Skip to main content
Free AccessOriginalarbeit

Das subjektive Wohlbefinden von pflegenden Angehörigen nach einer Trainings- und Erholungswoche

Mehrebenenmodelle für längsschnittliche Daten

Published Online:https://doi.org/10.1026/0943-8149/a000155

Abstract

Zusammenfassung. Ziel der vorliegenden Arbeit ist die Evaluation des subjektiven Wohlbefindens nach einer einwöchigen Gruppenintervention für pflegende Angehörige, durchgeführt von der Sozialversicherung für Landwirtschaft, Forsten und Gartenbau. Für das Wohlbefinden (WHO-5 Index) wird ein Längsschnitt mit vier Messzeitpunkten innerhalb von 6 Monaten in zwei Regionen bzw. drei Einrichtungen eingesetzt und mehrebenenanalytisch (n = 545 Messwerte von n = 145 Personen) im finalen Modell für Geschlecht, Pflegebedürftigkeit, Region und Verlauf der Pflegebelastungen kontrolliert. In der Gesamtgruppe (86 % Frauen, mittleres Alter 57 Jahre, 54 % klinisch relevante Depressivität, 64 % mindestens Pflegestufe 2, 40 % Demenz) scheint das Wohlbefinden kurzfristig sehr deutlich (Cohen’s d = 0,41) zu steigen und mittelfristig geringfügig über dem Ausgangsniveau (d = 0,17) zu bleiben. Die Kurven variieren substanziell nach Region und Verlauf der Pflegebelastungen. Diskutiert werden insbesondere Verbesserungspotenziale in der Qualität und der Nachhaltigkeit der Intervention. Kausale Aussagen sind begrenzt, weil eine längsschnittliche Kontrollgruppe fehlt. Die Intervention könnte ein Modell für eine gesetzliche Regelleistung sein.

Informal Caregivers’ Subjective Well-Being After a Training and Recreation Week: Multilevel Models for Longitudinal Data

Abstract. The aim of this study was to evaluate the subjective well-being of informal caregivers after a 1-week group intervention offered by the Social Insurance for Agriculture, Forestry, & Horticulture (SVLFG). The study design to evaluate well-being (WHO-5 Index) was based on a panel of four dates within 6 months in two regions and three institutions. The final multilevel model (n = 545 measures of n = 145 individuals) was controlled for sex, need for care, region, and process of burden. For the whole group (86 % women; average age 57 years; 54 % with clinically relevant depression; 64 % with at least Care Level 2, 40 % with dementia), well-being increased substantially (Cohen’s d = 0.41) in the short term and remained slightly (d = 0.17) above the baseline in the medium term. The curves vary substantially for region and process of burden. The potentials for improving the quality of interventions and sustainability is discussed. The absence of a longitudinal control group limits any causal interpretation. The intervention could be a model for standard services offered by the public health system.

Pflegende Angehörige sind angesichts der hohen Belastungen weniger gesund als Personen ohne private Pflegeaufgaben (z. B. Faßmann, 1996; Schulze & Drewes, 2004; Wilz, Kalytta & Küssner, 2005; Schneekloth & Wahl, 2005; Meyer, 2006; Pinquart & Sörensen, 2006a; Schäufele Köhler, Lode & Weyerer, 2007; Clark & Diamond, 2010; Rösler-Schidlack, Stummer & Ostermann, 2010; TK, 2013; COMPASS, 2015). Zum Jahresende 2011 gab es in Deutschland rund 2,5 Millionen pflegebedürftige Personen im Sinne des Pflegeversicherungsgesetzes (SGB XI). Mehr als zwei Drittel der pflegebedürftige Personen (70 Prozent bzw. 1,76 Millionen) wurden zu Hause versorgt (Statistisches Bundesamt, 2013, S. 7). Nach den Daten des Sozio-ökonomischen Panels übernehmen etwa doppelt so viele Menschen (ca. 3,5 Millionen) die häusliche Pflege (Rothgang, Müller & Unger, 2013, S. 107). Demografisch bedingt wird sich die Zahl der Pflegebedürftigen bundesweit bis zum Jahr 2030 um etwa die Hälfte erhöhen, während die Zahl der Menschen, die in der Pflege arbeitet, eher rückläufig ist (Rothgang, Müller, Unger, Klie, Göhner & Schuhmacher, 2012). Pflegende Angehörige sind damit eine relevante Zielgruppe für Gesundheitsförderung und Prävention sowie eine tragende Säule pflegerischer Versorgungsstrukturen.

International gibt es einige Interventionsstudien und Metaanalysen (siehe unten). Allerdings ist die Befundlage als heterogen und unzureichend zu bewerten. Überraschend ist, dass es national kaum Interventionen geschweige denn Interventionsstudien gibt, die auf die Gesundheitsförderung und Prävention von pflegenden Angehörigen ausgerichtet sind. Lüdecke, Kofahl, Mestheneos, Triantafillou und Döhner (2005) erklären dies damit, dass Sozial- und Gesundheitspolitik überwiegend am Pflegebedürftigen selbst und kaum am pflegenden Angehörigen orientiert ist. Eine Ausnahme ist die Trainings- und Erholungswoche der Sozialversicherung für Landwirtschaft, Forsten und Gartenbau (SVLFG). Seit dem Jahr 2006 haben bundesweit an inzwischen elf Standorten mehr als 2000 Personen an dieser stationären Gruppenintervention teilgenommen. Nach Kenntnis des Autors ist dieses Angebot ein Alleinstellungsmerkmal in der gesetzlichen Sozialversicherung – vergleichbares gab („Pflegen und sich pflegen lassen“ der Techniker Krankenkasse, Dlugosch & Mücke, 2006) oder gibt es („Mach mal PAUSE“ der BARMER GEK, www.pause-pflege.de) nur temporär. Der Verlauf des subjektiven Wohlbefindens nach der Trainings- und Erholungswoche wurde in zwei Regionen getrennt evaluiert (Hetzel, 2010, 2012a). Diese Evaluationen weisen aus noch darzustellenden Gründen Limitationen auf, die durch das Zusammenlegen der beiden Datensätze und mit angemessenen statistischen Methoden zumindest in Teilen überwunden werden können.

Ziel der vorliegenden Arbeit ist es, den Verlauf des subjektiven Wohlbefindens bis sechs Monate nach der Trainings- und Erholungswoche anhand der gepoolten Datenbasis zu evaluieren. Für die Analyse der längsschnittlichen Daten sollen Mehrebenmodelle eingesetzt werden. Das Potenzial dieser Methode ist für die Psychologie erkannt (z. B. Nezlek, Schröder-Abé & Schütz, 2006; Hosoya, Koch & Eid, 2014), aber sie wird in der gesundheitspsychologischen Evaluationsforschung bislang kaum eingesetzt.

Theoretischer Hintergrund

Personen fühlen sich subjektiv wohl, wenn sie eine hohe Lebenszufriedenheit aufweisen sowie häufig positive und selten negative Stimmungen und Gefühle erleben. Ein schlechtes subjektives Wohlbefinden ist oft mit einer erhöhten Depressivität verbunden (Eid & Larsen, 2008). Subjektives Wohlbefinden ist unter anderem eine Folge gesundheitsförderlichen Verhaltens, dessen Bedingungen theoretisch insbesondere mit der „Theory of Planned Behavior“ (Ajzen & Fishbein, 1980), dem „Transtheoretischen Modell“ (Prochaska & DiClemente, 1983), dem „Precaution Adoption Process Model“ (Weinstein & Sandman, 1992) oder dem „Health Action Process Approach“ (Schwarzer & Fuchs, 1996) erklärt werden. Im Kern liegen diesen Modellen folgende psychologische Determinanten des Gesundheitsverhaltens zugrunde:

  • Risikowahrnehmung: Überzeugung, durch ein Gesundheitsproblem persönlich verwundbar zu sein, was auch die vermeintlichen Konsequenzen einer Erkrankung mit einschließt;
  • Wahrgenommener Nutzen des Gesundheitsverhaltens: das Verhältnis der wahrgenommenen Kosten zu den Barrieren dieses Verhaltens;
  • Selbstwirksamkeit (Bandura, 1997) die Erwartung, aufgrund eigener Kompetenzen gewünschte Handlungen erfolgreich selbst ausführen zu können.

Im Kontext pflegender Angehöriger haben sich Modelle bewährt, die auf das transaktionale Stressmodell von Lazarus und Folkmann (1984) zurückgehen und entsprechend adaptiert wurden (z. B. Pearlin, Mullan, Semple & Skaff, 1990; Aneshensel, Pearlin, Mullan, Zarit & Whitlatch, 1995; Zank, 2010; Gräßel & Adabbo, 2011). Wesentlich dabei ist, dass primäre von sekundären Stressoren unterschieden werden (primär: direkt mit der Pflegetätigkeit verbunden, sekundär: Rollenkonflikte mit Beruf und/oder Familie, persönliche Einschränkungen), dass im Stressprozess Moderator- und Mediatoreffekte von Coping und sozialer Unterstützung spezifiziert werden, dass Kontextfaktoren (z. B. Geschlecht, Alter, Pflegebedarf, Pflegehistorie, Pflegemotivation, Unterstützungsstrukturen im privaten und professionellen Umfeld, finanzielle Ressourcen) dabei wichtige Determinanten sind und dass chronisch andauernder Stress zu negativen Konsequenzen für die pflegenden Angehörigen führt (z. B. Depressivität).

Empirische Befunde

Die psychologischen Determinanten gesundheitsförderlichen Verhaltens sind empirisch vielfach bestätigt (Bengel & Jerusalem, 2009), im Kontext pflegender Angehöriger jedoch kaum untersucht. Bedingungen der häuslichen Pflege sowie die Gesundheit der pflegenden Angehörigen sind als gut erforscht zu werten. In für Deutschland repräsentativen Querschnittsuntersuchungen zeigt sich immer wieder, dass bei pflegenden Angehörigen geringeres Wohlbefinden bzw. höhere Depressivität assoziiert ist insbesondere mit höherer Pflegebedürftigkeit, mit dem Vorliegen einer demenziellen Erkrankung, mit geringeren finanziellen Ressourcen, mit einer längeren Pflegehistorie, mit geringerer Bildung und bei Frauen (z. B. Schulze & Drewes, 2004; Schneekloth & Wahl, 2005; Schäufele Köhler, Lode & Weyerer, 2007; Zank, 2010; TK, 2013; COMPASS, 2015). Das Alter ist in diesen Studien von nachrangiger Bedeutung, möglicherweise weil sich förderliche Faktoren (z. B. weniger berufliche Rollenkonflikte mit Erreichen des gesetzlichen Renteneintrittsalters) und hemmende Faktoren (z. B. mit dem Alter zunehmende chronische Erkrankungen) aufheben. Metaanalytisch wurden im Rahmen der häuslichen Pflege signifikante Korrelation zwischen Depression und Belastung (Pinquart & Sörensen, 2003) bzw. Frauen (Pinquart & Sörensen, 2006b) festgestellt. In einer längsschnittlichen Beobachtungsstudie von Angehörigen demenziell erkrankter Menschen in Deutschland konnten differenzierte Belastungsverläufe über die Zeit aufgezeigt werden, die insbesondere vom initialen Pflegebedarf abhängen und das subjektive Wohlbefinden beeinflussen (Zank, 2010). Ferner wird dargestellt, dass emotionale und instrumentelle Bewältigungsmöglichkeiten für die Vorhersage von Depressivität bedeutsam sind.

Bei der häuslichen Pflege von demenziell erkrankten bzw. älteren Menschen gibt es zahlreiche Interventionsstudien sowie Metaanalysen (z. B. Pinquart & Sörensen, 2002, 2006a, 2006b; Selwood, Johnston, Katona, Lyketsos & Livingston, 2007; Coon & Evans, 2009; Mantovan, Ausserhofer, Huber, Schulc & Them, 2010; Kurz & Wilz, 2011). Unterstützende und entlastende Interventionen für pflegende Angehörige reduzieren die subjektive Belastung der Pflegenden, reduzieren Depressivität, erhöhen das subjektive Wohlbefinden, verbessern Wissen und Pflegekompetenzen und reduzieren die Symptome der Gepflegten. Dennoch kommen die Autoren im Kern zu dem Schluss, dass die Befundlage zur Effektivität als heterogen und unzureichend zu bewerten ist. Denn Effektstärken seien meist gering und die methodische Qualität sei vielfach defizitär (z. B. fehlende Randomisierung der Untersuchungsgruppen, kleine Stichproben, kurze Untersuchungszeiträume). Zudem sei Kritik an der Konzeption der Interventionen angebracht. Beispielsweise kommen Kurz und Wilz (2011) in ihrem Überblick zu dem Schluss, dass die meisten bisherigen Interventionen den Schwerpunkt auf problemorientierte Strategien (Wissensvermittlung, Verbesserung der Problemlösefähigkeit, Erweiterung des Hilfenetzes) legen, während emotionalen Anteilen der Angehörigenbelastung nicht genügend Aufmerksamkeit gewidmet wird. Zu den emotionalen Anteilen zählen insbesondere Bearbeitung von Beziehungswandel und Verlusten, Veränderung von Einstellungen und Bewertungen sowie Anleitung zur Selbstfürsorge. Für letzteres ist zentral: persönlich wertgeschätzte Ziele entwickeln und verfolgen, sich positiven Aspekten des Lebens öffnen, soziale Kontakte pflegen, positive Gefühle anderen gegenüber ausdrücken (Kaluza, 2004; Luhmann, Hofmann, Eid & Lucas, 2012).

Das Konzept der Trainings- und Erholungswoche nimmt zumindest in Teilen diese Kritik auf (siehe dazu unten). Wesentlicher gemeinsamer Befund zu den beiden Evaluationen (Hetzel, 2010, 2012a) ist folgender. Das subjektive Wohlbefinden steigt im Mittel zum ersten Erhebungszeitpunkt nach einem Monat deutlich, sinkt zum zweiten Erhebungszeitpunkt nach drei Monaten (aber weniger deutlich) und steigt geringfügig zum dritten Erhebungszeitpunkt nach sechs Monaten an. Allerdings wurden mittlere Veränderungen nur jeweils über zwei Messzeitpunkte getestet, aber nicht über den gesamten Beobachtungszeitraum. Zudem wurden interindividuelle Unterschiede nur für Aggregate der Ausgangsbelastung und des Pflegeverlaufs ermittelt. Weitere mögliche Personenheterogenitäten (z. B. nach Geschlecht oder Alter) wurden fallzahlbedingt nicht explizit analysiert. Nicht zuletzt fallen Unterschiede zwischen den Regionen sowohl im Ausgangsniveau als auch im Verlauf des Wohlbefindens auf, ohne dass diese vergleichend analysiert wurden.

Hypothesen

Ziel ist es, den Verlauf des subjektiven Wohlbefindens bis sechs Monate nach der Trainings- und Erholungswoche zu evaluieren und dabei für wesentliche Kovariaten zu kontrollieren.

Das subjektive Wohlbefinden scheint unmittelbar nach der Intervention stark anzusteigen und dann abzuflachen. Um einen den Daten angemessen Verlauf des Wohlbefindens (Wachstumskurve) zu modellieren, sollen daher eine quadratische, eine kubische und eine logarithmische Funktion verglichen werden (H1). Das Niveau der Wachstumskurve ist geringer, wenn die initiale Pflegebedürftigkeit höher ist (H2), wenn eine Demenz vorliegt (H3), wenn die finanziellen Ressourcen gering sind (H4), wenn der Pflegebeginn länger zurück liegt (H5) und bei Frauen (H6). Das Niveau ist unabhängig vom gesetzlichen Renteneintrittsalter (H7). Kommen im Zeitverlauf zusätzliche Stressoren hinzu, dann ist das Wohlbefinden geringer (H8a). Pflegende Personen in stabilen Pflegesituationen (d. h. es kommen über den gesamten Beobachtungszeitraum keine zusätzlichen Stressoren dazu) können das Wohlbefinden deutlicher steigern als pflegende Personen in Pflegesituationen mit zunehmenden Stressoren (H8b). Personen in Pflegesituationen mit zunehmenden Stressoren können das Wohlbefinden nachhaltig zumindest stabilisieren (H8c). Nicht zuletzt soll der Einfluss der Region (H9) sowohl auf das Niveau als auch auf den Verlauf des Wohlbefindens kontrolliert werden, um die oben beschriebenen Limitationen zu überwinden. H2 – H9 sind nicht unabhängig voneinander. Daher soll der gleichzeitige Einfluss der genannten Variablen auf die Wachstumskurve modelliert werden. Dadurch wird der Einfluss der einzelnen Variablen auf die Wachstumskurve um den Einfluss der übrigen im Modell befindlichen Variablen adjustiert.

Methode

Konzept und Durchführung der Intervention

Die Trainings- und Erholungswoche ist eine stationäre Gruppenintervention für pflegende Angehörige mit dem Ziel der Gesundheitsförderung und Prävention. Sie dauert sieben Tage und ist auf Gruppen bis maximal 15 pflegende Angehörige (ohne die gepflegten Personen) ausgerichtet. Gegenstand der Evaluation ist der Interventionszeitraum 2007/2008 in einer Einrichtung im Süden Deutschlands (Rehabilitationszentrum Klinik Rosenhof in Bad Birnbach) und 2009/2010 in zwei Einrichtungen im Westen Deutschlands (Gesundheitszentrum Saarschleife in Mettlach Orscholz, Klinik Lohrey in Bad Soden-Saalmünster). Das Angebot ist finanziert über gesetzliche Leistungen zuzüglich einem Eigenanteil von 99,– Euro. Einschlusskriterien sind, dass eine Pflegestufe vorliegt und dass entweder die pflegende oder die gepflegte Person in der Krankenkasse der SVLFG versichert ist oder dass die gepflegte Person durch einen landwirtschaftlichen Arbeitsunfall zum Pflegefall geworden ist.

Zum Interventionsbeginn wird die eigene Pflegesituation im Hinblick auf pflegebezogene und psychologische Aspekte analysiert. Dies erfolgt in moderierten Gruppendiskussionen sowie optional in einem Einzelgespräch. Schwerpunkte bei den auf die Pflegeverrichtung bezogenen Informationen und Trainingsmaßnahmen erfolgen nach individuellen Bedarfen und in Abstimmung mit den Teilnehmenden (Informationen zu Krankheitsbildern, Umgang mit Demenz, Transfer- und Lagerungstechniken, Hygiene, Ernährung, Medikamente, Sterbebegleitung). Ergänzend werden Informationen zu gesetzlichen Leistungsansprüchen, Unfallschutz und Angeboten zur Unterstützung und Entlastung gegeben. Ziel der auf die psychologischen Aspekte bezogenen Anteile ist der Aufbau personaler Ressourcen sowie die erfolgreiche Bewältigung der mit der Pflege verbundenen primären und sekundären Stressoren (Auslöser von und Umgang mit Stress, Konfliktbewältigung, Kommunikation, Akzeptanz der Pflegesituation, Beziehung zur pflegebedürftigen Person, Aufbau von Selbstwirksamkeit und Gesundheitsverhalten). Konzeptionelle Basis sind die dargestellten Stresstheorien, die Quellen der Selbstwirksamkeit nach Bandura (1977) sowie Elemente aus der Selbstmanagement-Therapie, insbesondere Aufbau von Änderungsmotivation, Zielvereinbarungen, Entwicklung von Handlungsplänen (Kanfer, Reinecker & Schmelzer, 2012). Methodisch werden gruppentherapeutische Ansätze (Wirkmechanismen nach Yalom, für die Intervention detailliert dargestellt in Engel und Engel, 2012) eingesetzt und optionale Einzelgespräche geführt, um auf individuelle Bedarfe zu reagieren. Tägliche Angebote zu Entspannungstechniken (autogenes Training, progressive Muskelrelaxation), zu Bewegungsübungen für ein individuelles Heimprogramm und zur Freizeitgestaltung fördern den Aufbau gesundheitsförderlichen Verhaltens und lassen Erholungseffekte erwarten. Die auf die Pflegeverrichtung bezogenen Inhalte einschließlich emotionsorientierter Anteile werden von Pflegefachkräften und PhysiotherapeutInnen erbracht. Diplom-PsychologInnen leiten die gemeinsame Gesprächsrunden, die optionalen Einzelgespräche und die Entspannungseinheiten. Folgende „Behavioral Change Techniques“ (Michie, Ashford, Sniehotta, Dombrowski, Bishop & French, 2011) sind bei der Intervention zentral: Zielverhalten setzen, Handlungsplanung, Barrierenidentifikation, Modellernen, soziale Unterstützung anregen, Stressmanagement. Die Programmabläufe der drei Einrichtungen zeigen etwa folgende Zeitanteile: Pflegekurs einschließlich emotionsorientierter Anteile 50 %, Psychologie einschließlich Entspannung 20 %, Bewegung 20 %, Informationen 10 %.

Die ReferentInnen wurden von den Angebotsverantwortlichen der SVLFG auf die Interventionen vorbereitet. Zudem wurde ein Erfahrungsaustausch unter den Referenten organisiert. Dabei war handlungsleitend, dass die oben beschriebenen Schwerpunkte in allen Einrichtungen umgesetzt wurden und dass aber gleichzeitig noch Handlungsspielräume zur Individualisierung bestehen blieben. So wurde in den Einrichtungen der Westregion ein Einzelgespräch zur Ermittlung des individuellen Bedarfs verpflichtend am ersten Tag geführt, während dies in der Südregion freigestellt wurde. Unterschiede ergaben sich in der zeitlichen Reihenfolge des Programmablaufs sowie bezüglich der Freizeitangebote, Entspannung und aktiven Erholung, weil hier die Ressourcen der Einrichtung bzw. der näheren Umgebung genutzt wurden.

Die Rekrutierung der Teilnehmenden erfolgte über allgemeine Öffentlichkeitsarbeit (Anzeigen in Regional- und Fachzeitungen, Internetauftritt, Informationsveranstaltungen), über Ansprache durch Multiplikatoren (insbesondere der örtliche Berufsstand und der SVLFG-Präventionsdienst) sowie persönliche Anschreiben von zufällig ausgewählten pflegebedürftigen Personen, die bei der SVLFG versichert sind (Ausschöpfungsquote etwa 10 % nach Eigenangaben der SVLFG).

Design

Gegenstand der Evaluation war die Effektivität der Trainings- und Erholungswoche bezüglich des subjektiven Wohlbefindens der Teilnehmenden für den genannten Interventionszeitraum. Erhebungszeitpunkte waren die Basiserhebung bei Interventionsbeginn (t0) sowie die Katamnese nach einem Monat (t1), drei Monaten (t2) und sechs Monaten (t3). Zudem wurde für t0 in der Westregion eine Vergleichsgruppe erhoben, die die SVLFG mithilfe von Anschreiben von zufällig ausgewählten Personen der Zielgruppe generierte. Die Daten wurden mittels Fragebögen erhoben. Für auftretende Fragestellungen beim Ausfüllen der Fragebögen bei t0 standen die Angebotsverantwortlichen der SVLFG vor Ort zur Verfügung, bei den Katamnesen telefonisch. Der Rücklauf erfolgte postalisch und portofrei.

Es wurden u. a. zwei erprobte Messinstrumente eingesetzt. Der WHO-5 Index (Bech, 2012) ist ein Selbstbeurteilungsverfahren zur Erfassung des gegenwärtigen psychischen Wohlbefindens. Es wird in fünf Fragen mit sechsfach gestuften Likert-Skalen danach gefragt, inwieweit im Zeitraum der letzten zwei Wochen die folgenden Gefühle oder Stimmungen vorherrschend waren: a) ausgeglichene Laune, Fröhlichkeit, b) Entspannung, c) Aktivität und Vitalität, d) Energiegeladenheit und e) Interesse an Dingen (Antwortmöglichkeiten jeweils: die ganze Zeit, meistens, etwas, mehr als die Hälfte der Zeit, etwas weniger als die Hälfte der Zeit, ab und zu, zu keinem Zeitpunkt). Die psychometrischen Eigenschaften des WHO-5 gelten als ausgezeichnet (Brähler, Mühlan, Albani & Schmidt, 2007). Bei Personen mit Werten unter 13 gilt das Wohlbefinden als schlecht und zudem als guter Indikator für eine Depression nach ICD-10 (Henkel, Mergl, Kohnen, Maier, Möller & Hegerl, 2003). Der Disability-Index ermittelt die Pflegebedürftigkeit sowohl in kognitiver als auch in funktionaler Hinsicht anhand von 17 dichotomisierten Items, davon zehn ADL (activities of daily living) des Barthel-Index und sieben IADL (instrumental activities of daily living). Er gilt als valides Instrument (Döhner et al., 2007, S. 52). Die Reliabilitäten dieser Skalen sind in der vorliegenden Studie erwartungsgemäß hoch (siehe Tab. 3). Die Korrelation der Pflegestufen zum Disability-Index ist substantiell (rSpearman = 0,62) und unterstreicht die Validität.

Tabelle 3 Deskription und bivariate Korrelationen

Datenbasis

Folgende Variablen werden verwendet. Erhebungszeitpunkt in Monaten (ZEIT mit 0, 1, 3 und 6, zusätzlich ZEIT2 bzw. ZEIT3 als zweite bzw. dritte Potenz), Geschlecht (SEX mit 0 = Mann, 1 = Frau), gesetzliches Renteneintrittsalter (AGE mit 0 = 65 Jahre und jünger, 1 = 66 Jahre und älter), Einkommen (EINKOMMEN mit 0 = subjektiv sehr schlecht bis mäßig, 1 = subjektiv sehr gut oder gut), Pflegedauer (DAUER, in Monaten), demenzieller Status (DEMENZ mit 0 = nein, 1 = ja1) und Pflegebedürftigkeit gemäß Disability-Index (DISABILITY: Skala 0 – 17, mit höherer Wert entspricht höhere Pflegebedürftigkeit, siehe unten) jeweils bei der Basiserhebung, Wohlbefinden zum aktuellen Erhebungszeitpunkt anhand des WHO-5 Index (WOHL: 0 – 5 mit höherer Wert = höheres Wohlbefinden), zusätzliche Belastungen zwischen dem vorherigen und dem aktuellen Erhebungszeitpunkt2 (BEL, Skala 0 – 2, mit höherer Wert = mehr zusätzliche Belastungen) und kumulierte Belastungen im Beobachtungszeitraum (BELCUM mit 0 = mindestens eine zusätzliche Belastung3, 1 = stabile Belastungen) sowie Region (REGION mit 0 = Süd, 1 = West4). DISABILITY und DAUER werden jeweils am Gesamtmittelwert zentriert (grand-mean), so dass der Nullpunkt jeweils der durchschnittlichen Ausprägung über alle Personen entspricht. Alle anderen Items bzw. Skalen haben einen natürlichen Nullpunkt.

Die Mehrebenenanalyse setzt für jeden der zu analysierenden Messzeitpunkte vollständige Daten voraus. Aufgrund fehlender Werte werden folgende Personen ausgeschlossen (siehe Tabelle 1): erstens, die an der Basiserhebung nicht teilgenommen haben; zweitens, die die häusliche Pflege vor dem ersten bzw. zweiten Messzeitpunkt beendet haben (Grund: Heimeinzug oder Tod des Angehörigen); drittens, die übrigen Personen, die bei zwei Messzeitpunkten keinen Fragebogen ausgefüllt haben. In der Westregion wird der Wert für BEL0 mittels Expectation-Maximation-Algorithmus geschätzt, weil dort nur eins von fünf Items von BEL erhoben wurden (nach Zeile 3, Tab. 1). Dafür werden folgende Drittvariablen eingesetzt: das Auftreten einer Krisensituation im letzten halben Jahr (ein Item von BEL), WOHL0, DISABILITY und Alter der pflegebedürftigen Person sowie BEL1 (MCAR-Test nach Little χ2 (43) = 57,8; p = 0,065). Der so bereinigte Datensatz beinhaltet noch 145 Personen mit drei oder vier Messzeitpunkten, die in die weiteren Auswertungen eingehen.

Tabelle 1 Brutto- und Nettostichprobe

Die Ausfälle sind in Bezug auf die in die Untersuchung eingehenden Merkmale weitgehend unsystematisch (siehe Tabelle 2). Eine Ausnahme ist, dass die Panelmortalität in der Westregion deutlich höher ist. Dies liegt insbesondere daran, dass vergleichsweise deutlich mehr Personen im Beobachtungszeitraum aus den oben berichteten Gründen nicht mehr zu Hause pflegen („echte Abbrecher“, Zeile 3 und 4 in Tabelle 1) und dass dort mehr Personen an einzelnen Messzeitpunkten nicht teilnehmen (Zeile 2 und 5 in Tab. 1). Vor allem die „echten Abbrecher“ (n = 45 aus den Zeilen 3 und 4 in Tab. 1) dürften erklären, warum die Ausfälle sich bei der Basiserhebung signifikant weniger wohl fühlen und nach einem Monat signifikant mehr zusätzlichen Belastungen ausgesetzt sind.

Tabelle 2 Drop-Out-Analyse

Statistische Analysen und Berechnungen

Für die Analyse von längsschnittlichen Daten, d. h. Personen werden mehrfach zu unterschiedlichen Messzeitpunkten befragt, haben sich insbesondere Mehrebenenmodelle bewährt (gemischte Modelle und hierarchisch lineare Modelle sind alternative Begriffe, zum Verfahren siehe z. B. Raudenbush & Bryk, 2002; Hox, 2010; Snijders & Bosker, 2012). Die Methode bietet zusammenfassend folgende Vorteile (Nezlek et al., 2006; Kwok, Underhill, Berry, Luo, Elliott & Yoon, 2008; Hosoya et al., 2014). Die Abhängigkeit der Messwerte kann modelliert werden. Denn Messwerte (Ebene 1) sind innerhalb von Personen (Ebene 2) verschachtelt, die wiederum in weiteren soziologischen Kontexten oder Regionen verschachtelt sein können. Auch von der Normalverteilung abweichende Residualstrukturen können modelliert werden. So liegt bei längsschnittlichen Daten häufig ein autoregressiver Effekt auf die Residuen der Ebene 1 vor, so dass die Kovarianzstruktur der abhängigen Variablen berücksichtigt werden muss. Ferner kann auch die Residualstruktur zwischen den Ebenen heterogen sein (Heteroskedaszität), so dass Zufallseffekte spezifiziert werden müssen. Bei Nichtberücksichtigung von derartigen Abhängigkeiten würden Standardfehler verzerrt geschätzt, wodurch die Validität inferenzstatistischer Schlüsse gefährdet ist. Des Weiteren können mit Mehrebenenmodellen Effekte einer höheren Ebene auf eine niedrigere Hierarchieebene bewertet werden (cross-level-Interaktionen). Zudem können Effekte von kategorialen oder kontinuierlichen, zeitvarianten und zeitstabilen Prädiktoren oder Kovariaten simultan berücksichtigt werden. Die Zahl der für jede Person vorliegenden Messwiederholungen kann unterschiedlich sein, d. h. es können einzelne Messzeitpunkte fehlen, ohne dass die Person komplett ausgeschlossen werden muss. Durch die Verwendung einer Zeitvariablen können auch unterschiedlich große Zeitabstände zwischen den Messzeitpunkten sowie nicht-lineare Entwicklungen der abhängigen Variablen (sog. Wachstumskurven) spezifiziert werden. Zusammenfassend sind mit dieser Methode sowohl mittlere Veränderungen über den gesamten Beobachtungszeitraum als auch interindividuelle Unterschiede bzw. Abweichungen von den mittleren Veränderungen bewertbar.

Ziel ist es Mehrebenenmodelle zu den oben skizzierten Hypothesen zu entwickeln. Dabei sollen die Modelle schrittweise aufgebaut werden, um am Ende ein Modell zu erhalten, das nur noch statistisch bedeutsame Variablen beinhaltet – es sei denn, dass starke theoretische Gründe für das Beibehalten eines insignifikanten Prädiktors vorliegen. Auf diese Weise kann Overfitting minimiert werden. „Overfitting“ meint, dass das Modell bei zu vielen Einflussvariablen zu komplex ist und zu viele zu schätzende Parameter im Vergleich zum Informationsgehalt der Daten beinhaltet. Bei einem zu großen Modell kann es sein, dass Zufallszusammenhänge angepasst und damit unter Umständen unberechtigt Zusammenhänge zwischen solchen Einflussvariablen und der Zielgröße postuliert und inhaltlich interpretiert werden.

Das Ausgangsmodell ist das Nullmodell mit der i-ten Person zum Messzeitpunkt t (e erfasst die Residualvariation auf der intraindividuellen Ebene, r die der interindividuellen Ebene, γ5 sind die unstandardisierten Regressionskoeffizienten): WOHLti = γ00 + r0i+ eti. Anhand des Nullmodells kann der Intraklassenkoeffizient (ICC) berechnet werden. Er bezeichnet den Anteil der Varianz zwischen den Ebene-2-Einheiten auf der abhängigen Variablen an der Gesamtvarianz. Ist diese Varianz substanziell, ist eine Mehrebenenanalyse zwingend und das Modell eignet sich zur Prüfung zeitstabiler Unterschiede zwischen den Personen auf der abhängigen Variable.

Im zweiten Schritt soll ein Wachstumskurvenmodell spezifiziert werden, das den Verlauf des Wohlbefindens möglichst gut abbildet. Dazu wird der Erhebungszeitpunkt als Variable ins Modell aufgenommen und eine kubische (2a), quadratische (2b) und logarithmische Funktion (2c) geprüft. Die Belastungen BEL als zeitvariante Kovariate werden dabei zusätzlich ins Modell aufgenommen.

Im dritten Schritt werden die Variablen aufgenommen, die den Hypothesen folgend die Wachstumskurve in ihrem Verlauf beeinflussen. Das sind erstens die Region und zweitens die kumulierten Belastungen (Modell 3a). Bedeutsame Variablen werden beibehalten (Modell 3b).

Im vierten Schritt wird das ermittelte Wachstumskurvenmodell um sämtliche weitere Variablen erweitert, die die Kurve potenziell parallel verschieben und damit interindividuelle Unterschiede bzw. zeitstabile Personenheterogenität abbilden (Modell 4a). Bedeutsame Variablen und Zufallskomponenten werden beibehalten (Modell 4b).

Modell 4b: WOHLti = γ00 + γ01*REGIONi + γ02*SEXi + γ03*DISABILITYi + γ04*BELCUMi + γ10*BELti + γ20*ZEITti + γ21*REGIONi*ZEITti + γ22*BELCUMi*ZEITti + γ30*ZEIT2ti + γ31*REGIONi*ZEIT2ti + γ32*BELCUMi*ZEIT2ti + γ40*ZEIT3ti + r0i + r2i*ZEITti  + r3i*ZEIT2ti   + r4i*ZEIT3ti + eti

Im fünften Schritt wird geprüft, ob ein autoregressiver Effekt erster Ordnung auf den Residuen modelliert werden muss, um verbleibende Autokorrelationen zwischen den Messzeitpunkten, die nicht durch das Modell abgefangen werden, zu berücksichtigen. Dazu wird die Kovarianz-Struktur der intraindividuellen Zufallsfehler spezifiziert (siehe Snijders & Bosker, 2012).

In allen Modellen wird in Ebene-2 nur dann für die Ebene-1-Steigungen ein Residuum eingeführt, wenn die Zufallskomponente signifikant ist (Chi-Quadrat-Test). Die Schätzer werden mit der Full-Maximum-Likelihood-Methode ermittelt. Dabei werden sowohl die Regressionskoeffizienten als auch die Varianz- und Kovarianzkomponenten in die Maximum-Likelihood-Funktion eingeschlossen. Das hat den Vorteil, dass das Informationskriterium von Akaike korrekt ermittelt werden kann (AIC = -2LL + 2*q mit -2LL= Devianz und q= die Anzahl der geschätzten Parameter) und so auch Modelle, die nicht in hierarchischer Ordnung zueinander stehen, verglichen werden können. Optimal ist ein möglichst geringes AIC. Für die Beurteilung der Gesamtmodellanpassung und zum Vergleich der Modellalternativen werden ferner das Ebene-1-R2 und Ebene-2-R2 verwendet, die mit der vereinfachten Formel nach Snijders und Bosker (2012) ermittelt werden. Ergänzend werden im finalen Modell für die Entwicklung des Wohlbefindens im Längsschnitt und für die Personenheterogenität im Querschnitt die durchschnittlichen Effektstärken Cohen’s d als Punktschätzer berechnet mit d = (M1-M2)/SD. Dabei sind die übrigen Variablen des Modells am Mittelwert konstant gehalten und die Standardabweichung des Wohlbefindens wird über alle Erhebungszeitpunkte gemittelt. Nach Cohen (1988) ist d ≥ 0,2 ein kleiner Effekt, d ≥ 0,5 ein mittlerer und d ≥ 0,8 ein starken Effekt. Sämtliche Analysen erfolgen mittels der Statistiksoftware HLM 7.0 und SPSS 22.

Ergebnisse

Es liegen 545 Messzeitpunkte (WOHL: M = 2,53; SD = 1,07; BEL: M = 0,20, SD = 0,25) von 145 Personen vor. Das Durchschnittsalter beträgt 57,3 Jahre (SD = 10,2). Frauen sind im Mittel etwas jünger (M = 56,7; SD = 10,3) als Männer (M = 61,2; SD = 8,7). 36 % der Personen pflegen jemanden in Pflegestufe 1, 50 % in Pflegestufe 2 und 14 % in Pflegestufe 3. Die weitere Deskription ist in Tabelle 3 dargestellt. Das Ausgangsniveau des Wohlbefindens beträgt im Mittel 2,30 bzw. als Summenscore 11,5 (= 2,30*5). 53,5 % der Personen haben einen Wert unterhalb der Schwelle von 13, die als Indikator für eine klinisch relevante Depression gilt. In der bivariaten Betrachtung ist das Wohlbefinden deutlich (│r│≥ 0,20; p < 0,05) geringer in der Westregion.

Die Vergleichsgruppe der Westregion ist bezüglich Geschlecht, Pflegebedarf, Demenz, Pflegedauer, Wohlbefinden strukturell ähnlich (für weitere Merkmale siehe Hetzel, 2012a, S. 41 ff.). Allerdings ist in der Interventionsgruppe der Anteil älterer Menschen deutlich geringer und das subjektive finanzielle Einkommen deutlich höher.

Die mehrebenenanalytischen Befunde sind in Tabelle 4 und für das Modell 4a in Tabelle 5 dargestellt. Der Anteil der Varianz des Wohlbefindens, der auf die Personenheterogenität (also auf die Unterschiedlichkeit der Personen in Ebene 2) zurückzuführen ist, beträgt 53,9 % (ICC=0,617/(0,617+0,527)). Das Modell mit der gemäß AIC besten Anpassung an die Daten ist das Modell 4b. Einziger insignifikanter Prädiktor (p<0,10) ist die Pflegebedürftigkeit (DISABILITY), der aber aus theoretischen Gründen beibehalten wird. Der autoregressive Effekt auf Ebene 1 ist nicht bedeutsam (Modell 5).

Tabelle 4 Parameterschätzer für verschiedene Modelle
Tabelle 5 Parameterschätzer für Modell 4a (wegen Missings reduzierte Fallzahl)

H1: Die kubische Funktion bildet die Wachstumskurve des Wohlbefindens statistisch bedeutsam ab. Denn die Regressionskoeffizienten der ZEIT-Polynome sind signifikant (Modell 2a, 4b). Außerdem ist die Modellanpassung deutlich besser als bei den alternativen Operationalisierungen (2b und 2c, hier nicht dargestellt). Gemäß Modell 4b steigt das Wohlbefinden nach einem Monat im Mittel mit nahezu mittlerem Effekt (d = 0,41)6. Es sinkt aber nach drei bzw. sechs Monaten wieder, bleibt aber oberhalb des Basisniveaus (jeweils d = 0,17).

H2 (angenommen, Modell 4b): Ist die Pflegebedürftigkeit bei der Basiserhebung ceteris paribus (also bei Konstanz der anderen Variablen) eine Einheit höher, dann ist das Niveau des Wohlbefindens 0,696 Einheiten tiefer (p < 0,10).

H3, 4, 5, 7 (jeweils nicht angenommen, Modell 4a): Das Niveau des Wohlbefindens ist unabhängig davon, ob eine Demenz vorliegt bzw. wie gut das finanzielle Auskommen ist bzw. wie lange der Pflegebeginn zurückliegt bzw. vom Eintritt in das gesetzlichen Renteneintrittsalter.

H6 (angenommen, Modell 4b): Bei Frauen ist im Vergleich zu Männer das Niveau des Wohlbefindens ceteris paribus um 0,455 Einheiten geringer. Der Effekt ist nahezu mittelgroß (d = 0,43).

H8a (angenommen): Steigt im Zeitverlauf der Index der Belastungen (BEL) ceteris paribus um eine Einheit (d. h. kommen Belastungen dazu), dann ist das Niveau des Wohlbefindens signifikant um 0,448 Einheiten geringer.

H8b (angenommen): Pflegende Personen in stabilen Pflegesituationen (BELCUM=1) können das Wohlbefinden deutlicher steigern als pflegende Personen in Pflegesituationen mit zunehmenden Belastungen. Im Ausgangsniveau sind beide Gruppen gleich, nach einem Monat ist der Unterschied nahezu mittelgroß (d = 0,43), nach drei Monaten fast groß (d = 0,73) und nach sechs Monaten wieder etwa so wie nach einem Monat (d = 0,40).

H8c in Verbindung mit H9 (angenommen): Personen in Pflegesituationen mit zunehmenden Belastungen können das Wohlbefinden zumindest nachhaltig stabilisieren. Da die Region sowohl auf das Basisniveau als auch auf den Verlauf des Wohlbefindens einen deutlichen Einfluss hat, werden die Befunde regional differenziert. In der Südregion wird nach einem Monat eine kleine Steigerung erreicht (d = 0,28) und mittelfristig das Basisniveau gehalten. In der Westregion sind die Effekte deutlicher und mittelfristig wird sogar eine Steigerung des Wohlbefindens erreicht (d = 0,42 bzw. d = 0,30); allerdings ist das Ausgangsniveau des Wohlbefindens in der Westregion sehr deutlich geringer (d = 0,66). In beiden Regionen steigt also das Wohlbefinden bei Personen mit stabilen Pflegesituationen deutlich bis sehr deutlich auch mittelfristig. Dies ist sowohl in den Effektstärken (Tabelle 6) als auch grafisch (Abb. 1 – 3, Modell 4b, Kontrollvariablen am Mittelwert konstant gehalten) augenscheinlich.

Tabelle 6 Effektstärken (Cohen’s d) für die Entwicklung des Wohlbefindens und die Personenheterogenität (Modell 4b)
Abbildung 1 Verlauf des Wohlbefindens für die Gesamtgruppe.
Abbildung 2 Verlauf des Wohlbefindens nach Belastungsentwicklung (durchgezogene Linie für zunehmende Belastungen, gestrichelte Linie für stabile Belastungen).
Abbildung 3 Verlauf des Wohlbefindens nach Region und Belastungsentwicklung (dicke durchgezogene Linie für Westregion zunehmende Belastungen, dicke gestrichelte Linie für Westregion stabile Belastungen, dünne durchgezogene Linie für Südregion zunehmende Belastungen, dünne gestrichelte Linie für Südregion stabile Belastungen).

Das finale Modell 4b erklärt 16,7 % der Varianz des Wohlbefindens innerhalb der untersuchten Personen durch die Belastungen zum jeweiligen Messzeitpunkt und die drei Zeit-Variablen. Die einbezogenen Personenmerkmale (Geschlecht, Pflegebedürftigkeit, Region und kumulierte Belastungen) erklären 19,4 % der Varianz des Wohlbefindens zwischen den untersuchten Personen.

Diskussion

Mittels Mehrebenenmodellen wird der Verlauf des Wohlbefindens von pflegenden Angehörigen analysiert, die an einer Trainings- und Erholungswoche teilgenommen haben. Bei Beginn der Intervention liegt etwa jede zweite teilnehmende Person (53,5 %) im Bereich einer klinisch relevanten Depression. Dieser Anteil ist noch etwas höher als in der Beobachtungsstudie von Zank (2010) mit pflegenden Angehörigen von demenziell Erkrankten (35 %). In jedem Fall ist er deutlich höher als in der Normierungsstichprobe, bei der je nach Alter und Geschlecht 10 – 22 % der Personen dazu zählen (Brähler et al., 2007). Erhöhte Depressivität bei pflegenden Angehörigen ist vielfach nachgewiesen (siehe eingangs zitierte Literatur). Dies unterstreicht die Notwendigkeit von unterstützenden und entlastenden Angeboten für pflegende Angehörige.

Kernergebnis der vorliegenden Studie ist, dass die Erfolge in Bezug auf das Wohlbefinden kurzfristig (ein Monat) sehr deutlich und mittelfristig (bis sechs Monate) bei stabilen Belastungen noch immer deutlich scheinen. Bei zunehmenden Belastungen scheint das Wohlbefinden mittelfristig zumindest stabilisiert zu werden. Evaluationsmethodisch limitierend ist, dass keine längsschnittliche Kontrollgruppe eingesetzt wurde. Daher können nur Gesamtwirkungen (Bruttoeffekte) erfasst werden. Ohne eine belastbare Kontrollgruppe ist eine kausale Interpretation nur sehr eingeschränkt zulässig, weil die Effekte beispielsweise auf Stichprobenselektivität, die (nicht) eingeschlossenen Kovariaten und das Adjustierungsmodell zurückzuführen sind. Auch der statistische Regressionseffekt kann ohne adäquate Kontrollgruppe nicht kontrolliert werden. So könnte es sein, dass punktuell vornehmlich übermäßig stark belastete Personen teilnahmen. Typische Zufallsschwankungen im Wohlbefinden würden dann – auch ohne Intervention – tendenziell nur in eine Richtung (Verbesserung) stattfinden. Eine vorsichtige kausale Interpretation ist nach Ansicht der Autoren jedoch vertretbar, weil die Modelle zumindest für wesentliche Kovariaten methodisch angemessen adjustiert sind, weil Zufallseffekte spezifiziert werden, weil die Stichprobenselektivität gering ist und weil die Analysen in Längsschnittperspektive systematische Veränderungen mit der Intervention in Verbindung bringen. Die Bewertung der dargestellten Effekte baut in Anlehnung an Zank (2010) darauf, dass ohne Interventionsteilnahme bei konstanter Pflegesituation der Wohlbefindensverlauf stabil sei und dass bei zunehmenden Pflegebelastungen das Wohlbefinden sinke. Zudem dürften alternative Erklärungen, dass die Entwicklung unspezifisch auftritt, also beispielsweise sozial erwünschte Antworten, Kursleitereffekte, Hawthorne-Effekt oder Placebo-Effekt die beschriebenen Effekte nicht vollständig erklären. Dagegen steht, dass die Studie mit einem fundierten Konzept in drei unterschiedlichen Einrichtungen mit unterschiedlichen aber vergleichbar kompetenten Kursleitenden durchgeführt wurde. Zudem werden die teils deutlichen Effektstärken mit validen Instrumenten ermittelt.

Die fehlende Nachhaltigkeit der kurzfristig sehr deutlichen Effekte ist zu diskutieren. Erstens, der konzeptionelle Rahmen der Intervention ist als angemessen zu werten, weil er zentrale theoretische und empirische Aspekte zum Umgang mit Depressivität bzw. zur Förderung von Wohlbefinden berücksichtigt. Allerdings lag im Interventionszeitraum kein Manual vor, so dass die Gewichtung der einzelnen methodisch-didaktischen Aspekte kaum belegbar ist. Es könnte also sein, dass alternative Gewichtungen zu deutlicheren Effekten und nachhaltigeren Ergebnissen führen. Hier könnte ein Abgleich mit dem Konzept für eine zweiwöchige Intervention gemäß Dlugosch und Mücke (2006) lohnenswert sein, wobei auch dort die Nachhaltigkeit begrenzt ist. Zweitens sind wie bei Dlugosch und Mücke (2006) keine systematischen Aktivitäten im Nachgang zur Trainings- und Erholungswoche angelegt, die zu einer Verstetigung der Effekte beitragen könnten. Insbesondere niederschwellige Aktivitäten (z. B. regelmäßige Informations- und Motivationsschreiben), zugehende professionelle Beratung durch psychosoziale und pflegebezogene Fachkräfte, Telefon- oder E–Coaching, Förderung der Selbsthilfe (z. B. Teilnahme an Angehörigengruppen7) und Folgeseminare wären auf Praktikabilität und Effektivität zu überprüfen. Das Potenzial läge darin, dass in Anlehnung an Kanpfer und Autoren (2012) die in der Intervention begonnenen Selbstmanagementphasen fortgeführt werden können (Evaluation der Fortschritte, Erfolgsoptimierung). Möglicherweise wären für besonders belastete Personen bzw. für Personen mit klinisch relevanter Depressivität auch intensive psychotherapeutische Ansätze sinnvoll (z. B. Wilz & Kalytta, 2012). Insbesondere individuellen Interventionen sowie Interventionen in der unmittelbaren Lebensumgebung wird eine hohe Bedeutung beigemessen (Kurz & Wilz, 2011).

Auffällig sind die regionalen Unterschiede. Die deutlichen initialen Unterschiede im Wohlbefinden könnten in der Teilnehmendenstruktur (substanzielle Korrelation der Region zu Alter) begründet sein, was möglicherweise auf regional unterschiedliche Akquisestrategien zurückzuführen ist. Eine Folge von initialen Unterschieden ist, dass Steigerungen von einem niedrigeren Niveau aus leichter möglich sind als von einem höheren Niveau. Dies zeigt sich auch hier, so dass bei angenommenem gleichem Ausgangsniveau die regionalen Kurven annähernd parallel sein dürften8. Insofern scheinen die regionalen Unterschiede der Wohlbefindensverläufe eher im Niveau zu liegen als in den Steigungen. Gleichwohl bestehen kleine Steigungsunterschiede, die möglicherweise auf mangelnde Treatmentintegrität zurückzuführen sind. Unterschiede in der Akquise und im Treatment könnten darin begründet sein, dass zum Interventionszeitpunkt die Durchführungsverantwortung bei dem jeweiligen SVLFG-Regionalträger lag. Es gab zwar die beschriebenen Ansätze zur Standardisierung, aber es existierte keine verbindliche zentrale Fachstelle zur Qualitätssicherung. Inzwischen ist die SVLFG ein Bundesträger (Koch, 2014) und das Angebot ist einheitlich manualisiert (internes Dokument der SVLFG). Allerdings gäbe es auch alternative Erklärungen für die regionalen Unterschiede, beispielsweise regionale Bedingungen (Strukturwandel im Agrarsektor, Mentalität, institutionelles Umfeld etc.), betriebliche Bedingungen der Teilnehmenden (Betriebsgrößen und -ausrichtungen, wirtschaftliche Perspektiven etc.), persönliche Bedingungen (Vorerfahrungen, Copingstrategien, soziale Unterstützung, berufliche Anforderungen etc.) und zeitliche Veränderungen der Rahmenbedingungen zwischen den Interventionsszeiträumen. Derartige Merkmale sind aber nicht operationalisiert. Methodisch stellt sich die Frage, ob die Region als Clustervariable spezifiziert werden müsste (siehe Limitationen).

Hypothesengemäß scheinen Belastungen das Wohlbefinden bedeutsam zu beeinflussen. Allerdings werden bei BEL eher objektive Belastungen erfasst. Subjektive Bewertungen sind nicht operationalisiert, obwohl sie stresstheoretisch bedeutsam sind. So zeigt Zank (2010), dass objektive und subjektive Belastungen einschließlich deren Verläufe zumindest in Teilen unabhängig voneinander sind. Außerdem wird mit der dichotomen Betrachtung des Belastungsgeschehens im Beobachtungszeitraum (keine bzw. mindestens eine zusätzlichen Belastung) die Realität grob vereinfacht. Hier sollte weitere Forschung ansetzen.

Einige Hypothesen können nicht bestätigt werden. Das bedeutet aber nicht, dass die entsprechenden Variablen keinen Einfluss auf das Wohlbefinden haben. So beträgt beispielsweise bei der pflegebedürftigen Person die Korrelation zwischen demenzieller Erkrankung und Disability-Index r = 0,29. Der Effekt der Demenz auf das Wohlbefinden wird also zu einem bedeutsamen Anteil durch den Disability-Index erklärt und leistet keinen zusätzlichen statistisch bedeutsamen Beitrag zur Prognose des Wohlbefindens. Ähnlich verhält es sich bei Region und Alter (r = 0,20).

Die erklärte Varianz ist auf beiden Analyseebenen höchstens 20 % und damit gering. Dies deutet darauf hin, dass wesentliche erklärende Variablen fehlen. Ansatzpunkte liefern die eingangs dargestellten Theorien und empirischen Befunde. So könnte das Gesundheitsverhalten und die Angebotsnutzung einschließlich der psychologischen Determinanten das Modell bereichern. Auch individuelle Bewältigungs- und Anpassungsprozesse, soziale Unterstützung und Pflegemotivation sind nicht operationalisiert, die aber den Stressprozess bedeutsam beeinflussen.

Die Ergebnisse der vorliegenden Studie dürften mindestens für pflegende Angehörige in der Land- und Forstwirtschaft sowie im Gartenbau verallgemeinerbar sein. Erstens sind die Drop-Out-Analysen weitgehend unauffällig bzw. erklärbar. Zweitens ist trotz der Freiwilligkeit der Teilnahme an der Intervention der Selektionsbias relativ gering, weil er sich auf Alter und finanzielles Einkommen beschränkt. Des Weiteren gibt es eine epidemiologische Studie in der bayerischen Land- oder Forstwirtschaft für die Altersgruppe ab 55 Jahren (Hetzel, 2012b), die für die hier untersuchte Südregion repräsentativ ist. Der Vergleich der Pflegenden in dieser Studie mit der vorliegenden Interventionsgruppe zeigt, dass zwar die Interventionsgruppe gesundheitlich etwas beeinträchtigter ist. Dieser Unterschied ist aber zumindest in Teilen auf Geschlechts- und Altersunterschiede der pflegenden Person sowie die Pflegebedürftigkeit der zu pflegenden Person zurückzuführen (im Einzelnen siehe Hetzel, 2010, S. 34).

Der Vergleich zentraler Strukturdaten deutet zudem darauf hin, dass die Ergebnisse auch für weitere Branchen bzw. für pflegende Angehörige im Allgemeinen generalisierbar sein könnten. So sind die pflegebedürftigen Personen der Interventionsgruppe (DISABILITY: M = 8,87, SD = 4,68) zwar deutlich bedürftiger als die einer Repräsentativuntersuchung zur häuslichen Pflege in Deutschland (DISABILITY: M = 5,43, SD = 5,04) (Döhner et al., 2007, S. 64). Aber dies dürfte darin begründet sein, dass die Seminarteilnahme das Vorhandensein einer Pflegestufe voraussetzt, während in der Vergleichsuntersuchung dies nicht der Fall ist. Der Frauenanteil (73 %) und das Durchschnittsalter der pflegenden Personen (59 Jahre), die Pflegedauer (8,2 Jahre9) sowie der Anteil der pflegebedürftigen Personen mit mindestens leichten kognitiven Einschränkungen (48 %) ist mit repräsentativen Daten für Deutschland vergleichbar (Angaben aus Schneekloth & Wahl, 2005). Auch der hohe Anteil der Personen mit klinisch relevanter Depression gibt die gesundheitliche Lage pflegender Angehöriger gut wieder. Allerdings ist fraglich, ob die sozioökonomische Lebenslage in einem landwirtschaftlichen Familienbetrieb des ländlichen Raums – dies ist charakteristisch für die Interventionsgruppe – für die Allgemeinbevölkerung generalisierbar ist.

Neben den bereits aufgeführten Limitationen ist eine weitere, dass trotz der hierarchischen Datenstruktur keine weitere hierarchische Analyseebene für die Region bzw. die Einrichtungen eingeführt wird. Dies ist darin begründet, dass dafür zwei Regionen bzw. drei Einrichtungen quantitativ nicht ausreichen. Daher wurden diese Effekte auf Personenebene kontrolliert. Empfehlungen bezüglich der Frage, ab welcher Zahl von Analyseeinheiten weitere Ebenen hinzugefügt werden können, variieren von 10 (Nezlek et al., 2006; Snijders & Bosker, 2012) bis 30 (Maas & Hox, 2005) und hängen stark von Faktoren wie den Kovarianzen zwischen den Messwerten ab. Das hat zur Folge, dass zum einen für das Merkmal Region die Fallzahl künstlich erhöht ist, was zu unterschätzten Standardfehlern bzw. zu überschätzten p-Werten für die Region führen kann. Da aber die Koeffizienten sehr deutlich von Null verschieden sind, dürfte das Problem praktisch vernachlässigbar sein. Zum anderen – und das wiegt schwerer – ist statistisch nicht zwischen Effekten der Person und solchen der Region zu unterscheiden. Damit muss ein entscheidender Vorteil der Mehrebenanalyse ungenutzt bleiben. Außerdem sind statistische Tests zu paarweisen Messzeitpunktvergleichen nicht ohne weiteres möglich. Die verbleibenden Vorteile der Mehrebenenanalyse, die unter Methode dargestellt wurden, rechtfertigen dennoch den Einsatz gegenüber beispielsweise einer Messwiederholungs-ANOVA mit a-priori-Kontrasten.

In der Schlussfolgerung scheint die Trainings- und Erholungswoche trotz der methodischen Limitationen positive Effekte auf das Wohlbefinden der pflegenden Person zu haben. Diese Effekte dürften zur Stabilisierung häuslicher Pflege beitragen. Dies wäre nicht nur individuell, sondern auch gesellschaftlich bedeutsam, weil so der Heimeinzug verzögert oder vermieden werden kann. Die Analysen weisen auf regionale Unterschiede und Verbesserungspotenziale in der Nachhaltigkeit hin, die der Leistungsträgerin SVLFG Ansatzpunkte für die Qualitätssicherung bieten könnten. Zudem sollte die Bewerbung der Intervention deutlicher auf Personen mit höherem Alter und mit geringerem subjektiven Einkommen ausgerichtet werden. Weitere Forschung kann an der Generalisierbarkeit, an einzubeziehenden Kovariaten sowie an der Integration einer längsschnittlichen Kontrollgruppe ansetzen. Unabhängig davon hat die SVLFG eine innovative und gesetzliche Regelintervention für ein gesellschaftlich bedeutsames Thema entwickelt, die andere Sozialversicherungen übernehmen oder weiterentwickeln können. Methodisch zeigen die Analysen die Leistungsfähigkeit der Mehrebenenmodellierung für Längsschnittdaten.

Die Autoren danken Frau Prof. Dr. Britta Renner und den beiden anonymen Gutachten für die konstruktiven Hinweise.

Literatur

  • Ajzen, I. & Fishbein, M. (1980). Understanding attitudes and predicting social behavior. Englewood Cliffs: Prentice Hall. First citation in articleGoogle Scholar

  • Aneshensel, C., Pearlin, L., Mullan, J., Zarit, S. & Whitlatch, C. (1995). Profiles in Caregiving. The Unexpected Career. London: Academic Press. First citation in articleGoogle Scholar

  • Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84, 191 – 215. First citation in articleCrossrefGoogle Scholar

  • Bech, P. (2012). Subjective positive well-being. World Psychiatry, 11, 105 – 106. First citation in articleCrossrefGoogle Scholar

  • Bengel, J. & Jerusalem, M. (2009). Handbuch der Gesundheitspsychologie und Medizinischen Psychologie. Göttingen: Hogrefe. First citation in articleGoogle Scholar

  • Brähler, E., Mühlan, H., Albani, C. & Schmidt, S. (2007). Teststatistische Prüfung und Normierung der deutschen Versionen des EUROHIS-QOL Lebensqualität-Index und des WHO-5 Wohlbefindens-Index. Diagnostica, 53, 83 – 96. First citation in articleLinkGoogle Scholar

  • Clark, M. C. & Diamond, P. M. (2010). Depression in family caregivers of elders: a theoretical model of caregiver burden, sociotropy, and autonomy. Research in Nursing & Health, 33, 20 – 34. First citation in articleGoogle Scholar

  • Cohen, J. W. (1988). Statistical power analysis for the behavioral sciences. Hillsdale, NJ: Erlbaum. First citation in articleGoogle Scholar

  • COMPASS (2015). Befragungsergebnisse Pflegeberatung und Belastung Angehöriger. Zugriff am 07. 08. 2015. Verfügbar unter http://www.compass-pflegeberatung.de/fileadmin/user_upload/Kurzauswertung_Forsa-Befragung_20150715.pdf First citation in articleGoogle Scholar

  • Coon, D. W. & Evans, B. (2009). Empirically based treatments for family caregiver distress: What works and where do we go from here? Geriatric Nursing, 30, 426 – 436. First citation in articleCrossrefGoogle Scholar

  • Dlugosch, G. E. & Mücke, M. (2006). „Pflegen und sich pflegen lassen“ – Evaluation eines Seminarangebotes für pflegende Angehörige. In R. Loidl-KeilW. LaskowskiHrsg., Evaluationen im Gesundheitswesen – Konzepte, Beispiele, Erfahrungen (S. 279 – 329). München, Mehring: Rainer Hampp. First citation in articleGoogle Scholar

  • Döhner, H., Kofahl, C., Lüdecke, D. & Mnich, E. (2007). Services for Supporting Family Carers of Elderly People in Europe: Characteristics, Coverage and Usage (Eurofamcare). The National Survey Report for Germany. Hamburg: Institute for Medical Sociology. First citation in articleGoogle Scholar

  • Eid, M. & Larsen, R. (2008). The science of subjective well-being. New York: Guilford. First citation in articleGoogle Scholar

  • Engel, J. & Engel, M. (2012). Warum Gruppen wirken. In Landwirtschaftliche Pflegekasse Hessen Rheinland-Pfalz und Saarland (LPK HRS)Hrsg., Auszeit für pflegende Hände (S. 88 – 97). Kassel: LPK HRS. First citation in articleGoogle Scholar

  • Faßmann, H. (1996). Burnout bei pflegenden Angehörigen: Isoliert, erschöpft und ausgebrannt. Modellprojekt belegt das Ausmaß der psychischen Überlastung. Forum Sozialstation, 79, 43 – 45. First citation in articleGoogle Scholar

  • Gräßel, E. & Adabbo, R. (2011). Perceived burden of informal caregivers of a chronically ill older family member burden in the context of the transactional stress model of Lazarus and Folkman. The Journal of Gerontopsychology and Geriatric Psychiatry, 24, 143 – 154. First citation in articleGoogle Scholar

  • Henkel, V., Mergl, R., Kohnen, R., Maier, W., Möller, H. J. & Hegerl, U. (2003). Identifying depression in primary care: A comparison of different methods in a prospective cohort study. British Medical Journal, 326, 200 – 201. First citation in articleCrossrefGoogle Scholar

  • Hetzel, C. (2010). Personen in belastenden Situationen (PibS): Eine Trainings- und Erholungswoche für pflegende Angehörige als Angebot der Land- und forstwirtschaftlichen Sozialversicherung Niederbayern/Oberpfalz und Schwaben (LSV NOS) – Evaluationsbericht. Landshut: LSV NOS. First citation in articleGoogle Scholar

  • Hetzel, C. (2012a). Evaluationsbericht: Personen in belastenden Situationen (PibS). In Landwirtschaftliche Pflegekasse Hessen Rheinland-Pfalz und Saarland (LPK HRS)Hrsg., Auszeit für pflegende Hände (S. 26 – 67). Kassel: LPK HRS. First citation in articleGoogle Scholar

  • Hetzel, C. (2012b). Arbeitsbedingungen und Gesundheit bei älteren Personen in Familienunternehmen. Bamberg: University of Bamberg Press. First citation in articleGoogle Scholar

  • Hosoya, G., Koch, T. & Eid, M. (2014). Längsschnittdaten und Mehrebenenanalyse. Kölner Zeitschrift für Soziologie, 66, 189 – 218. First citation in articleCrossrefGoogle Scholar

  • Hox, J. J. (2010). Multilevel analysis. New York: Routledge. First citation in articleCrossrefGoogle Scholar

  • Kaluza, G. (2004). Stressbewältigung – Trainingsmanual zur psychologischen Gesundheitsförderung. Berlin: Springer. First citation in articleGoogle Scholar

  • Kanfer, F. H., Reinecker, H. & Schmelzer, D. (2012). Selbstmanagement‐Therapie: Ein Lehrbuch für die klinische Praxis. Berlin: Springer. First citation in articleCrossrefGoogle Scholar

  • Koch, E. (2014). Das agrarsoziale Sicherungssystem. ASU Arbeitsmedizin Sozialmedizin Umweltmedizin, 49, 567 – 568. First citation in articleGoogle Scholar

  • Kurz, A. & Wilz, G. (2011). Die Belastung pflegender Angehöriger bei Demenz. Entstehungsbedingungen und Interventionsmöglichkeiten. Nervenarzt, 82, 336 – 342. First citation in articleCrossrefGoogle Scholar

  • Kwok, O., Underhill, A. T., Berry, J. W., Luo, W., Elliott, T. R. & Yoon, M. (2008). Analyzing Longitudinal Data with Multilevel Models: An Example with Individuals Living with Lower Extremity Intra-articular. Rehabilitation Psychology, 53, 370 – 386. First citation in articleCrossrefGoogle Scholar

  • Lazarus, R. S. & Folkman, S. (1984). Stress, appraisal and coping. New York: Springer. First citation in articleGoogle Scholar

  • Luhmann, M., Hofmann, W., Eid, M. & Lucas, R. E. (2012). Subjective Well-Being and Adaptation to Life Events: A Meta-Analysis. Journal of Personality and Social Psychology, 102, 592 – 615. First citation in articleCrossrefGoogle Scholar

  • Lüdecke, D., Kofahl, C., Mestheneos, E., Triantafillou, J. & Döhner, H. (2005). Pflegende Angehörige: Ein vernachlässigtes Thema in europäischer Gesundheits- und Sozialplanung? Gesundheitswesen, 67, V45. First citation in articleCrossrefGoogle Scholar

  • Maas, C. J. M. & Hox, J. (2005). Sufficient sample sizes for multilevel modelling. Methodology, 1, 86 – 92. First citation in articleLinkGoogle Scholar

  • Mantovan, F., Ausserhofer, D., Huber, M., Schulc, E. & Them, C. (2010). Interventionen und deren Effekte auf pflegende Angehörige von Menschen mit Demenz – Eine systematische Literaturübersicht. Pflege, 4, 223 – 239. First citation in articleLinkGoogle Scholar

  • Meyer, M. (2006). Pflegende Angehörige in Deutschland. Überblick über den derzeitigen Stand und zukünftige Entwicklungen. Hamburg: LIT-Verlag. First citation in articleGoogle Scholar

  • Michie, S., Ashford, S., Sniehotta, F., Dombrowski, S., Bishop, A. & French, D. (2011). A refined taxonomy of behaviour change techniques to help people change their physical activity and healthy eating behaviours: The CALO-RE taxonomy. Psychology and Health, 26, 1479 – 1498. First citation in articleCrossrefGoogle Scholar

  • Rothgang, H., Müller, R. & Unger, R. (2010). Wie lange Angehörige zu Hause gepflegt werden. Soziale Sicherheit, 6/7, 230 – 237. First citation in articleGoogle Scholar

  • Nezlek, J. B., Schröder-Abé, M. & Schütz, A. (2006). Mehrebenenanalysen in der psychologischen Forschung: Vorteile und Möglichkeiten der Mehrebenenmodellierung mit Zufallskoeffizienten. Psychologische Rundschau, 57, 213 – 223. First citation in articleLinkGoogle Scholar

  • Pearlin, L. I., Mullan, J. T., Semple, S. J. & Skaff, M. M. (1990). Caregiving and the stress process: An overview of concepts and their measures. The Gerontologist, 30, 583 – 594. First citation in articleGoogle Scholar

  • Pinquart, M. & Sörensen, S. (2002). Interventionseffekte auf Pflegende Dementer und andere informelle Helfer: Eine Metaanalyse. Zeitschrift für Gerontopsychologie und -psychiatrie, 15, 85 – 100. First citation in articleLinkGoogle Scholar

  • Pinquart, M. & Sörensen, S. (2003). Associations of stressors and uplifts of caregiving with caregiver burden and depressive mood: A meta-analysis. Journal of Gerontology, Psychological Sciences, 58 B, 112 – 128. First citation in articleGoogle Scholar

  • Pinquart, M. & Sörensen, S. (2006a). Helping caregivers of persons with dementia: Which interventions work and how large are their effects? International Psychogeriatrics, 18, 577 – 595. First citation in articleCrossrefGoogle Scholar

  • Pinquart, M. & Sörensen, S. (2006b). Gender differences in caregiver stressors, social ressources, and health: An updated meta-analysis. Journal of Gerontology: Psychological Sciences, 61B, 33 – 45. First citation in articleGoogle Scholar

  • Prochaska, J. O. & DiClemente, C. C. (1983). Stages and processes of self-change of smoking: Toward an integrative model of change. Journal of Consulting and Clinical Psychology, 51, 390 – 395. First citation in articleCrossrefGoogle Scholar

  • Raudenbush, S. W. & Bryk, A. S. (2002). Hierarchical linear models. Newbury Park: Sage. First citation in articleGoogle Scholar

  • Rösler-Schidlack, B., Stummer, H. & Ostermann, H. (2010). Gesundheitsbezogene Lebensqualität und soziale Unterstützung bei Pflegenden Angehörigen. Pflegewissenschaft, 10, 75 – 86. First citation in articleGoogle Scholar

  • Rothgang, H., Müller, R. & Unger, R. (2013). BARMER GEK Pflegereport, Schwerpunktthema: Reha bei Pflege. Siegburg: Asgard-Verl.-Service. First citation in articleGoogle Scholar

  • Rothgang, H., Müller, R., Unger, R., Klie, T., Göhner, A. & Schuhmacher, B. (2012). Themenreport „Pflege 2030“. Was ist zu erwarten – was ist zu tun? Gütersloh: Bertelsmann Stiftung. First citation in articleGoogle Scholar

  • Schäufele, M., Köhler, L., Lode, S. & Weyerer, S. (2007). Welche Faktoren sind mit subjektiver Belastung und Depressivität bei Pflegepersonen kognitiv beeinträchtigter älterer Menschen assoziiert? Ergebnisse einer repräsentativen Studie in Deutschland. Zeitschrift für Gerontopsychologie & -psychiatrie, 20, 197 – 210. First citation in articleLinkGoogle Scholar

  • Schneekloth, U. & Wahl, H. W. (2005). Möglichkeiten und Grenzen selbständiger Lebensführung in privaten Haushalten (MuG III). Repräsentativbefunde und Vertiefungsstudien zu häuslichen Pflegearrangements, Demenz und professionellen Versorgungsangeboten. München: Bundesministerium für Familie, Senioren, Frauen und Jugend. First citation in articleGoogle Scholar

  • Schulze, E. & Drewes, J. (2004). Die gesundheitliche Situation Pflegender in der Bundesrepublik Deutschland. Eine Auswertung des Lebenserwartungssurvey des Bundesinstituts für Bevölkerungsforschung (BIB) beim Statistischen Bundesamt. Wiesbaden: BIB. First citation in articleGoogle Scholar

  • Schwarzer, R. & Fuchs, R. (1996). Self-efficacy and health behaviours. In M. ConnerP. NormanEds., Predicting health behaviour. Research and practice with social-cognitive models (pp. 163 – 196). Buckingham: Open University Press. First citation in articleGoogle Scholar

  • Selwood, A., Johnston, K., Katona, C., Lyketsos, C. & Livingston, G. (2007). Systematic review of the effect of psychological interventions on family caregivers of people with dementia. Journal of Affective Disorders, 101, 75 – 89. First citation in articleCrossrefGoogle Scholar

  • Snijders, T. A. B. & Bosker, R. J. (2012). Multilevel analysis: an introduction to basic and advanced multilevel modeling. London: Sage. First citation in articleGoogle Scholar

  • Statistisches Bundesamt (2013). Pflegestatistik 2011. Pflege im Rahmen der Pflegeversicherung, Deutschlandergebnisse. Wiesbaden: Statistisches Bundesamt. First citation in articleGoogle Scholar

  • TK – Techniker Krankenkasse (2013). Bleib locker, Deutschland! – TK-Studie zur Stresslage der Nation. Hamburg: Techniker Krankenkasse. First citation in articleGoogle Scholar

  • Weinstein, N. D. & Sandman, P. M. (1992). A model of the precaution adoption process: Evidence from home radon testing. Health Psychology, 11, 170 – 180. First citation in articleCrossrefGoogle Scholar

  • Wilz, G. & Kalytta, T. (2012). Evaluation eines kognitiv-behavioralen Gruppenkonzepts für pflegende Angehörige von Demenzerkrankten. Psychotherapie Psychosomatik Medizinische Psychologie, 62, 359 – 366. First citation in articleCrossrefGoogle Scholar

  • Wilz, G., Kalytta, T. & Küssner, C. (2005). Quantitative und qualitative Diagnostik von Belastungen und Belastungsverarbeitung bei pflegenden Angehörigen. Zeitschrift für Gerontopsychologie & -psychiatrie, 18, 259 – 277. First citation in articleLinkGoogle Scholar

  • Zank, S. (2010). Belastung und Entlastung von pflegenden Angehörigen. Psychotherapie im Alter, 7, 431 – 444. First citation in articleGoogle Scholar

1Ärztliche Diagnose „Demenz“ und pflegebedürftige Person zeigt Verhaltensauffälligkeiten, z. B. umherwandern, ständiges Wiederholen von bereits Gesagtem, unangemessenes Schreien, grundlos schreien, unangemessen an-/ausziehen.

2BEL ist der Mittelwert aus folgenden Angaben: bei jedem Messzeitpunkt wurde erhoben, ob sich bestimmte Bedingungen verschlechtert haben (Hilfsbedürftigkeit, finanzielle Situation, Verfügbarkeit von Helfern, für die Pflege verfügbare Zeit jeweils mit 0 = besser/gleich, 1 = etwas schlechter, 2 = viel schlechter) und ob eine Krisensituation aufgetreten ist (0 = nein, 2 = ja). Bei der Basisdatenerhebung wurde nach Veränderungen in den letzten sechs Wochen gefragt.

3Personen mit fehlenden Angaben bei BEL zu mindestens einem Messzeitpunkt, werden bei BELCUM der Gruppe 0 zugeordnet.

4Es gibt in der Westregion keinen systematischen Einfluss der beiden Einrichtungen auf die Zielgröße (Hetzel, 2012a), so dass auf diese Differenzierung verzichtet wird.

5Die γ-Koeffizienten haben zwei Indizes, wobei der erste die Koeffizientennummer der Binnen-Kontext-Regression (Messzeitpunkte) und der zweite die Variable der Zwischen-Kontext-Regression (Personenheterogenität) bezeichnet.

6Für die Referenzgruppe (männliche pflegende Person, mittlere Pflegebedürftigkeit, keine zusätzlichen Belastungen im Zeitverlauf, Südregion) beträgt die Steigerung nach einem Monat 0,294 (=0,564 – 0,306+0,036) Einheiten.

7Nach Auskunft der SVLFG konnte dies in einzelnen Landkreisen etabliert werden.

8Auf eine statistische Baselineadjustierung des Wohlbefindens (z. B. durch Berücksichtigung der Baseline als Kovariate oder der klinisch relevanten Depressivität als Gruppierungsvariable) wurde verzichtet, da in der vorliegenden Arbeit gerade die regionalen Unterschiede interessieren.

9Zur Diskussion der Ermittlung der Pflegedauer siehe Müller, Unger und Rothgang (2010).

Dr. Christian Hetzel, Institut für Qualitätssicherung in Prävention und Rehabilitation GmbH an der Deutschen Sporthochschule Köln, Evaluation, 50933 Köln, E-Mail
Michael Holzer, Sozialversicherung für Landwirtschaft, Forsten und Gartenbau, Stabsstelle Selbstverwaltung/Öffentlichkeitsarbeit, Abschnitt, Weißensteinstraße 70 – 72, 34131 Kassel
Martina Opfermann-Kersten, Sozialversicherung für Landwirtschaft, Forsten und Gartenbau, Stabsstelle Selbstverwaltung/Öffentlichkeitsarbeit, Weißensteinstraße 70 – 72, 34131 Kassel