Einzelprojekt

DIAQANDI - Die diagnostische Genauigkeit von weit verbreiteten Selbstbeurteilungs-Fragebögen zur Erkennung von Angststörungen - systematische Übersicht und Multi-Test-Metaanalyse

Förderkennzeichen: 01KG2105
Fördersumme: 233.803 EUR
Förderzeitraum: 2021 - 2023
Projektleitung: Univ.-Prof. Dr. Antonius Schneider
Adresse: Klinikum rechts der Isar der Technischen Universität München, Institut für Allgemeinmedizin und Versorgungsforschung
Ismaninger Str. 22
81675 München

Angststörungen sind weltweit die häufigsten psychischen Störungen. Bis zu 34% der Bevölkerung leiden mindestens einmal im Leben an einer Angststörung. Diese bleiben oft unentdeckt, da sich ihre Symptome mit denen anderer häufig vorkommender Krankheiten überlagern. Selbstbeurteilungs-Fragebögen sind hierbei eine wichtige Hilfe, um Personen mit Angststörungen zu identifizieren. Es gibt eine Fülle von Fragebögen, jedoch ist nur eine begrenzte Anzahl dieser Instrumente weit verbreitet und es wurden nur wenige ausreichend darauf getestet, ob sie Personen mit Angststörung von Personen ohne Angststörung genau unterscheiden können. Das Ziel ist es deshalb, die diagnostische Genauigkeit der am weitesten verbreiteten und am häufigsten getesteten Fragebögen, im Abgleich mit diagnostischen Standardinterviews, zu bestimmen und gegenüberzustellen. Dies ist erforderlich um zubeurteilen a) wie genau vorhandene Instrumente sind und b) ob bestimmte Bögen besser als andere sind. Es wird nach allen relevanten Studien gesucht, ihre Qualität bewertet, ihre Ergebnisse extrahiert und zusammenfasst. Eine besondere Herausforderung ist dabei die Wahl eines optimalen Entscheidungswertes ("Cut-off-Punkt"). Dieser Aspekt wird in systematischen Übersichtsarbeiten bisher selten untersucht. Das Review soll alle verfügbaren Cut-off-Punkte optimal nutzen, um potenzielle Schäden aufgrund von Unter- und Überdiagnosen in verschiedenen Settings und Populationen abschätzen zu können. Zudem erfolgt ein Vergleich der diagnostischen Genauigkeit mithilfe einer innovativen Methode ("Netzwerk-Meta-Analyse").