Schlaf ist wichtig für Gesundheit, Wohlbefinden und Leistungsfähigkeit (Grandner, 2017; Watson et al., 2015). Schlaf nimmt etwa ein Drittel unseres 24-Stunden-Tages in Anspruch, was ihn zu einer der wichtigsten "Aktivitäten" unseres Tages macht. Eine gute und erholsame Nachtruhe zu erreichen, ist in der modernen Gesellschaft jedoch zu einer Herausforderung geworden (Khubchandani & Price, 2020).

Schlaf ist ein sehr komplexes Konstrukt mit vielen verschiedenen Aspekten, die gemessen und bewertet werden können, um festzustellen, ob jemand eine gute Nachtruhe hatte. Mit Hilfe des Elektroenzephalogramms (EEG) können wir zum Beispiel die Schlafarchitektur (z. B. REM- oder Nicht-REM-Schlaf) sowie die Dauer einer Schlafepisode, die zum Einschlafen benötigte Zeit, die Anzahl des Erwachens usw. messen. Mit dem EEG können wir den Schlaf objektiv messen, allerdings in eher kleinen Stichproben. Um den Schlaf schnell, weniger kostspielig und umständlich und in großen Stichproben zu messen, werden eher Fragebögen verwendet. Subjektive und objektive Schlafqualität korrelieren in der Regel, insbesondere wenn objektive Parameter in Bezug auf die Tiefe und Kontinuität des Schlafs berücksichtigt werden (Keklund & ÅKerstedt, 1997). Ein subjektives Konstrukt, das sehr eng mit dem Schlaf zusammenhängt, ist die Schläfrigkeit. Die beiden Konstrukte stehen in der Tat in einem kausalen Zusammenhang, da die Schläfrigkeit als Folge von Schlafeinschränkung/-entzug deutlich zunimmt (Bonnet & Arand, 2003). Probleme mit dem Tagesablauf (einschließlich Schläfrigkeit) sind auch eines der Kriterien für die Diagnose von Insomnie, eine der häufigsten Schlafstörungen.

Die Insomnie ist durch Schwierigkeiten beim Einschlafen oder Aufrechterhaltung des Schlafs und durch Beeinträchtigungen der Tagesform (einschließlich subjektiver Beschwerden) trotz geeigneter Schlafbedingungen gekennzeichnet. Die Prävalenz von Schlaflosigkeit hat in den letzten Jahrzehnten dramatisch zugenommen. So ist beispielsweise die Zahl der diagnostizierten Schlaflosen in den Vereinigten Staaten zwischen 1993 und 2015 von 800.000 auf 9,4 Millionen gestiegen (Moloney et al., 2019). In Europa wird die Prävalenz der chronischen Schlaflosigkeit auf etwa zehn Prozent geschätzt (Riemann et al., 2017). Neben der Insomnie gibt es ein breites Spektrum und verschiedene Schweregrade an Schlafproblemen, die von nicht-klinischen bis zu klinischen Manifestationen reichen.

Bislang wurden verschiedene Schlafskalen für klinische Anwendungen entwickelt, um die Allgemeinbevölkerung zu screenen und anschließend Personen mit Schlafstörungen zu diagnostizieren und zu behandeln (z.B. Buysse et al., 1989; Crönlein et al., 2013; Jenkins et al., 1988; Morin et al., 2011; Pallesen et al., 2008; Soldatos et al., 2000). Ein wichtiger Aspekt der Gesundheitsförderung ist jedoch die Prävention. Um der Entwicklung von Schlafstörungen vorzubeugen, müssen subklinische Manifestationen sowie Risiko- und Schutzfaktoren durch prospektive Längsschnittstudien an großen Bevölkerungsgruppen ermittelt werden. Daher besteht nicht nur ein Bedarf an diagnostischen Schlafskalen (z. B. Insomnie-Screening), sondern auch an Skalen mit einer feineren Auflösung, die kleinere Schwankungen im Schweregrad von Schlafproblemen und in der Beeinträchtigung der Tagesform erfassen, die von subklinischen bis zu klinischen Manifestationen reichen. Kurze Skalen, die auf sparsame und zuverlässige Weise Daten zu Schlafproblemen und zur Beeinträchtigung der Tagesform liefern, sind besonders wichtig. Sie sind die bevorzugte Wahl für groß angelegte Mehrthemen-Längsschnittstudien, um mögliche Veränderungen beider Konstrukte im Laufe der Zeit zu untersuchen. Zudem ermöglichen sie Ursache-Wirkungs-Analysen zwischen beiden Konstrukten und mit Konstrukten wie Stress oder Substanzmissbrauch (Benham & Charak, 2019; Conroy, 2017; Lam et al., 2018). Kurze Skalen können dabei den Vorteil haben, dass sie die kognitive Belastung der Befragten reduzieren und eine mögliche Ermüdung vermeiden. Darüber hinaus sind kurze Skalen nützlich, um Personen auf bestimmte Merkmale hin zu untersuchen oder wenn die Befragungszeit begrenzt ist.

Unser Ziel war es, eine kurze Skala zur Beurteilung von Schlafproblemen und der Beeinträchtigung der Tagesform für nicht-klinische Anwendungen zu entwickeln und zu validieren. Diese Skala soll aufgrund ihrer Einfachheit ohne Hilfe auszufüllen sein. Zu diesem Zweck haben wir die Athens Insomnia Scale (AIS; Soldatos et al., 2000, 2003) adaptiert. Die AIS ist eine kulturübergreifend validierte und weit verbreitete Skala, die ursprünglich für die Forschung und für klinische Anwendungen als Alternative zu den typischerweise zeitaufwendigeren und oft schwierigeren Schlafskalen, die derzeit in Gebrauch sind, entwickelt wurde. So gilt beispielsweise der Pittsburgh Sleep Quality Index (PSQI) (Buysse et al., 1989) als Goldstandard für die Bewertung der Schlafqualität. Allerdings ist er sehr umfangreich (19 Items) und die Berechnung des Gesamtscores ist komplex. Wir haben die AIS-NCA mit demselben Ziel entwickelt und argumentieren, dass unsere neue Skala bei Anwendungen, in denen der Schwerpunkt nicht unbedingt nur auf klinisch relevanten Schlafproblemen (z. B. Schlaflosigkeit), sondern auch auf einer breiteren Bewertung der Schlafqualität liegt, besser geeignet ist.

Dafür haben wir die AIS aufgrund der guten psychometrischen Eigenschaften als Grundlage verwendet, d.h. ihrer internen Konsistenz, temporalen Validität und ihrer guten Kriteriumsvalidität sowie einer breiten Verwendung in vielen Studien (z. B. Chung et al., 2011; Enomoto et al., 2018; Gómez-Benito et al., 2011; Hallit et al., 2019; Jeong et al., 2015; Lin et al., 2020; Okajima et al., 2013; Sirajudeen et al., 2020; Soldatos et al., 2000; Sun et al., 2011; Yen et al., 2010). Darüber hinaus ist die AIS kurz und damit schnell zu erheben, was auch die adaptierte AIS-NCA zu einem geeigneten Instrument insbesondere für groß angelegte Studien macht. Hinsichtlich der mit dem AIS erfassten Schlafdimensionen identifizierten Soldatos und KollegInnen (2000) nur einen Faktor, der auch in weiteren Studien zur Validierung des AIS gefunden wurde (Gómez-Benito et al., 2011; Jeong et al., 2015; Lin et al., 2020). In neueren Studien wurde jedoch festgestellt, dass die Items auf zwei oder sogar drei Faktoren hinweisen (Chung et al., 2011; Enomoto et al., 2018; Hallit et al., 2019; Okajima et al., 2013; Sirajudeen et al., 2020; Yen et al., 2010). Gemeinsame Faktorenstrukturen, die in diesen Studien identifiziert wurden, waren Schlaflosigkeitssymptome (Items: 1-3) und subjektiver Schlaf und Tagesform (Items: 4-8) (Chung et al., 2011; Yen et al., 2010) oder Schlafprobleme (Items: 1-5) und Tagesform (Items: 6-8) (Enomoto et al., 2018; Hallit et al., 2019; Okajima et al., 2013).

Itemkonstruktion und Itemselektion

Die AIS-NCA verwendet Items der Athens Insomnia Scale (AIS; Soldatos et al., 2000, 2003). Die AIS-Items basieren auf den ICD-10-Kriterien für Insomnie. Dazu zählen Einschlaf- und Durchschlafstörungen sowie ein durch Schlafprobleme verursachter Leidensdruck und/oder eine Beeinträchtigung der Tagesform. Diese Kriterien sind für die Diagnose von Schlaflosigkeit und die Bewertung allgemeiner Schlafprobleme und ihrer unmittelbaren Folgen von Bedeutung. Um die Anwendbarkeit und Verständlichkeit der Skala insbesondere für nicht-klinische Anwendungen zu erhöhen, wurden einige Items (z. B. durch Entfernung von Fachbegriffen) und Antwortoptionen angepasst.

Zunächst wurde die AIS vom Englischen ins Deutsche übersetzt. Bei dieser Übersetzung wurde auf spezifische Kriterien für Skalenübersetzungen zu gesundheitsbezogenen Selbsteinschätzungen geachtet (Beaton et al., 2000; Guillemin et al., 1993). Zunächst haben zwei Personen, die mit der Skala nicht vertraut waren und MuttersprachlerInnen für Deutsch sind, die ursprünglichen acht AIS-Items ins Deutsche übersetzt. Das Ergebnis der Übersetzung wurde von vier ExpertInnen beurteilt und diskutiert – drei von ihnen verfügen über Methodenkenntnisse (einer davon der Erstautor), eine Person nicht und alle vier Personen sprechen fließend Englisch und Deutsch. Dies führte zu einer Überarbeitung der Übersetzung.

Die Überarbeitung beurteilten fünf ExpertInnen – drei mit Methodenexpertise (einer davon der Erstautor), eine Person mit Expertise im Bereich Schlafforschung (die Drittautorin), eine Person ohne eine solche spezifische Expertise, alle sprechen fließend Englisch und Deutsch. Ziel war es, die Skala an eine nicht-klinische Population anzupassen, Fachbegriffe zu vermeiden und die Klarheit der Formulierungen zu verbessern, auch um zu vermeiden, dass Befragte beim Ausfüllen der Skala Hilfe benötigen. Zum Beispiel wurde das Wort "Schlafinduktion" beim ersten Item vermieden. Zudem wurden Antwortoptionen geändert, was zum Teil darauf zurückzuführen ist, dass die AIS für klinische Anwendungen entwickelt wurde, also für ein Screening und die Diagnose von Schlafstörungen. Die Zahl der Antwortmöglichkeiten wurde von vier auf fünf Kategorien erweitert, um eine detailliertere Bewertung des Schlafes zu ermöglichen und einen logischen Mittelwert für die Mehrzahl der Items zu bieten, z. B. wurden für das Item zur Bewertung der Schlafqualität die Antwortmöglichkeiten "sehr gut", "gut", "teils gut/teils schlecht", "schlecht" und "sehr schlecht" verwendet. Außerdem wurde der Zeitraum für Bewertung auf zwölf Monate geändert (da die erste Anwendung eine jährliche Panelstudie sein sollte, d.h. Studien 1_Deutsch und 2_Deutsch; in den Studien 3_Deutsch, 4_Deutsch und 5_Engllisch wurde auch ein vier-Wochenzeitraum getestet). In dieser ExpertInnenrunde wurde ein Konsens erzielt.

Anschließend erfolgte ein kognitiver Pretest mit einem heterogenen Sample an deutsch-sprachigen Personen (N = 12). Hierfür wurde die „Think-Aloud-Technik“ verwendet und es wurden Probing-Fragen gestellt (Van Someren et al., 1994), um die Verständlichkeit und die inhaltliche Validität der Instruktion, der Items und der Antwortkategorien bewerten zu können (z. B. wurde erfragt, was Befragte "Endgültig früher aufgewacht als gewünscht bin ich…" verstanden haben). Dabei traten keine Schwierigkeiten auf; alles wurde generell gut verstanden. Basierend auf den Ergebnissen haben wir jedoch die Formulierung "nach dem Schlafen" bei den drei Items zur Beeinträchtigung der Tagesform geändert in "tagsüber". Außerdem wurde das achte Item (die Item-Nummerierung bezieht sich auf Tabelle 2) überarbeitet und dabei die Müdigkeit tagsüber (anstatt nach dem Schlafen) thematisiert und danach gefragt, wie stark diese Müdigkeit spürbar war. Diese Änderungen erfolgten, um zu gewährleisten, dass Befragte nicht ausschließlich die Zeit am Morgen nach dem Aufwachen (d.h. nach dem Schlafen) berücksichtigten.

Nach der Übersetzung und den qualitativen Pretests, erfolgten quantitative Pretests (Studie 1-4_Deutsch) der deutsch-sprachigen Version (AIS-NCA-G). In Studie 1_Deutsch sollte geprüft werden, inwieweit die neuen Items der deutschen Version der AIS-NCA die zugrunde liegenden Konstrukte (d. h. Schlafprobleme und Beeinträchtigung der Tagesform) widerspiegeln. In der Originalstudie fanden Soldatos und Kollegen (2000) eine eindimensionale Struktur, die auch in anderen Studien gefunden wurde (Gómez-Benito et al., 2011; Jeong et al., 2015; Lin et al., 2020). Andere Studien berichteten jedoch über eine zwei- oder sogar dreifaktorielle Struktur des AIS (Chung et al., 2011; Enomoto et al., 2018; Hallit et al., 2019; Okajima et al., 2013; Sirajudeen et al., 2020; Yen et al., 2010).

Ziel von Studie 2_Deutsch war es, die Ergebnisse von Studie 1_Deutsch mit einer konfirmatorischen Faktorenanalyse (CFA) die Dimensionalität beider Subskalen und der Gesamtskala zu replizieren und die interne Konsistenz mit McDonalds ω zu testen. Außerdem haben wir exemplarisch die Invarianz der Maße über Geschlecht, Alter, Personen mit und ohne Schlafstörungsdiagnose und die Zeit geprüft. Die ersten beiden Vergleiche wurden aufgrund der zuvor berichteten Geschlechts- und Altersunterschiede bei den Schlafeigenschaften durchgeführt (Krishnan & Collop, 2006; Mander et al., 2017), während die letzten beiden Vergleiche (Zeit und Diagnose von Schlafstörungen) für Längsschnittstudien bzw. klinische Studien interessant sein könnten. Außerdem wollten wir die Validität für bekannte Gruppen untersuchen, indem wir prüften, ob die Skala in der Lage ist, Personen mit und ohne Diagnose einer Schlafstörung (z. B. Insomnie) zu unterscheiden. Wir erwarteten, dass die Skalenwerte in der Gruppe mit Diagnose signifikant höher sein würden als in der Gruppe ohne Diagnose. Um die prädiktive Validität zu untersuchen, haben wir geprüft, ob die AIS-NCA-G ein Jahr später eine solche Diagnose vorhersagt. Außerdem haben wir die Stabilität der AIS-NCA-G über einen Zeitraum von einem Jahr untersucht.

Ziel von Studie 3_Deutsch war es, die kurzfristige Test-Retest-Reliabilität der deutschen Version der Skala und der beiden Subskalen zu untersuchen.

In Studie 4_Deutsch wollen wir die Konstruktvalidität (konvergente und diskriminante Validität) der Skala untersuchen. Da sich zuvor zeigte, dass die Items der AIS-NCA-G zwei Faktoren aufweisen ("Schlafprobleme" und "Beeinträchtigung der Tagesform"), beschlossen wir, zur Untersuchung der konvergenten Validität drei Fragebögen zu verwenden, die auch diese und verwandte Konstrukte erfassen. Wir wählten zwei Instrumente zur Bewertung der Schlafqualität/Schlafprobleme, den Pittsburgh Sleep Quality Index (PSQI; Buysse et al., 1989) und die Jenkins Sleep Problems Scale (JSPS; Jenkins et al., 1988), wobei der PSQI und die JSPS eine Unterdimension bzw. ein Item zur Bewertung der Tagesform enthalten. Die dritte Skala, die wir zur Messung der konvergenten Validität unseres Faktors "Beeinträchtigung der Tagesform" verwendeten, bewertete ausschließlich die Schläfrigkeit (Epworth Sleepiness Scale, ESS; Johns, 1991). Alle drei Fragebögen sind validiert und werden häufig zur Bewertung von Schlafqualität und Schläfrigkeit eingesetzt. Wir erwarteten starke positive Korrelationen (r > ,70; Munro, 2005) zwischen dem PSQI, dem JSPS und der AIS-NCA-G-Subskala "Schlafprobleme" sowie zwischen der ESS, der Subskala für die Beeinträchtigung der Tagesform des PSQI, und der AIS-NCA-G-Subskala "Beeinträchtigung der Tagesform". Außerdem wurden starke Korrelationen zwischen den drei Fragebögen und dem AIS-NCA-G-Gesamtscore angenommen.

Die diskriminante Validität wurde untersucht, indem der AIS-NCA-G mit der deutschen Version des Flourishing Index (FI) und des Secure Flourishing Index (SFI) (Sattler et al., under review) verglichen wurde, die verschiedene Aspekte des Wohlbefindens erfassen, nämlich Glück und Lebenszufriedenheit, psychische und körperliche Gesundheit, Sinn und Zweck, Charakter und Tugenden, enge soziale Beziehungen sowie finanzielle und materielle Stabilität (VanderWeele, 2017). Im Vergleich zu den für die konvergente Validität verwendeten Skalen, erwarteten wir schwächere (aber möglicherweise immer noch signifikante) negative Korrelationen zwischen dem AIS-NCA-G und den verschiedenen Dimensionen des Flourishing Index (FI) und des Secure Flourishing Index (SFI), da guter Schlaf als Indikator für Gesundheit und Wohlbefinden gilt (Tang et al., 2017).

Zudem wurde die AIS-NCA-G ins Englische übersetzt (AIS-NCA-E) und in einer quantitativen Studie getestet (Studie 5_Englisch). Dafür wurden erneut auf die spezifischen Kriterien für Skalenübersetzungen zu gesundheitsbezogenen Selbsteinschätzungen geachtet (Beaton et al., 2000; Guillemin et al., 1993). Die Items wurden von zwei professionellen ÜbersetzerInnen (mit der Muttersprache English) vom Deutschen ins Englische übersetzt. Danach wurden die Items von zwei professionellen ÜbersetzerInnen (mit Muttersprache Deutsch) rückübersetzt. Diskrepanzen zwischen den Übersetzungen und den Originalitems wurden von den drei KoautorInnen (von denen zwei deutsche MuttersprachlerInnen sind), zwei professionellen LinguistInnen für Englisch (eine Person davon mit Muttersprache Englisch), einem Experten für Umfragen aus der Soziologie (Muttersprache Deutsch), den beiden ursprünglichen ÜbersetzerInnen und den beiden RückübersetzerInnen diskutiert. Alle Teilnehmenden der Diskussion wurden darüber informiert, dass die Übersetzung verständlich sein sollte (z. B. durch kurze Sätze, die so einfach wie möglich sein sollten, Aktiv statt Passiv verwenden sollten und Metaphern vermeiden sollten) und dass kulturspezifische Begriffsäquivalenzen erzeugt werden sollten (Guillemin et al., 1993). Das Ziel von Studie 5_Englisch war es, die Faktorenstruktur und die interne Konsistenz der ins Englische übersetzten Skala zu untersuchen und die Messinvarianz zwischen den beiden Sprachen zu testen. Für Letzteres wird die Stichprobe aus Studie 1_Deutsch und Studie 2_Deutsch hinzugezogen.

Stichproben

Studie 1:

Die Ausgangsstichprobe für Studie 1_Deutsch, die mittels Computer-Assisted Self-Administered Interviewing (CASI) durchgeführt wurde, wurde offline in einem mehrstufigen Zufallsverfahren basierend auf der ADM-Telefonstichprobe (ADM, 2012; Häder & Gabler, 1998) über das forsa.omninet-Panel rekrutiert. Diese Stichprobe war repräsentativ in Bezug auf Geschlecht, Alter, Bildung und Bundesland für Personen ab 18 Jahre in Deutschland, die über einen Internetzugang verfügen (dies trifft auf etwa 95% aller Haushalte zu; Statista, 2020). Die Bruttostichprobe bestand aus 47.406 Personen, wovon 27.149 Personen (57,27%) der Studienteilnahme zustimmten und 24.809 dieser Personen (91,38%) die Studie abgeschlossen haben. Unser Analysesample umfasst die Antworten von 25.140 Personen (45,69% Frauen, Durchschnittsalter: 53,92 ± 15,00, Altersspanne: 18-95 Jahre), bei denen vollständige Antworten zu allen relevanten Variablen vorliegen. Nach Abschluss der Studie erhielten die Befragten Bonuspunkte als Incentive (Wert: 2 Euro), welche eintauschbar waren in Gutscheine, ein Los für eine Wohltätigkeitslotterie oder eine Spende an UNICEF. Die Ethikkommission der Universität Erfurt hat der Durchführung der Studie zugestimmt (Referenznummer: EV-20190917).

Studie 2:

Zu Studie 2_Deutsch wurden 24.683 Befragte aus Studie 1_Deutsch zwölf Monate nach der ersten Studie erneut eingeladen. Davon stimmten 17.818 (72,19%) einer Teilnahme zu und 15.235 (85,50%) beendeten auch Studie 2_Deutsch. Unser Analysesample umfasst Antworten von 14.797 Personen (50,42% Frauen, Durchschnittsalter: 52,64 ± 14,30), bei denen vollständige Antworten zu allen relevanten Variablen vorliegen. Wir führten ein Logit-Regressionsmodell durch, um zu prüfen, ob Schlafprobleme die (zu erwartenden) Teilnahmeausfälle (Attrition) in unserer Stichprobe erklären könnten und fanden keinen solchen Effekt (OR = 1,027, p = 0,213). Für ihre Teilnahme erhielten Befragte Bonuspunkte im Wert von 2,50 Euro. Die Ethikkommission der Universität Erfurt hat der Durchführung der Studie zugestimmt (Referenznummer: EV-20200805).

Studie 3:

Zu Studie 3_Deutsch (erneut CASI) wurden 171 Zweit- und Viertsemester-Studierende der Medizin (einer deutschen Universität) eingeladen. Davon haben 96 die Befragung begonnen und eine informierte Einwilligung abgegeben. Davon füllten 89 Studierende (92,71%) den Fragebogen zu t₁ aus, wovon 78 Studierende (81,25%; 70,51% Frauen; 96,15% in der Altersgruppe 18–30) auch t₂ vollständig ausfüllten und somit das Analysesample ergeben. Der Abstand zwischen den Teilnahmen betrug durchschnittlich sieben Tage (Spanne: fünf bis neun Tage). Die Ethikkommission der Universität München hat der Durchführung der Studie zugestimmt (Referenznummer: 20-1084).

Studie 4:

Für Studie 4_Deutsch wurden Personen (ab 18 Jahren) in Deutschland über das respondi Online-Panel rekrutiert. Dabei handelt es sich um ein aktiv gemanagtes Panel, bei dem Personen freiwillige an Studien teilnehmen und bei dem eine Double-Opt-In-Registrierung nötig ist. Für diese CASI-Studie wurde eine nach Geschlecht, Alter (18–74) und Bundesland repräsentative Quotenstichprobe verwendet. Die Befragten erhielten ein Incentive im Wert von 0,45 Euro. Insgesamt beantworteten 345 Personen die Befragung, wovon vier Befragte weder Angaben zu ihrem Geschlecht noch zu ihrem Alter machten und daher von allen Analysen ausgeschlossen wurden. Das Analysesample umfasst 341 Personen (49,27% Frauen, Durchschnittsalter: 45,88 Jahre ± 15,30). Die Ethikkommission der Universität zu Köln hat der Durchführung der Studie zugestimmt (Referenznummer: 200028SeSa).

Studie 5:

Für Studie 5_Englisch (CASI) wurden 676 Personen (18 Jahre und älter) in den U.S.A. über Clickworker rekrutiert. Clickworker ist eine kommerzielle Plattform, auf der Personen verschiedene Aufgaben (z. B. Umfragen) machen können. Davon gaben 669 (98,96%) eine informierte Einwilligung, wovon wiederum 665 (99,40 %) einen Aufmerksamkeitscheck korrekt ausfüllten. Aufgrund fehlender Werte besteht das Analysesample aus 623 Personen (68,70% davon bezeichneten sich als weiblich, 29,86% als männlich und 1,44% als andere, Durchschnittsalter: 34,08 ± 10,35 SD, Altersspanne: 18–69 Jahre). Die Befragten erhielten ein Incentive in Höhe von 1,60$ (etwa 1,35 Euro).

Itemanalysen

Exploratorische Faktorenanalysen:

Für die in Studie 1_Deutsch erhobenen Daten wurde eine explorative (robust maximum likelihood) Faktorenanalyse (EFA) durchgeführt (Tabelle 2). Auf Grund der geringen Anzahl an Items wurde als Selektionskriterium für Faktoren ein Eigenwert > 1.0 gewählt. Danach ergab sich eine Lösung mit zwei Faktoren (Eigenwert Faktor 1 = 3,81, Eigenwert Faktor 2 = 1,14, siehe auch Abbildung 1). Die Determiniertheitskoeffizienten (factor score determinacy) lagen für beide Faktoren nahe bei 1. Die rotierten (oblimin) und standardisierten Faktorladungen sind in Tabelle 2 dargestellt.

Tabelle 2

Ergebnisse der exploratorischen Faktorenanalyse (Oblimin Rotation) der AIS-NCA-G (Studie 1_Deutsch, N = 25.140)

Anmerkungen. Fett gedruckte Zahlen bezeichnen Faktorladungen von Items auf dem jeweiligen “Zielfaktor”.

Abbildung 1. Scree-Plot für Studie 1_Deutsch (N = 25.140).

Items 1 bis 3 und Item 5 reflektieren den ersten Faktor, den wir als “Schlafprobleme“ interpretierten. Item 1 hat eine kleinere Faktorladung im Vergleich zu den anderen Items. Das Item beschreibt jedoch ein Hauptsymptome der Insomnie (Schwierigkeit beim Einschlafen), weshalb sich die finale Inklusion in der Subskala „Schlafprobleme“ zusätzlich über die inhaltliche Bedeutsamkeit begründet. Items 6 bis 8 reflektieren den zweiten Faktor, den wir als “Beeinträchtigung der Tagesform“ interpretierten. Item 4 wies eine deutliche Kreuzladung auf beide Faktoren auf. Dies ist möglicherweise darauf zurückzuführen, dass das Item sowohl in Bezug auf Schlafprobleme als auch auf die die Tagesform zu unspezifisch war. Deshalb wurde Item 4 nicht weiter berücksichtigt. In einer weiteren EFA ergaben sich wieder zwei Faktoren (Eigenwert Faktor 1 = 3,36, Eigenwert Faktor 2 = 1,13), diesmal ohne bedeutsame Kreuzladungen. Die Determiniertheitskoeffizienten für beide Faktoren lagen wieder nahe bei 1. Insgesamt deuten die Ergebnisse auf zwei Subskalen hin, die sich aus 4 Items zur Beurteilung von Schlafproblemen und 3 Items zur Beurteilung der Beeinträchtigung der Tagesform zusammensetzen. Die mittelstarke Korrelation zwischen den Subskalen (r = ,57) deutet darauf hin, dass die Faktoren kausal miteinander in Verbindungen stehen könnten (d. h. Schlafprobleme könnten zu einer Beeinträchtigung der Tagesform führen). Dennoch stellen sie getrennte Konstrukte dar.

Konfirmatorische Faktorenanalysen

Eine konfirmatorische Faktorenanalyse (CFA; robust maximum likelihood) mit den Daten aus Studie 2_Deutsch bestätigt die Ergebnisse der EFA in Studie 1_Deutsch. Während ein einfaktorielles konfirmatorisches Faktorenmodell keine gute Passung aufwies (χ² = 5529,659, df = 14, CFI = ,823, RMSEA = ,163, SRMR = ,077, AIC = 232127, BIC = 232286), passte ein zweifaktorielles Modell gut zu den Daten (χ² = 1073,076, df = 13, CFI = ,966, RMSEA = ,074, SRMR = ,034, AIC = 227203, BIC = 227370). Trotz der guten Modellanpassung (hohe Stichprobengröße) wiesen die Modifikationsindizes des Zwei-Faktoren-Modells deutlich auf eine Residualkovarianz zwischen Item 2 und Item 3 hin. (Modification Index = 821,610; siehe auch die Resultate zu den Analysen mit den Daten aus Studie 5_Englisch unten). Diese Residualkovarianz kann darauf hindeuten, dass ein Teil der Varianz dieser beiden Items nicht durch den gemeinsamen Faktor “Schlafprobleme“ erklärt wird, sondern auf einer gemeinsamen unbeobachteten Ursache beruhen kann. Ein weiterer Grund kann eine ähnliche Item-Formulierung sein. Unter Berücksichtigung dieses zusätzlichen Parameters konnte die Modellanpassung weiter verbessert werden (χ² = 268,615, df = 12, CFI = ,992, RMSEA = ,038, SRMR = ,016, AIC = 226295, BIC = 226470). Die Faktorladungen, (Ko-)Varianzen der Faktoren und die Residualkovarianzen für dieses zweite Modell sind in Abbildung 2 dargestellt. Alle Parameter waren signifikant (p < ,001) und die standardisierten Faktorladungen lagen zufriedenstellend zwischen ,45 und ,95. Die Varianz des zweiten Faktors war größer als die des ersten, was auf eine größere Heterogenität der Selbsteinschätzungen zur Beeinträchtigung der Tagesform hindeutet. Die Korrelation zwischen den Faktoren (r = ,69) zeigt einen starken Zusammenhang zwischen den Konstrukten.

Eine weitere CFA mit den Daten aus Studie 5_Englisch bestätigt die zweidimensionale Struktur aus Studie 1_Deutsch und Studie 2_Deutsch. Die Standardfehler der Parameterschätzungen waren aufgrund des geringeren Stichprobenumfangs in Studie 5_Englisch höher und ohne eine Residualkovarianz zwischen Item 2 und Item 3 passte das Modell nicht gut zu den Daten (χ² = 200,975, df = 13, CFI = ,848, RMSEA = ,152, SRMR = ,085, AIC = 10414, BIC = 10511). Die Modellanpassung verbesserte sich erheblich unter Berücksichtigung dieser Residualkovarianz (χ² = 22,403, df = 12, CFI = ,992, RMSEA = ,037, SRMR = ,025, AIC = 10232, BIC = 10334). Alle Parameter waren signifikant (p < ,001) und die standardisierten Faktorladungen lagen zufriedenstellend zwischen ,50 und ,84 (Abbildung 2). Auch war die Varianz des zweiten Faktors größer als die des ersten. Die Korrelation zwischen den Faktoren betrug r  =  ,75.

Wenngleich die Korrelation zwischen den Faktoren in den konfirmatorischen Faktorenmodellen hoch war, stellt dies kein Anzeichen für mangelnde diskriminante Validität dar (z. B. Brown, 2015). Dennoch kann die Frage aufkommen, ob es sinnvoll ist, die Skala trotz des Vorhandenseins von zwei Faktoren als eindimensional zu behandeln. Daher wurde mit den Daten aus Studie 2_Deutsch ein bifactor-Modell (Reise, 2012) geschätzt (robust maximum likelihood). Im bifactor-Modell ist jedes Item ein Indikator sowohl für einen allgemeinen Faktor als auch für jeweils einen spezifischen Faktor. Das heißt, für jedes Item werden zwei Faktorladungen geschätzt: eine mit ihrem jeweiligen spezifischen Faktor (Schlafprobleme oder Beeinträchtigung der Tagesform) und eine weitere mit dem allgemeinen Faktor. Der allgemeine Faktor muss als orthogonal zu den spezifischen Faktoren behandelt werden. Die spezifischen Faktoren wurden (auch wenn dies nicht zwingend notwendig ist) ebenfalls als orthogonal zueinander behandelt, da angenommen wird, dass die Korrelation zwischen ihnen durch den allgemeinen Faktor absorbiert wird (korrelierte Faktoren veränderten die Ergebnisse nicht wesentlich). Außerdem musste die Residualkovarianz aufgrund von Identifikationsproblemen ignoriert werden. Gemäß der χ²-Fit-Statistik passte das Modell gut zu den Daten (χ² = 28,074, df = 7, CFI = ,999, RMSEA = ,014, SRMR = ,004, AIC = 238701, BIC = 238915). Allerdings zeigen AIC und BIC einen schlechteren Fit als für die CFA-Modelle mit zwei Faktoren (mit und ohne Residualkovarianz). Dies könnte ein Hinweis auf Überparameterisierung sein. Die Mittelwerte der standardisierten Faktorladungen für die spezifischen Faktoren waren ,32 bzw. ,54. Dies zeigt, dass die spezifischen Faktoren (Schlafprobleme und Beeinträchtigung der Tagesform) mehr als 10,24 % bzw. 29,16% der beobachteten Varianz der jeweiligen Items erklären, was auf eine systematische Abweichung von der durch den allgemeinen Faktor erklärten Varianz hindeutet. Wir interpretieren dies als Argument für die Berücksichtigung der Mehrdimensionalität bei der Modellierung der Skala. Ein bifactor-Modell mit den Daten der kleineren Stichprobe aus Studie 5_Englisch führte zu Schätzproblemen (Heywood case).

Abbildung 2. CFA Parameterschätzungen für Studie 2_Deutsch (Panel A, N = 14.797) und Studie 5_Englisch (Panel B, N = 623).

Anmerkungen. nicht standardisierte Schätzwerte in normaler Schrift, Standardfehler kursiv, standardisierte Schätzwerte fett gedruckt, *Parameter fixiert zur Skalenidentifikation.

Insgesamt ergaben unsere explorativen und konfirmatorischen Faktorenanalysen ergaben eine zweifaktorielle Struktur mit 7 von 8 Items, die auf die Faktoren "Schlafprobleme" (Items 1, 2, 3, 4, die Item-Nummerierung bezieht sich auf Tabelle 1) und "Beeinträchtigung der Tagesform" (Items 5, 6, 7) hinweisen. Ein Item zur Bewertung der Schlafdauer wurde verworfen, da es auf zwei Faktoren erheblich überlagert wurde. Dies ist nicht überraschend, da die Schlafdauer zum Teil davon abhängt, wie viel Zeit man zum Einschlafen braucht (Item 1), was wiederum die Tagesform beeinflussen kann. Mehrere experimentelle und Beobachtungsstudien haben in der Tat die schädlichen Auswirkungen von Schlafentzug auf die Leistungsfähigkeit am Tag gezeigt (z. B. auf die kognitive Leistungsfähigkeit; Lim & Dinges, 2010; Lowe et al., 2017). Eine Zwei-Faktoren-Struktur des AIS wurde bereits in früheren Studien gefunden (Chung et al., 2011; Enomoto et al., 2018; Hallit et al., 2019; Okajima et al., 2013; Yen et al., 2010) und wurde daher auch erwartet, obwohl sie in der ursprünglichen Validierungsstudie (Soldatos et al., 2000) nicht gefunden wurde. Dennoch schlugen Soldatos und KollegInnen vor, dass die ersten fünf Items für sich genommen als kurze AIS verwendet werden könnten (Soldatos et al., 2000). Eine kurze Skala zur Messung der Schlafqualität und ihrer Auswirkungen auf die Tagesform ist ebenfalls ein Vorteil der AIS-NCA, da mit ihr untersucht werden kann, wie diese beiden wichtigen Aspekte des Schlafs miteinander und mit anderen Variablen zusammenhängen. So ließe sich beispielsweise untersuchen, ob Schlafprobleme oder die Beeinträchtigung der Tagesform einen größeren Einfluss auf gesundheitsbezogene Ergebnisse und Leistungsindizes haben.

Itemkennwerte

Tabelle 3 zeigt Mittelwerte, Standardabweichungen, Schiefe und Exzess für die Items aller Studien. Die Normalität der Daten ist akzeptabel ((± 2 gemäß George & Mallery, 2010): Schiefe_range = -,01 bis ,65, Exzess_range = -,47 bis ,93. Insgesamt sind die Items recht symmetrisch mit einigen geringen Abweichungen. Für die EFA und CFA Analysen wurde jeweils ein (gegen Nicht-Normalität) robuster Maximum-Likelihood-Schätzer verwendet.

Tabelle 3

Mittelwerte, Standardabweichungen, Schiefe und Exzess der manifesten Items

Objektivität

Durch den qualitativen Pre-Test (Items wurden gleich verstanden und interpretiert von den ProbandInnen), die Online-Erhebung (kein Einfluss eines Interviewers auf die Antworten der Befragten) und ein standardisiertes Auswertungsverfahren wurde die Objektivität der Skala gewährleistet.

Reliabilität

Interne Konsistenz:

Die interne Konsistenz beider Subskalen in Studie 1_Deutsch ist akzeptabel bis gut (ω_{Schlafprobleme} = ,73; ω_{Beeinträchtigung der Tagesform} = ,83). Dies gilt auch für die gesamte Skala (ω_{Gesamtscore AIS-NCA-G} = ,82). In den Studien 2_Deutsch und 5_Englisch wurden separate konfirmatorische Faktorenmodelle für jeden Faktor geschätzt. Dabei ergaben sich akzeptable bis gute Omegakoeffizienten (Studie 2_Deutsch: ω_{Schlafprobleme} = ,72; ω_{Beeinträchtigung der Tagesform} = ,83; Studie 5_Englisch: ω_{Schlafprobleme} = ,75; ω_{Beeinträchtigung der Tagesform} = ,81). Insgesamt deuten die Resultate auf ein ausreichendes Maß interner Konsistenz hin.

Test-Retest Reliabilität

Die Test-Retest-Reliabilität der Skala wurde anhand der intra class correlation (ICC) über ein langes (ein Jahr, Studie 2_Deutsch) und ein kurzes (sieben Tage, Studie 3) Zeitintervall bewertet. Für das lange Intervall zeigten sich für die Gesamtskala eine ICC = ,76 (SE = ,003), für die Subskalen Schlafprobleme von ICC = ,75 (SE = ,003) und für die Subskala Beeinträchtigung der Tagesform von ICC = ,68 (SE = ,004). Für dieses relativ lange Intervall von etwa einem Jahr zeigt sich, dass die Messwerte relativ stabil sind. Für das kurze Intervall zeigte sich für die Gesamtskala eine ICC = ,88 (SE = ,025), für die Subskala Schlafprobleme ICC = ,90 (SE = ,02) und für die Subskala Beeinträchtigung der Tagesform ICC = ,76 (SE = ,05). Die Test-Retest-Reliabilität über ein kurzes Intervall von etwa sieben Tagen zeigte somit, dass die Messwerte (insbesondere bei der Subskala Schlafprobleme) relativ stabil waren und etwas stabiler als bei dem langen Intervall von einem Jahr. Diese Ergebnisse deuten zwar auf zeitliche Stabilität hin, doch künftige Forschungsarbeiten sollten bei der Replikation andere Populationen als Studierende in den Blick nehmen.

Validität

In Studie 4_Deutsch haben wir die Konstruktvalidität (konvergent und diskriminant) der AIS-NCA-G untersucht. Zusätzlich haben wir in Studie 2_Deutsch die konkurrente und prädiktive Validität getestet.

Konstruktvalidität

Die Konstruktvalidität der AIS-NCA-G-Subskala "Schlafstörungen" wurde durch starke positive Korrelationen sowohl mit dem PSQI-Gesamtscore (r = ,69, p < ,001, siehe Tabelle 4 für alle Korrelationen) als auch mit dem JSPS-Gesamtscore (r = ,75, p < ,001) unterstützt. Die Korrelation zwischen dem ESS und der AIS-NCA-G-Subskala "Beeinträchtigung der Tagesform" war schwächer (r = ,35, p < ,001). Die Korrelationen zwischen der AIS-NCA-G-Subskala "Beeinträchtigung der Tagesform" und dem PSQI-Sub-Score "Beeinträchtigung der Tagesform" (r = ,67, p < ,001) sowie Item 4 des JSPS ("Wachen Sie nach Ihrer üblichen Schlafdauer auf und fühlen sich müde oder erschöpft?") waren jedoch stark (r = ,71, p < ,001). Der ESS wies insgesamt schwache Korrelationen mit allen anderen Instrumenten auf, was darauf hindeutet, dass der ESS möglicherweise speziell die Schläfrigkeit und nicht die allgemeine Beeinträchtigung der Tagesform erfasst. Außerdem war der Gesamtscore der AIS-NCA-G stark und positiv mit dem PSQI-Gesamtscore (r = ,75, p < ,001) und dem JSPS-Gesamtscore (r = ,78, p < ,001) korreliert.

Die Korrelationen zwischen den verschiedenen Bereichen und Scores des Wohlbefindens und dem AIS-NCA-G, einschließlich seiner Subskalen, zeigten eine zufriedenstellende diskriminante Validität. Alle Korrelationen waren negativ und hauptsächlich schwächer (r-Werte zwischen -,14 und -,51, alle p-Werte <,05) im Vergleich zu den Korrelationen, die für die konvergente Validität berichtet wurden. Insgesamt zeigten die AIS-NCA-G-Subskalen und die Gesamtskala eine gute konvergente und diskriminante Validität.

Tabelle 4

Interkorrelation von AIS-NCA-G, PSQI, SPS, ESS, und Wohlbefinden (Studie 4_Deutsch, N = 272-331a)

Anmerkungen. Unterschiede in den Fallzahlen zwischen den Skalen ergeben sich aus einer unterschiedlichen Anzahl fehlender Beobachtungen für jede (Sub-)Skala (aufgrund der Komplexität und Länge des PSQI wurden mehr fehlende Werte beobachtet); ^*p < ,05, ^**p < ,01, ^***p < ,001.

Konkurrente und prädiktive Validität

Für einen weiteren Validitätstest der AIS-NCA-G wurde untersucht, ob Personen ohne und mit Schlafstörungsdiagnose in t₂ unterschiedliche Mittelwerte auf der Skala bzw. auf den Subskalen aufweisen. Die Befragten wurden danach gefragt, ob bei ihnen Narkolepsie/Kataplexie oder andere Schlafstörungen (z. B. Ein- und Durchschlafen oder Schlafapnoe) diagnostiziert wurden. Es zeigt sich, dass mit Personen einer Schlafstörungsdiagnose höhere Werte auf beiden Subskalen und der Gesamtskala aufweisen als Personen ohne eine solche Diagnose (siehe Panel A in Abbildung 33): M_{keine Diagnose} = 2,84 ± ,68; M_Diagnose = 3,29 ± ,74; t(14.795) = -24,74; p < ,001; Cohen’s d = -,66. Der Vergleich bezüglich Beeinträchtigung der Tagesform ergab höhere Werte bei Personen mit Schlafstörungsdiagnose: M_{keine Diagnose} = 2,38 ± ,63; M_Diagnose = 2,82 ± ,77; t(14.795) = -25,67; p < ,001; Cohen’s d = -,69. Der Vergleich des Gesamtscores ergab ebenso höhere Werte für Personen mit einer solchen Diagnose: M_{keine Diagnose} = 2,64 ± ,57; M_Diagnose = 3,09 ± ,66; t(14.795) = -28,94; p < ,001; Cohen’s d = -,77). Somit kann die Skala mit mäßigen bis großen Effektstärken zwischen beiden Gruppen unterscheiden.

Abbildung 3. Panel A zeigt die Mittelwerte (mit Standardabweichungen) der Subskalen für Schlafprobleme und Beeinträchtigung der Tagesform sowie den Gesamtscore in Abhängigkeit einer Schlafstörungsdiagnose (zum Zeitpunkt t₂), während Panel B die vorhergesagten Werte (mit 95%-Konfidenzintervallen) für neue Schlafstörungsdiagnosen zwischen t₁ und t₂ zeigt (N = 14.797).

Anmerkungen. In Panel A stehen weiße Balken (□) für Befragten, die angegeben haben, keine diagnostizierte Schlafstörung zu haben, während schwarze Balken (■) für eine diagnostizierte Schlafstörung stehen. In Panel B beziehen sich die grauen gestrichelten Linien (– ‒) auf Schlafprobleme, die grauen durchgezogenen Linien (–‒) auf die Beeinträchtigung der Tagesform und die schwarzen durchgezogenen Linien (–‒) auf den Gesamtscore.

Zudem wurde untersucht, ob auch das Auftreten einer neuen Schlafstörungsdiagnose in t₂ mittels der AIS-NCA-G zum Zeitpunkt t₁ vorhergesagt werden kann. Personen, die bereits zum Zeitpunkt t₁ eine Schlafstörungsdiagnose angegeben haben, wurden nicht berücksichtigt. Insgesamt gaben zum Zeitpunkt t₂ 508 der 13.274 Fälle (d. h. bei 3,83%) an, dass bei ihnen eine Schlafstörung diagnostiziert wurde. Anhand einer logistischen Regression mit jeweils entweder der Gesamtskala oder einer der Subskalen als Prädiktor zeigte sich, dass ein Anstieg der Subskala Schlafprobleme um eine Einheit die Wahrscheinlichkeit einer neuen Diagnose um 156,7% erhöhte (OR = 2,57, p < ,001, siehe Panel B in Abbildung 3). Die Wahrscheinlichkeit einer neuen Schlafdiagnose zeigt sich auch bei höheren Werten auf der Subskala Beeinträchtigung der Tagesform (OR = 2,30, p < ,001) und beim Gesamtscore (OR = 3,30, p < ,001). Dies stützt die prädiktive Validität der Skala.

Die Konstruktvalidität wurde anhand der konvergenten und diskriminanten Validität bewertet. Aufgrund der Zwei-Faktoren-Struktur wollten wir die konvergente Validität mit Hilfe verschiedener Instrumente prüfen, die speziell für die Erfassung von Schlafproblemen und der Beeinträchtigung der Tagesform entwickelt wurden. Die konvergente Validität für den Faktor "Schlafprobleme" war sehr gut (alle r-Koeffizienten lagen nahe bei oder über ,70). Die konvergente Validität des Faktors "Beeinträchtigung der Tagesform", der mit dem ESS für Schläfrigkeit gemessen wurde, war weniger zufriedenstellend (r = ,35). Diese relativ niedrige Korrelation könnte darauf hindeuten, dass Schläfrigkeit und Beeinträchtigung der Tagesform, obwohl sie zusammenhängen, zwei unterschiedliche Konstrukte sind. Dies wird durch die relativ geringen Korrelationen zwischen dem ESS und einigen der Items aus dem PSQI und dem JSPS, die ebenfalls die Tagesform beurteilen, bestätigt. Die Korrelation dieser Items mit dem Faktor "Beeinträchtigung der Tagesform" des AIS-NCA-G war relativ hoch (,67 mit PSQI und ,71 mit JSPS). In künftigen Validierungsstudien könnte daher ein weiteres Instrument verwendet werden, um die Tageszeitfunktionalität spezifischer zu erfassen. Die diskriminante Validität wurde durch geringere Korrelationen mit verschiedenen Dimensionen der deutschen Version des Flourishing Index (FI) und des Secure Flourishing Index (SFI) zur Erfassung des Wohlbefindens unterstützt, von diesen Dimensionen wurde erwartet, dass sie mit Schlafindikatoren korrelieren (Gothe et al., 2020; Tang et al., 2017). Darüber hinaus konnten wir feststellen, dass die Skala in der Lage war, zwischen Befragten mit und ohne Diagnose von Schlafproblemen zu unterscheiden (Studie 2_Deutsch). Wir fanden auch Hinweise auf eine gute prädiktive Validität der AIS-NCA-G, da sie in der Lage war, neue Schlafstörungen innerhalb eines Jahres vorherzusagen. Somit kann die AIS-NCA-G auch im klinischen Bereich nützlich sein.

Nebengütekriterien

Messinvarianz

Zusätzlich wurden verschiedene Messinvarianz-Szenarien für das Zwei-Faktoren-Modell getestet, um zu prüfen, ob die Messungen über verschieden Gruppen, Sprachen und Zeitpunkte hinweg vergleichbar sind, und ob Vergleiche von (Ko)Varianzen, Regressionskoeffizienten und Mittelwerten auf der Basis der Skala valide sind. Im einzelnen wurde Messinvarianz bezüglich folgender Merkmale getestet: Geschlecht (N_gesamt = 14.797; N_männlich = 7.334; N_weiblich = 7.463; Daten aus Studie 2_Deutsch), drei Altersgruppen (N_gesamt = 14.797; jüngere Erwachsene, Alter 18-29: N_18-29 = 1.110; Erwachsene mittleren Alters und ältere Erwachsene, Alter 30-63: N_30-63 = 10.439; ältere und pensionierte Erwachsene, Alter 64-97: N_64-97 = 3.248; Daten aus Studie 2_Deutsch), zwei Zeitpunkte (N = 14.797; Daten aus Studie 1_Deutsch und Studie 2_Deutsch), Schlafstörungsdiagnosen (N_gesamt = 14.797; nicht diagnostiziert: N_negativ = 13.213; diagnostiziert: N_positiv = 1.584; Daten aus Studie 2_Deutsch) und Sprachen (N_gesamt = 961; Deutsch: N_Deutsch = 338; Englisch: N_Englisch = 623; Daten aus Studie 4_Deutsch und Studie 5_Englisch). Für jedes Szenario wurde zunächst das Messmodell mit zwei Faktoren und Residualkovarianz zwischen Item 2 und Item 3 in den jeweiligen Subgruppen separat getestet. Anschließend wurden die konfirmatorischen Faktorenmodelle als multiple Gruppenvergleiche geschätzt, beginnend mit dem am wenigsten restringierten Modell für konfigurale Invarianz (gleiche Modellstruktur), gefolgt von metrischen (gleiche Modellstruktur, gleiche Faktorladungen), skalaren (gleiche Modellstruktur, gleiche Faktorladungen, gleiche Konstanten/Intercepts) und strikten Invarianzmodellen (gleiche Modellstruktur, gleiche Faktorladungen, gleiche Konstanten/Intercepts, gleiche Residualvarianzen). Für den Invarianztest über zwei Zeitpunkte wurden longitudinale Messmodelle geschätzt (Leitgöb et al., 2021). Für jeden Zeitpunkt wurden zwei Faktoren und die Residualkovarianz zwischen Item 2 und Item 3 spezifiziert. Zudem wurden auch Residualkovarianzen gleicher Items über die Zeit zur Berücksichtigung von „memory effects“, ähnlichen Antworttendenzen, gleichen Itemformulierungen und der Inflation der Stabilität der Faktoren sowie Korrelationen zwischen allen Faktoren zugelassen (Finkel, 1995).

Das Messmodell passte bei den separaten Analysen in allen Subgruppen bzw. zu allen Zeitpunkten gut zu den jeweiligen Daten (für alle Modelle: RMSEA < ,060, CFI > ,950, SRMR < ,080). Die Fitstatistiken der Invarianztests sind in Tabelle 5 dargestellt. Strikte Invarianz kann für die Szenarien Geschlecht, Zeit, Schlafstörungsdiagnosen und Sprache angenommen werden. Hier waren die Unterschiede in den Fitkriterien gering (z. B. Chen, 2007). Demnach sind Vergleiche der latenten Varianzen und Kovarianzen, der Regressionskoeffizienten und der latenten Mittelwerte bezüglich dieser Merkmale valide. Zudem können auch die Informationen auf der manifesten Ebene verglichen werden. Für das Altersgruppen-Szenario verschlechterten sich die Fitkriterien zwischen dem metrischen und skalaren Modell deutlicher (obwohl die globale Anpassung immer noch akzeptabel war). Nach einer schrittweisen Modifikation des skalaren Invarianzmodells anhand der Modifikationsindizes konnte mit einem partiellen Invarianzmodell (Byrne et al., 1989) eine bessere Modellanpassung erzielt werden. In diesem Modell wurden die Invarianzbeschränkungen für die Konstanten der Items 1 und 2 in der mittleren Altersgruppe sowie für die Konstanten der Items 2 und 6 in der ältesten Gruppe aufgehoben. Die Aufhebung dieser Invarianzbeschränkungen wurde in das strikte Invarianzmodell übernommen. Den Fitstatistiken nach können latente Mittelwerte über Altersgruppen hinweg verglichen werden. Bei Vergleichen von manifesten Informationen (z. B. „additive composite scores“) ist allerdings vorsichtig geboten (Steinmetz, 2013). Die latenten Mittelwerte und Varianzen aus den strikten Invarianzmodellen sind für jedes Szenario in Tabelle 4 dargestellt.

Tabelle 5

Prüfung der Messinvarianz

Anmerkungen. χ² = Chi-Quadrat Teststatistik, df = Freiheitsgrade, CFI = Comparative fit index, RMSEA = Root mean square error of approximation, SRMR = Standardized root mean residual, AIC = Akaike Information Criterion, BIC = Bayesian Information Criterion.

Tabelle 4

Latente Mittelwerte und Varianzen

Anmerkungen. Standardfehler in Klammern.

 Insgesamt zeigt die Analyse der Messinvarianz, dass die Messwerte sowohl für Schlafprobleme als auch für die Beeinträchtigung der Tagesform über die Geschlechter, über die Zeit (ein Jahr) und über bestehende Schlafstörungsdiagnosen hinweg strikt invariant waren. Somit können (Ko)Varianz-Regressionskoeffizienten und Mittelwerte ohne Verzerrung verglichen werden. Für das Alter zeigten die Maße jedoch nur eine partielle Skaleninvarianz, was bedeutet, dass die latenten Mittelwerte über Altersgruppen hinweg verglichen werden können, wobei jedoch beim Vergleich zusammengesetzter Mittelwerte sehr unterschiedlicher Altersgruppen Vorsicht geboten sein könnte.

Abschließende Bemerkungen

Mit insgesamt fünf Studien haben wir bestätigt, dass die AIS-NCA gute psychometrische Eigenschaften aufweist. Insgesamt ist die AIS-NCA ein kurzer (im Durchschnitt dauert das Ausfüllen der Skala weniger als 1 Minute), effizienter, ökonomischer, valider und zuverlässiger Sieben-Item-Fragebogen, der in nicht-klinischen Forschungsumgebungen zur Messung von Schlafproblemen und der Beeinträchtigung Tagesform eingesetzt werden kann. Angesichts der Zwei-Faktoren-Struktur, die durch die explorative und konfirmatorische Faktorenanalyse getestet bzw. unterstützt wurde, können Forschende je nach ihren spezifischen Forschungsfragen auch nur eine der beiden Subskalen verwenden. Die AIS-NCA dürfte sich besonders für kurze Befragungen eigenen, aber insbesondere auch für große, themenübergreifende Bevölkerungsstudien, die Veränderungen und Stabilitäten der beiden Schlafdimensionen beobachten möchten oder untersuchen möchten, inwiefern diese Dimensionen andere Konstrukte wie Gesundheit und Wohlbefinden beeinflussen oder durch sie beeinflusst werden.

Danksagung

Wir danken allen, die bei der Durchführung der Studie geholfen haben, insbesondere Dana Pietralla, Guido Mehlkop, Fabian Hasselhorn, Floris van Veen, Saskia Huber und dem forsa-Team. Darüber hinaus danken wir Andrea Steinebrunner, Don MacDonald, Floris van Veen, Frank M. Rosenbauer, Guido Mehlkop, Kevin Phillips und Heidemarie Oberg Fischer für ihren Beitrag zur ÜbersetzungsexpertInnenrunde. Zudem danken wir Alexandra Heyden für die Unterstützung bei der Manuskripterstellung.

• Sebastian Sattler, Universität Bielefeld, Fakultät für Soziologie, sebastian.sattler@uni-bielefeld.de
• Giulia Zerbini, Universität Augsburg, Lehrstuhl für Medizinische Psychologie und Soziologie, giulia.zerbini@med.uni-augsburg.de
• Daniel Seddig, Universität zu Köln, Institut für Soziologie und Sozialpsychologie, dseddig@uni-koeln.de