten ANOVA:iden ja tavanomaisen lineaarisen regression sijaan tietojen analysoinnissa. Sekamalleissa käytetään maksimitodennäköisyyden arviointia, joka on huippuluokan lähestymistapa puuttuvan tiedon käsittelemiseen (Schafer & Graham, 2002). Varsinkin jos tietoja puuttuu satunnaisesti, mikä on todennäköistä tutkimuksessamme, sekamallit antavat puolueettomia tuloksia kuin muut analyyttiset menetelmät.

Alustavissa analyyseissä ja jokaiselle riippuvaiselle muuttujalle (EDE-Q, aliasteikot muodostavat Self-compassion Scale -asteikon) satunnaisvaikutusten ja jäännösten kovarianssirakenteen yhdistelmä, joka sopii parhaiten "tyhjälle" mallille (malli ilman kiinteää ennustajat paitsi leikkauspiste) valitaan. Akaiken tietokriteeriä (AIC) käytetään vertaamaan eri mallien sopivuutta. Malleja, jotka vähentävät AIC:tä enemmän kuin 2, pidetään parempana (Burnham & Anderson, 2004). Käytössä on SPSS-ohjelman versio 28.0.1.1 (15).

Mahdolliset muunnokset:

Kaikki muuttujat arvioidaan niiden alkuperäisessä ja validoidussa muodossa suositellun käytännön mukaisesti, kunhan tämä on mahdollista ennalta määriteltyjen analyysien taustalla olevien tilastooletusten (eli moninkertaisen regression) perusteella. Jos tämä ei kuitenkaan ole mahdollista analyysien taustalla oleviin tilastollisiin oletuksiin nähden, voidaan tarvita muunnoksia (esim. neliöjuuri- tai log-muunnoksia) intervallipohjaisten menetelmien soveltamiseksi. Tutkijat tutkivat vinouden asteen ja arvioivat sen oletuksiin ja analyyseihin nähden ennen sopivan analyysin valitsemista. Ennalta rekisteröidyt ja suunnitellut analyysit sisältävät moninkertaisen regression niin kauan kuin oletukset täyttyvät. Vaihtoehtoisesti käytetään ei-parametrista testiä.

Päättelykriteerit:

Määrittelemme ennalta merkitsevyystason: p < 0,05 merkitsevyyden määrittämiseksi.

Puuttuvat tiedot:

Suurin todennäköisyys