Longitudinale meetinvariantie van de Forensische Klachtenlijst 18+

Longitudinale meetinvariantie van de Forensische

Klachtenlijst 18+

Masterthese

Matthijs Christiaan ten Hag

Amsterdam, 24 augustus 2016

Mastertrack Klinische Forensische Psychologie

Studentennummer: 11047003

Begeleiding vanuit de Universiteit van Amsterdam: Carlijn Wibbelink Begeleiding vanuit de Waag: Dr. Joan van Horn

2

Samenvatting

In de huidige studie is onderzocht of de Forensische Klachtenlijst 18+ (FKL 18+), een vragenlijst die relevante klachten voor de forensische ambulante populatie meet, een consistent patroon over tijd hebben. Dit is noodzakelijk om valide uitspraken te kunnen doen of gerapporteerde veranderingen van klachten over tijd geïnterpreteerd kunnen worden als een daadwerkelijke verandering in klachten en niet te wijten zijn aan meetfouten. Men spreekt van longitudinale meetinvariantie als de vragenlijst verandering in klachten meet. De gegevens werden verzameld bij cliënten in behandeling bij de Waag, een poliklinisch forensisch behandelcentrum. Van de onderzoeksgroep (N = 189) was een startmeting en een tweede meting (na vier maanden behandeling) beschikbaar. Een confirmatieve factoranalyse werd uitgevoerd om te onderzoeken of de schalen en de items van deze schalen een consistent patroon over tijd lieten zien. De resultaten van de huidige studie toonden aan dat zowel de

meetkarakteristieken van de items en de schalen een consistent patroon over tijd hadden, waarmee aan de eisen van longitudinale meetinvariantie wordt voldaan. Concluderend is de FKL 18+ een geschikt instrument om over een periode van vier maanden valide uitspraken te doen over het verloop van klachten bij forensische poliklinische cliënten.

Introductie

De Forensische Klachtenlijst (FKL) 18+ is een recent ontwikkelde zelfrapportage vragenlijst, ontwikkeld voor ‘Routine Outcome Measurement (ROM). ROM is vanaf 2009 breed ingevoerd in de Geestelijke Gezondheidszorg (GGZ) en in het kielzorg daarvan ook in de forensische zorg. De primaire doelstelling van ROM is het ondersteunen van klinische behandeltrajecten (Nugter & Buwalda, 2012).

Uit onderzoek blijkt dat ROM als klinisch ondersteuningsmoment bij volwassen patiënten in de GGZ effectief blijkt voor de diagnostiek; er wordt sneller en completer gescreend. Ook is gebleken dat ROM belemmeringen binnen behandeling kan identificeren, waardoor tijdig bijstelling kan plaatsvinden. Bovendien werd een gunstig effect op de communicatie tussen patiënt en behandelaar aangetoond (Carlier, Meuldijk, van Vliet, Fenema, van der Wee en Zitman, 2012). Echter, in een

3

rapport van het Trimbos-instituut (2015), dat in opdracht van het ministerie van VWS een onderzoek heeft gedaan naar de implementiegraad en de verdieping van ROM, wordt gesteld dat tot op heden de aandacht meer is uitgegaan naar benchmarking (het aanleveren van data om organisaties met elkaar te kunnen vergelijken) en minder naar de primaire functie van ROM. Het rapport beveelt aan meer werk te maken van het gebruiken van geschikte vragenlijsten, het trainen van behandelaren in het

interpreteren van de scores en het terugkoppelen daarvan aan cliënten. Ook wordt dringend aanbevolen de ROM-scores voor cliënten meer toegankelijk en begrijpelijk te maken.

Toegespitst op de forensische psychiatrie geven Goethals en van Marle (2012) aan dat meetinstrumenten voor de ROM ontwikkeld moeten worden. Zij zijn kritisch over het gebruik van risicotaxatie-instrumenten voor ROM omdat zij onder andere statische, dat wil zeggen

niet-veranderbare risicofactoren bevatten en omdat de dynamische (niet-veranderbare) risicofactoren moeilijk op korte termijn te veranderen zijn.

In de forensische GGZ werden de Health of the Nation Outcome Scale (HoNos) (Mulder et al., 2004) en de Manchester Short Assessment of Quality of Life (MANSA), (van Nieuwenhuizen, Schene, & Koetier, 2000) als vragenlijsten geïntroduceerd. Van beide lijsten zijn alleen normgroepen van cliënten binnen de reguliere GGZ beschikbaar en zijn de lijsten onvoldoende toegespitst op cliënten in de ambulante forensische zorg. Om over gevalideerde vragenlijsten te beschikken in de forensische zorg heeft de Waag, een forensische ambulante GGZ-instelling, een nieuwe lijst

ontwikkeld genaamd de Forensische Klachtenlijst 18+ (FKL 18+) (Van Horn, Hendriks, & Kraanen, 2015).

De FKL 18+ bestaat uit zeven subschalen die de meest voorkomende klachten meten die in forensische poliklinieken worden behandeld: agressie, sociale steun, middelenmisbruik, concentratie, boosheid, probleemoplossing en seksualiteit. Het domein seksualiteit wordt uitsluitend ingevuld door zedendelinquenten. Bij deze subschalen wordt verondersteld dat deze klachten representatief zijn bij delinquenten die geïndiceerd zijn voor ambulante forensische behandeling. Hieronder volgt een korte omschrijving van de concepten van de FKL 18+ domeinen die in dit onderzoek worden meegenomen.

4

Agressie

Vanaf de jaren 90 van de vorige eeuw heeft onderzoek laten zien dat er twee vormen van agressie bestaan, gebaseerd op verschillende motieven: proactieve en reactieve agressie (Cima, Raine, Meesters & Popma, 2013). Proactieve agressie verwijst naar gedrag dat over het algemeen gereguleerd wordt door externe beloningen. Deze vorm van agressie wordt gezien als instrumentele,

georganiseerde, agressie. Reactieve agressie wordt beschreven als een vijandige, boze reactie op veronderstelde frustratie of bedreiging. Het doel van deze vorm van agressie is om zichzelf te verdedigen of de ander te beschadigen.

Sociale steun

Het terug kunnen vallen op sociale steun wordt als protectieve factor tegen criminaliteit gezien (de Vries Robbé, 2014). Volgens de sociale steun theorie van Antonaccio, Tittle, Brauer en

Zakiul

Islam (2015) leidt het hebben van sociale steun tot meer prosociaal gedrag. Daarnaast geeft het een afname in criminaliteit en leidt het tot minder gezondheidsklachten. Bovendien is gebleken dat personen die zich meer aan anderen binden en meer prosociale activiteiten zoeken, minder misdrijven plegen (Thornberry, Giordana, Uggen, Matsuda en anderen, 2013).

Middelenmisbruik

Middelenmisbruik wordt door Andrews en Bonta (2006) als een van de belangrijkste risicofactoren genoemd. Zij geven aan dat de relatie tussen middelenmisbruik en crimineel gedrag complex is. Andrews en Bonta (2006, p, 406) geven aan dat het crimineel gedrag beïnvloed wordt door de ontremming van de gedragscontrole of op rechtstreekse wijze doordat het gedachten oproept die tot antisociaal gedrag leiden. Middelenmisbruik kan ook indirect crimineel gedrag faciliteren, bijvoorbeeld wanneer iemand steelt om aan drugs te komen en het kopen van drugs kan iemand in contact met criminelen brengen.

5

Concentratie

Het sociale informatieverwerkingsmodel van Crick en Dodge (Zie Hoogsteder, Bogaerts & Missler, 2014) veronderstelt dat agressieproblematiek gerelateerd is aan selectieve en disfunctionele informatieverwerking. Daarbij gaat het om selectief waarnemen, het niet kunnen richten van aandacht een beperkt concentratievermogen. Een tekort aan aandacht en snel afgeleid zijn komen daarnaast overeen met kenmerken van ADHD (Scholte & van der Ploeg, 2005). ADHD komt in forensische zorg veel voor en heeft een samenhang met criminaliteit (Buitelaar & Ferdinand, 2016).

Boosheid

Boosheid kan gedefinieerd worden als ‘een subjectief ervaren’, adaptieve en complexe emotie, met zowel functionele als disfunctionele effecten voor de persoon zelf (Hollin & Bloxholm, 2007). Boosheid wordt daarom gezien als een bijdragende factor voor agressie die de kans op geweld doet toenemen (Howells, 2003). Er is bewijs dat boosheid een belangrijke antecedent is voor verschillende vormen van geweld, waaronder huiselijk geweld en seksuele delictpleging (Howells & Day, 2004). Boosheid wordt gezien als een trigger voor vooral reactieve agressie (Cima et al, 2013).

Oplossingsvaardigheden

Een tekort aan oplossingsvaardigheden is gerelateerd aan crimineel gedrag en agressie (McMurran & McGuire, 2005). Delinquenten zijn dikwijls minder goed in staat hun problemen adequaat te definiëren, neigen te handelen naar effecten op de korte termijn ten koste van de langere termijn, hebben minder alternatieve oplossingen ter beschikking, en zijn minder goed in staat hun oplossing adequaat te evalueren Het plegen van delicten kan gezien worden als een (inadequate) manier van het oplossen van problemen (Antonowicz & Ross, 2005).

Huidige studie

De FKL 18+ is een recent ontwikkelde zelfrapportage vragenlijst. Zelfrapportage vragenlijsten bestaan uit items die voornamelijk ontwikkeld zijn voor de assessment van een onderliggend

6

fenomeen met als doel individuen over tijd te volgen of groepen te vergelijken. Van der Schoot, Lugtig en Hox (2012) schrijven dat voor de validiteit een vragenlijst identieke constructen met eenzelfde structuur moet meten. Een vragenlijst is meetinvariant als deelnemers zowel de individuele items als de onderliggende latente factoren op eenzelfde manier geïnterpreteerd hebben. Er is sprake van longitudinale meetinvariantie wanneer deelnemers over de tijd zowel de individuele items als de onderliggende latente factoren op eenzelfde manier interpreteren. Motl, McAuley en Mullen (2011) geven aan dat de assumptie van meetvariantie is dat zowel de meetkarakteristieken van de items (factorladingen, constanten, item residuen) als de factoren (variantie en covariantie) een consistent patroon over tijd hebben. Bij het ontbreken hiervan kunnen de meetresultaten veranderingen laten zien, zonder dat zich in werkelijkheid verandering hebben voorgedaan. Longitudinale meetinvariantie van de FKL 18+ is dus vereist om valide uitspraken te kunnen doen of verschillen in het rapporteren van klachten veroorzaakt worden door een daadwerkelijke verandering van klachten of doordat de meetkarakteristieken van de items en de schaal een inconsistent patroon over tijd hebben.

In het huidige onderzoek werd de longitudinale meetinvariantie van de FKL 18+ onderzocht. Er werd vergeleken of de factorstructuur op meerdere meetmomenten gelijk is.

Methode

De huidige studie betrof een longitudinaal prospectief onderzoek met een voormeting bij de start van de behandeling en een vervolgmeting vier maanden later. De gegevens werden verzameld tussen april 2015 en april 2016 bij cliënten in behandeling bij de Waag. De Waag is een poliklinisch forensisch behandelcentrum, en is onderdeel van de Forensische Zorgspecialisten. De Waag heeft negen vestigingen, met name in de Randstad. Forensische behandeling wordt geboden aan volwassenen en jongeren vanaf twaalf jaar, die door strafbaar of grensoverschrijdend gedrag met politie en justitie in aanraking zijn gekomen of dreigen te komen.

7

Onderzoeksgroep

De initiële onderzoeksgroep bestond uit 506 cliënten. Na het excluderen van 317 cliënten bleven er 189 cliënten over. De exclusiecriteria waren: vrouwen, cliënten die geen toestemming gaven voor gebruik van hun gegevens, cliënten onder de 18 jaar en cliënten waar geen gegevens bij de start van de behandeling beschikbaar zijn. De gemiddelde leeftijd van de onderzoeksgroep was 41.1 jaar (SD = 13.41). Van deze groep is er een eerste ROM meting (start behandeling) en een tweede ROM meting beschikbaar. De beschrijving van de onderzoeksgroep is weergegeven in Tabel 1.

Tabel 1

Beschrijving van de Onderzoeksgroep

(N = 760) n % Geboorteland Nederland Buitenland Opleidingsniveau

Onderwijs aan kleuters

152 37 2 80.4 19.6 1.1 Basis onderwijs 30 15.9 LBO VMBO praktijk 16 13 8.5 6.9

VMBO theorie, MAVO 23 12.2

MBO niveau 1 en 2 24 12.7

HAVO, VWO, MBO niveau 3 en 4 38 20.1

HBO Bachelor 11 5.8

HBO Master/WO Master 7 3.7

Post doctoraal 1 .05 Onbekend 24 12.7 Kader behandeling Vrijwillig 75 39.7 Verplicht 114 60.3 Indexdelict Agressie algemeen 72 38.1 Vermogen Huiselijk geweld

Seksueel grensoverschrijdend gedrag Overig 20 48 34 15 10.6 25.4 18.0 7.9

8

Procedure

In de ROM-procedure worden alle cliënten van de Waag routinematig gemeten met behulp van een aantal instrumenten waaronder de FKL 18+. Cliënten vullen periodiek de FKL 18+ in, als startmeting tijdens de intake, vervolgens elke vier maanden in het behandeltraject en tot slot is er een laatste meting bij de afsluiting van de behandeling. Cliënten kunnen de FKL 18+ online in een beveiligde omgeving via QuestManager (het ROM-systeem van de Waag) invullen. Voorafgaand aan het invullen van de vragenlijst krijgt de cliënt een instructie waarin uitgelegd wordt wat de inhoud is van de vragenlijst, de hoeveelheid vragen waaruit de lijst bestaat en de duur van het invullen. De cliënt heeft een periode van acht weken om de vragenlijst in te vullen. In bijlage A is de instructie van de FKL 18+ weergegeven.

Materiaal

De FKL 18+ is een zelfrapportagelijst die door cliënten worden ingevuld. Deze vragenlijst meet klachten over de afgelopen twee weken op zeven domeinen. De subschaal ‘Seksualiteit’ wordt alleen ingevuld door cliënten die tenminste één van de volgende drie opties hebben aangevinkt: 1) ik heb in het verleden negatieve seksuele ervaringen gehad; 2) ik heb momenteel problemen op seksueel gebied; en 3) ik ben aangemeld bij de Waag vanwege seksueel grensoverschrijdend gedrag. In het huidige onderzoek zal de subschaal ‘Seksualiteit’ niet mee worden genomen. De overige schalen met elk vier items zijn: agressie met (meetmoment 1; α = .80, meetmoment 2; α = .73), sociale steun (meetmoment 1; α = .88 , meetmoment 2; α = .91), middelengebruik (meetmoment 1; α = .89 , meetmoment 2; α = .86), concentratie (meetmoment 1; α = .85, meetmoment 2; α = .89), boosheid (meetmoment 1; α = .92 meetmoment 2; α = .90 ) , oplossingsvaardigheden (meetmoment 1; α = .72 meetmoment 2; α = .79) Enkele voorbeelditems van de FKL 18+ zijn: ‘ik bedreigde anderen’, ‘ik voelde de drang om alcohol en/of drugs te gebruiken’ en ‘ik was snel afgeleid’.

De items worden gescoord over de afgelopen twee weken aan de hand van de vraag: ‘Hoe vaak in de afgelopen twee weken dacht, voelde of deed u het volgende?’ Alle items worden gescoord

9

op een 5-puntsschaal: 1 ’nooit’, 2 ‘zelden’, 3 ‘regelmatig’, 4 ’vaak’ of 5 ‘altijd’. In bijlage B staat de FKL 18+ met alle items weergegeven.

Analyse

De beschrijvende statistiekwaarden (gemiddelde, standaarddeviatie, range, skewness en kurtosis) en de test-hertest betrouwbaarheid, gebaseerd op de richtlijnen van Rodríguez (2008), zijn door middel van SPSS (23.0 voor Windows) bepaald.

Om de longitudinale meetinvariantie te bepalen, werd onderzocht of de factorstructuur van de FKL 18+ meetinvariant blijft over twee meetmomenten. Dit onderzoek werd uitgevoerd aan de hand van de confirmatieve factor analyse met het Lavaan pakket (Versie 0.5-20) in het statistiekprogramma R (Versie 3.2.3). De analyses werden uitgevoerd bij zes van de zeven domeinen van de FKL 18+, verder factoren te noemen. De confirmatieve factor analyse werd gebruikt om de onderliggende factorstructuur vast te stellen. Daarbij wordt rekening gehouden met de factorladingen. Factorladingen van onder de .70 kunnen namelijk een indicatie zijn dat items niet goed passen bij het latente construct (Ellis, 2012). Vervolgens werd de multi-group confirmatieve factor analyse uitgevoerd door zes modellen met elkaar te vergelijken. Elk model is gradueel restrictiever dan het voorgaande model. Om aan meetinvariantie te voldoen, moet er ten minste aan de eisen van de eerste drie modellen worden voldaan (Van de Schoot, Lugtig & Hox, 2016). Deze drie modellen toetsen de relatie tussen de

gemeten variabele en de factoren. De modellen 4, 5 en 6 testen structurele meetinvariantie en testen de residuen, varianties en covarianties van de factoren. De modellen 5 en 6 worden vergeleken met model 4. De zes modellen van de multi-group confirmatieve factor analyse worden hieronder omschreven:

Model 1 (Configural Invariance) is om te testen of de factorstructuur hetzelfde is over de twee meetmomenten. Een acceptabele fit van dit model geeft aan dat de domeinen van de FKL 18+ te generaliseren zijn over de twee meetmomenten.

Model 2 (Metric Invariance) onderzoekt of de factorladingen van elk item gelijk zijn tussen de meetmomenten. Bij metrische invariantie worden de factorladingen over de meetmomenten vast gezet.

10

Een acceptabele fit van dit model geeft aan dat de factorladingen over de meetmomenten niet

verschillen.

Model 3 (Scalar Invariance) beoordeelt of de intercepts van de indicatoren gelijk zijn tussen de verschillende meetmomenten. Een acceptabele fit van dit model vergeleken met het vorige model geeft aan dat de intercepts van de items gelijk zijn over de meetmomenten. De intercepts, ook wel de constante in een regressievergelijking genoemd, zijn de onderliggende betekenissen van de items.

Model 4 (Error Variance Invariance) test of varianties van de residuen gelijk zijn over elk item per meetmoment. Een acceptabele fit, vergeleken met het vorige model, geeft aan dat de spreiding gelijk is over de meetmomenten, oftewel dat de betrouwbaarheid gelijk is over de meetmomenten.

Model 5 (Factor Variance Invariance) test of de varianties van de factoren over de

meetomenten gelijk zijn. Een acceptabele fit van dit model, vergeleken met het vorige model, geeft aan dat er een gelijkheid is in continuüm in het invullen van de FKL 18+ over de meetmomenten.

Model 6 (Factor Covariance Invariance) toetst of de relaties tussen de factoren over de twee meetmomenten hetzelfde zijn. Een acceptabele fit van dit model, vergeleken met Model 4, geeft aan dat de correlaties tussen de factoren over de meetmomenten invariant zijn.

De interpretatie van de invariantie werd gebaseerd op een aantal fit indexen. Verschillende wetenschappers bevelen meerdere indexen aan om de fit van het model te beoordelen (Hu & Bentler, 1995). Absolute en relatieve fit indexen worden meegenomen om de longitudinale meetinvariantie te onderzoeken. Absolute fit indexen bepalen hoe goed het a priori model aansluit bij de data (McDonald & Ho, 2002). De volgende absolute fit indexen werden meegenomen: Chi kwadraat (X²), de

genormeerde Chi kwadraat (X²/df), Root Mean Square Error of Appromination (RMSEA) en de Standardized Root Mean square Residual (SRMR). De Chi kwadraat evalueert de globale fit van het model en beoordeelt het verschil tussen de data en de gefitte covariantiematrixen (Hu & Bentler, 1999). Aan het gebruiken van de Chi kwadraat kleven echter een aantal nadelen. De Chi kwadraat is onder andere gevoelig voor de steekproefgrootte. Daarnaast gaat de Chi kwadraat uit van multivariate normaliteit en schending in normaliteit kan leiden tot onterecht verwerpen van het model (McIntosh,

11

2006). De beoordeling van de genormeerde Chi kwadraat compenseert voor de invloed van

steekproefgrootte (Hooper, Coughlan, & Mullen, 2008). Gaskin (2011) pleit voor X²/df waarde lager dan 5.0 voor een acceptabele ratio van de globale fit. De RMSEA kiest onbekende en optimale parameters om te schatten hoe goed het model past bij de covariantiematrix van de populatie (Bryne, 1998). De RMSEA kiest het model met de minste aantal parameters en kan compenseren voor grote steekproefwaarden (Hooper, Coughlan & Mullen, 2008). Een waarde tussen de .05 en .08 wordt beschouwd als acceptabel (Hu & Bentler, 1999; Gaskin, 2011). Bovendien is er de mogelijkheid om een 90% betrouwbaarheidsinterval (BHI) te bepalen. Tot slot is de SRMR de wortel van het verschil van de residuen van de covariantie matrix van de steekproef vergeleken met het verwachte

covariantiemodel (Hooper, Coughlan & Mullen, 2008). Waarden tussen de .05 en .10 worden beschouwd als acceptabel (Hu & Bentler, 1999).

Naast de absolute indexen vergelijken relatieve fit indexen de Chi kwadraat waarden met het baseline model. De nul hypothese hierbij is dat alle variabelen niet gecorreleerd zijn met elkaar (McDonald & Ho, 2002). De volgende relatieve fitindexen worden meegenomen: Comparative Fit Index (CFI) en de Tucker-Lewis Index (TLI). De CFI vergelijkt de data covariantiematrix met het baseline model. De TFI vergelijkt de Chi kwadraat van de data met de Chi kwadraat van het baseline model (Hooper, Coughlan & Mullen, 2008). Voor zowel de CFI als de TFI wordt een cut off waarde van .90 gezien als acceptabel (Hair et al, 2010). Waarden van boven de .95 worden beschouwd als goed (Hu & Bentler, 1999).

Absolute en relatieve fit indexen onderzoeken de fit van het model. In de analyse kan echter ook de verandering van het model meegenomen worden. De geteste modellen zijn als geheel

restrictiever. Er is daarom gekozen om de verandering in Chi kwadraat waarden in de analyse mee te nemen, waarbij significante waarden de hypothese van meetinvariantie voor het betreffende model verwerpen. Chi kwadraat waarden zijn gevoelig voor hoge steekproefgroottes en om hiervoor te corrigeren wordt de verandering in CFI (ΔCFI) meegenomen. Chueng en Rensvold (2002) geven in hun studie aan dat wanneer het verschil in CFI tussen .01 en .02 is, er twijfel is over de invariantie en verschillen groter dan .02 de assumptie van invariantie schendt.

12

Hair, Black & Anderson (2010) bepleiten dat de fitindices als richtlijnen gezien moeten

worden omdat er in de literatuur geen consensus is over een aantal afkapwaarden van de fit indices. Zij stellen dat een combinatie van drie tot vier verschillende indices voldoende is om de fit van het model te beoordelen.

Resultaten Beschrijvende statistiek

Het gemiddelde, standaarddeviatie, range, skewness en kurtosis voor de factoren op de FKL 18+ staan weergegeven in tabel 1.

13

Tabel 1

Beschrijvende statistieken van de FKL 18+ over twee meetmomenten

Schalen per meetmoment M SD Range

Agressie Meetmoment 1 Meetmoment 2 6.42 5.60 2.83 2.08 4, 17 [4, 15] Sociale steun Meetmoment 1 Meetmoment 2 12.69 13.46 4.38 4.45 [4, 20] [4, 20] Middelengebruik Meetmoment 1 Meetmoment 2 6.45 5.79 3.54 2.84 [4, 20] [4, 17] Concentratie Meetmoment 1 Meetmoment 2 11.42 11.10 2.43 2.24 [5, 19] [7, 17] Boosheid Meetmoment 1 Meetmoment 2 11.50 10.54 3.99 3.67 [4, 20] 4, 19 Oplossingsvaardgheden Meetoment 1 Meetmoment 2 13.25 14.02 3.09 3.26 5-20 6, 20 Noot. M = gemiddelde; SD = standaarddeviatie; SE = standaarderror.

Test-hertest betrouwbaarheid

De test-hertest betrouwbaarheid van de FKL 18+ scores tussen meetmoment 1 en

meetmoment 2 zijn gebaseerd op een twee weg inter-class correlatie coëfficiënt en is .74. Per schaal zijn de twee weg inter-class correlatie coëfficiënten: Agressie .74, Sociale steun .80,

14

Middelengebruik .72, Concentratie .74, Boosheid .81 en Oplossingsvaardigheden .74. Een score van boven de .70 geeft aan dat de schalen op de FKL 18+ betrouwbaar gemeten kunnen worden over tijd (Weir, 2005).

Longitudinale meetinvariantie en structurele invariantie over twee fasen van de behandeling Het onderliggende factormodel van de FKL 18+ over twee meetmomenten staat weergegeven in figuur 1.

15

Figuur 1

Onderliggende factorstructuur van de FKL 18+ over twee meetmomenten

Noot: AGR = agressie, SOC = sociale steun, MID = middelengebruik, CON = concentratie, BOOS = boosheid en OPL = oplossingsvaardigheden.

16

De items FKL01, FKL08, FKL31, FKL07 en FKL21 hebben in het onderliggende

factorrmodel een factorlading van onder de .70. Er is voor gekozen naast de analyse met alle items (resultaten worden weergegeven in tabel 2) ter controle een confirmatieve factor analyse uit te voeren met uitsluitend de items met een factorlading van groter of gelijk aan .70 (weergegeven in tabel 3). De resultaten van de analyse met alle items worden hieronder gedetailleerd omschreven.

Model 1 (Configural Invariance) is het baseline model. Het eerste model laat een goede fit van het model zien. Dat betekent dat de FKL 18+ op beide meetmomenten dezelfde factorstructuur heeft.

Model 2 (Metric Invariance) test of de factorladingen bij beide meetmomenten gelijk zijn. Het tweede model toont acceptabele fit waarden voor de absolute en relatieve fit indexen De Chi kwadraat van model 2 verschilt niet significant ten opzichte van model 1 (ΔΧ2_{(18) = 20.76, p =.292). Dit} impliceert dat de fit van model 2 niet significant slechter is dan model 1. De gevonden verschil waarde in CFI (∆CFI = .001) ondersteunt het niet significante Chi kwadraat verschil. Er kan vastgesteld worden dat de factorladingen niet van elkaar verschillen tussen de twee meetmomenten.

Model 3 (Scalar Invariance) beoordeelt of de intercepts van de indicatoren gelijk zijn tussen de twee meetmomenten. Het derde model toont acceptabele fit waarden voor de absolute en relatieve fit indexen. Ten opzichte van model 2 is er geen significant verschil waargenomen in Chi kwadraat (ΔΧ2_{(18) = 28.05, p = .061) en is het verschil tussen de CFI waarden acceptabel (∆CFI = .002).} Concluderend is de fit van het Scalar Invariance Model voldoende.

Model 4 (Error Variance Invariance) test of de spreiding gelijk is over elk item per

meetmoment. De absolute en relatieve fit indexen zijn acceptabel. Het verschil in Chi kwadraat tussen model 3 en 4 is significant (ΔΧ2_{(24) = 77.58, p = <.001) en de verschillen in CFI tussen beide}

modellen is .01. Dit geeft aan dat de fit van Model 4 significant slechter is dan model 3. Echter, aangezien de fitindexen van het model acceptabel zijn, kan verondersteld worden dat de fit van het model goed is. Er is daarom voor gekozen de volgende twee modellen te vergelijken met model 4.

Model 5 (Factor Variance Invariance) toetst of de varianties van de factoren gelijk zijn over de meetmomenten. Aan de eisen van de absolute en relatieve fit indexen zijn voldaan, alleen aan de eisen

17

van de waarde van de SRMR is niet voldaan. Het verschil in Chi kwadraat tussen model 3 en 4 is significant (ΔΧ2_{(6) = 26.00, p = <.001). Het verschil tussen de waarden van CFI tussen de modellen} is acceptabel (∆CFI = .004).

Model 6 (Factor Covariance Invariance) toetst of de relaties tussen factoren hetzelfde zijn over twee meetmomenten. De relatieve en absolute fit indexen zijn acceptabel. Het verschil in Chi kwadraat (ΔΧ2_{(df) = 28.72 (15) , p = .017) is significant. Het verschil in CFI waarden tussen model 4 en 6 is} acceptabel (∆CFI = .003).

Concluderend is er aan de voorwaarden van meetinvariantie (model 1, 2 en 3) voldaan. Zowel de relatieve als de absolute fit indexen en de vergelijkingen met de voorgaande modellen voldoen aan de eisen. Er is niet voldaan aan de eisen van structurele meetinvariantie aangezien er een significant verschil in fit is tussen de modellen 3 en 4. Wel kan geconcludeerd worden dat de fit binnen alle modellen als voldoende beoordeeld kan worden, aangezien er aan de eisen van de fit indexen is voldaan. De analyse waar alleen items opgenomen zijn met een factor lading groter of gelijk aan .70 toont betere fit waarden in alle modellen ten opzichte van de originele analyse. Echter is er zowel aan meetinvariantie als structurele meetinvariantie niet voldaan, aangezien er een significant verschil in fit is tussen de modellen 2 en 3. Er is voor gekozen de waarden van de analyse met alle items aan te houden aangezien deze analyse voldoet aan de eisen van meetinvariantie.

18

Tabel 2

Fit indexen van de confirmatieve factor analyse over twee meetmomenten van alle items (N = 189) Modellen

Χ

2

Χ

2

(df)

RMSEA

90% BHI

SRMR CFI TLI Δ

Χ

2 _{P ΔCFI}

Model 1 880.67 1.86 .067 [.060, .074] .061 .924 .911 Model 2 901.43 1.83 .066 [.059, .073] .061 .923 .914 20.76 .292 .001 Model 3 929.47 1.82 .066 [.059, .073] .066 .922 .915 28.05 .061 .002 Model 4 1007.05 1.89 .068 [.062, .075] .070 .912 .909 77.58 <.001 .010 Model 5 1033.05 1.91 .070 [.063, .076] .102 .908 .906 26.00 <.001 .004 Model 6 1035.77 1.89 .068 [.062, .075] .089 .909 .908 28.72 .017 .003

Noot. Χ2 _{= Chi kwadraat; RMSEA = Root mean square error of approximation; SRMR =} standardixed root mean square residual; CFI = Comparative Fit Index; TLI = Tucker Lewis Index; BHI = betrouwbaarheidsinterval; Δ = verandering; df = degrees of freedom.

ΔΧ2_{(df) en ΔCFI vergelijken de verandering in Χ}2 _{en CFI met het voorgaande model. De uitzondering} is Model 6, dit model wordt vergeleken met Model 4.

19

Tabel 3

Fit indexen van de confirmatieve factor analyse over twee meetmomenten van items met een factorlanding groter of gelijk aan .70 (N = 189)

Modellen

Χ

2

Χ

2

(df)

RMSEA 90% BHI

SRMR CFI TLI Δ

Χ

2 _{P ΔCFI}

Model 1 461.39 1.67 .60 .050, .069 .052 .959 .949 Model 2 470.37 1.63 .058 .048, .067 .054 .960 .952 8.98 .775 -.001 Model 3 493.12 1.63 .058 .048, .067 .055 .958 .952 22.75 .045 .002 Model 4 540.01 1.69 .060 .050, .068 .056 .951 .948 46.89 <.001 .006 Model 5 555.96 1.71 .061 .052, .070 .083 .949 .946 15.95 .014 .001 Model 6 561.87 1.68 .060 .050, .069 .070 .950 .949 21.86 .112 .002

Noot. Χ2 _{= Chi kwadraat; RMSEA = Root mean square error of approximation; SRMR =} standardixed root mean square residual; CFI = Comparative Fit Index; TLI = Tucker Lewis Index; BHI = betrouwbaarheidsinterval; Δ = verandering; df = degrees of freedom.

ΔΧ2_{(df) en ΔCFI vergelijken de verandering in Χ}2 _{en CFI met het voorgaande model. De uitzondering} is Model 6, dit model wordt vergeleken met Model 4.

Discussie

De huidige studie onderzocht de meetinvariantie over twee meetmomenten (longitudinale meetinvariantie) van de FKL 18+, een zelfrapportage vragenlijst, bestaande uit zeven (psychische) klachten of problemen die vaak bij cliënten in de ambulante forensische zorg voorkomen. Er zijn zes modellen met elkaar vergeleken. Er is onderzocht of de factorstructuur (model 1), de factor ladingen (model 2), de constanten (model 3), de varianties van de residuen (Model 4), de varianties van de

20

factoren (model 5) en de covarianties van de factoren (model 6) een consistent patroon over twee meetmomenten hebben. De confirmatieve factor analyse (CFA) bevestigde de longitudinale meetinvariantie van de FKL 18+. Dit betekent dat de factorstructuur, de factorladingen en de constanten gelijk zijn over twee meetmomenten. Structurele meetinvariantie kan echter niet

vastgesteld worden aangezien de fit van model 4 signifcant slechter is dan model 3. Wel zijn volgens de richtlijnen van Hair, Black en Anderson (2010) aan de afkapwaarden van de fit indexen voldaan. Daarmee kan gezegd worden dat naast de factorstructuur, factorladingen en constanten ook de spreiding van de items, de varianties en covarianties van de factoren over twee meetmomenten gelijk zijn. Deze studie toont aan dat verschillen in scores van de FKL 18+ over tijd geïnterpreteerd kunnen worden als eenzelfde beoordeling van verandering in klachten en dat deze niet toe te wijzen zijn aan meetfouten.

Een mogelijke verklaring voor het niet voldoen aan de eisen van structurele meetinvariantie over twee momenten kan gevonden worden in de onderliggende factorstructuur (zie Figuur 1). Deze onderliggende factorstructuurbaseline model bevat namelijk een aantal te lage factorladingen. Met name bij items van de subschalen agressie en oplossingsvaardigheden. Het weglaten van items met een te lage factorlading zorgt voor betere absolute en relatieve fit waarden in alle zes modellen. De fit waarden die de verhouding tussen modellen meenemen verslechteren echter, waardoor er zowel niet aan meetinvariantie als structurele meetinvariantie wordt voldaan.

Een andere manier om ervoor te zorgen dat er voldaan wordt aan de eisen van structurele meetinveriantie, is om items te herformuleren die een te lage factorlading hebben om de vergelijkingen tussen modellen te verbeteren. Een aanbeveling zou zijn om items behorend bij de subschaal agressie te herformuleren door onderscheid te maken tussen proactieve en reactieve agressie (Cima et al., 2013). Wanneer het onderscheid in proactieve en reactieve agressie op itemniveau gemaakt wordt, wordt aangesloten bij een bevinding uit een een exploratieve studie over de behandeling van

agressieve forensische cliënten (klinisch en poliklinisch). Uit deze studie blijkt dat de behandeling bij cliënten met reactief gedrag met name gericht dient te zijn op het verbeteren van deemotieregulatie en

21

sociale vaardigheden, terwijl bij cliënten met proactief agressief gedrag moreel redeneren en

prosociaal denken meer prioriteit moet krijgen (Hornsveld, Hollin, Nijman en Kraaimaat, 2007). Ook zouden de items van de subschaal probleem oplossende vaardigheden geherformuleerd kunnen worden op basis van de probleemoplossende methode die vanaf 1970 ontwikkeld is (Nezu, 2004). Deze methode maakt gebruik van een systematische volgorde van stappen om mensen te helpen hun weg te vinden van probleem naar oplossing., De stappen zijn (1) het goed leren definiëren van een probleem, (2) het bedenken van meerdere oplossingen voor een probleem, (3) het leren kiezen van een oplossing die het best bij iemand past, en (4) het leren uitvoeren van de oplossing. Vanaf de jaren 80 is de probleemoplossende methode ook toegepast bij delinquenten (McGuire, 2005). Onder delinquenten wordt een impulsieve stijl van probleemoplossing gevonden. In de woorden van Kole-Snijders, Geurts, van den Hout en Vlaeyen (2006, p. 33): “kortzichtig, ondoordacht, overhaast en incompleet. Men overweegt slechts één of enkele oplossingen, kiest vaak impulsief het eerste idee dat bedacht wordt en de oplossingen en hun consequenties worden niet of slechts vluchtig, onzorgvuldig en onsystematisch gescand. Het resultaat wordt eveneens onzorgvuldig en inadequaat bijgehouden.” De items 28 (ik dacht eerst na) en 34 (ik bekeek het probleem van beide kanten) passen beter bij de probleemoplossende methode dan de items 7 (ik deed mijn best om het probleem op een goede manier op te lossen) en 21 (ik zocht op een positieve manier naar afleiding). De laatste twee items kennen ook een dubbele bewoording: een motivationeel deel (‘ik deed mijn best’ en ’ik zocht op een positieve manier’) en een oplossend deel (‘om het probleem op een goede manier op te lossen’ en ‘naar afleiding’). Het is de vraag op welk deel van de zin cliënten gescoord hebben en daarom valt het te overwegen ook deze items te herformuleren. De verwachting is dat dat de structurele meetinvariantie ten goede komt.

Limitaties onderzoek

De beperkingen van het onderzoek bestaan uit dat er ten eerste slechts twee meetmomenten met een tussentijd van vier maanden is onderzocht. De huidige dataset bevatte onvoldoende cliënten om een derde meetmoment te analyseren. Vervolgonderzoek zou de longitudinale meetinvariantie over

22

een langere tijdsperiode kunnen analyseren. Ten tweede zijn de gevonden resultaten specifiek voor Nederlandse ambulante forensische cliënten en vallen zij niet te generaliseren naar cliënten in andere settingen (klinisch) en andere landen. Toekomstig onderzoek zou gebruik moeten maken van

verschillende settingen en er zijn cross-culturele steekproeven nodig om uitspraken te kunnen doen over de generalisatie naar andere landen. Ten derde is de subschaal Seksualiteit niet meegenomen omdat alleen zedendelicten deze subschaal ingevuld hebben. Over een lange tijdsperiode is de verwachting dat er meer data beschikbaar is van cliënten die deze subschaal invullen, waardoor onderzoek naar deze subschaal over tijd mogelijk is.

Implicaties voor de praktijk

Een van de aanbevelingen van het Trimbos-instituut voor goede ROM is om goede lijsten te gebruiken. De FKL 18+ is specifiek ontworpen voor behandeling in de forensische zorg. De resultaten van de huidige studie tonen aan dat de FKL 18+ geschikt is als ROM- instrument over een periode van vier maanden. Gerapporteerde veranderingen van klachten over tijd kunnen geïnterpreteerd worden als een verandering in klachten. Het kunen aantonen van veranderingen in klachten bij cliënten is

relevante informatie voor behandelaren om het effect van de behandeling te kunnen monitoren. Op basis van deze studie kan geconcludeerd worden dat het klachtenverloop van cliënten tijdens de behandeling gemonitord en geëvalueerd worden.

Referenties

Andrews, D.A., & Bonta, J. (2006). The psychology of criminal conduct. (4th _{edition). Cincinatti, OK:} Anderson.

Antonaccio, O., Tittle, C. R., Brauer, J. R., & Zakiul Islam, M. (2015). Supported and coerced? A cross-site investigation of the effects of social support and coercion on criminal probability. Journal of Quantitave Criminology, 31, 49-92.

23

Antonowicz, D. H., & Ross, R.R. (2005). Social problem-solving deficits in offenders. In M.

McMurran & J. McGuire (Eds.). Social problem solving and offending. Evidence, evaluation and evolution. (pp. 91-102). Chichester: Wiley

Buitelaar, J. L., & Ferdinand, R. F. (2016). ADHD undetected in criminal adults. Journal of Attention Disorders, 20, 270-278.

Byrne, B. M, Shavelson, R. J., & Muthen, B. (1989). Testing for the equivalence of factor covariance and mean structures: The issues of partial measurement invariance. Psychological Bulletin 105, 456-466.

Carlier, I.V.E., Meuldijk, D., Vliet, I.M. van, Fenema, E.M., Wee, N.J.A. van der, & Zitman, F.G. (2012). Empirische evidentie voor de effectiviteit van routine outcome monitoring; een literatuuronderzoek. Tijdschrift voor Psychiatrie, 54, 121-128.

Cheung, G. W., & Rensvold, R.B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling, 9, 233-255.

Cima, M., Raine, A., Meesters, C., & Popma, A. (2013). Validation of the Dutch reactive proactive questionnaire (RPQ): Differential correlates of reactive and proactive aggression from childhood to adulthood. Aggressive Behavior, 39, 99-113.

de Vries Robé, M. (2014) Protective factors. Validation of the structured assessment of protective factors for violence risk in forensic psychiatry. Utrecht: van der Hoeven Kliniek.

Ellis, J. L. (2012). Inleiding op klassieke latent variabelen modellen. Nijmegen: Raboud Universteit Gates, M., Dowden, C., & Brown, S. L. (1998). Case need domain: Community functioning.

Forum on Corrections Research, 10, 24-27.

Gaskin, J. (2011). Model fit during a confirmatory factor analysis (CFA) in AMOS. Gaskination’s Statistics. http://youtube.com/Gaskination.

Goethals, K.R., & Marle, H.J.C. van (2012). Routine outcome monitoring in de forensische psychiatrie: een lang verhaal in het kort. Tijdschrift voor Psychiatrie, 54, 179-183.

Hair, J., Black, W., Babin, B., & Anderson, R. (2010). Multivariate data analysis (7th ed.). Prentice-Hall, Inc. Upper Saddle River, NJ, USA.

24

Hollin, C.R., & Bloxom, C.A.J. (2007). Treatments for angry aggression. In T.A. Gannon, T. Ward,

A.R. Beech, & D. Fisher (Eds.). Aggressive offenders’ cognition. Theory, Research and Practice. (pp. 215-230). Chichester: Wiley.

Hoogsteder, L., Bogaerts, S., & Missler, M. (2014). ARopMaat ambulant voor volwassenen. Theoretische handeling. Utrecht: De Waag.

Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural equation modelling: Guidelines for determining model fit. The Electronic Journal of Business Research Methods, 6, 53 – 60. available online at www.ejbrm.comHornsveld,

R.H.J., Hollin, C.R., Nijman, H.L.L., & Kraaimaat, F.W. (2007). Violent forensic patients: Individual differences and consequences for treatment. International Journal of Forensic Mental Health 6, 15-27.

Howells, K. (2004). Anger and its links to violent offending. Psychiatry, Psychology and Law,11, 189-196.

Howells, K., & Day, A. (2003). Readiness for anger management: clinical and theoretical issues. Clinical Psychology Review, 23, 319-337.

Hu, L. T., & Bentler, P. M. (1999). Evaluating model fit. In Structural equation modelling: Guidelines for determining model fit. The Electronic Journal of Business Research Methods, 6, 53- 60, available online at www.ejbrm.com

Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6, 1-55. Kockler, T. R., Stanford, M.S., Nelson, C. E., Meloy, J. R., & Sanford, K. (2006). Characterizing

aggressive behavior in a forensic population, American Journal of Orthopsychiatry, 76, 80-85. Kole-Snijders, A.M.J., Geurts, S.M., van den Hout, J.H.C. & Vlaeyen, J.W.S. (2006).

Probleemoplossende vaardigheidstraining: Amsterdam: Boom uitgevers.

Lambert, M. (2007). Presidental address: What we have learned from a decade of research aimed at improving psychotherapy outcome in routine care. Psychotherapy Research, 17, 1-14.

25

McDonald, R.P. & Ho, M.H.R. (2002). Principles and Practice in Reporting Statistical Equation

Analyses. Psychological Methods, 7, 64-82.

McGuire, J. (2005). Social problem solving: basis concepts, research, and practices. In M. McMurran & J. McGuire, J. (Eds.). (Social problem solving and offending. Evidence, evaluation and evolution. (pp. 3-29). Chichester: Wiley

McIntosh, C. (2006), “Rethinking fit assessment in structural equation modelling: A commentary and elaboration on Barett (2007), “Personality and Individual Differences, 42, 859-67.

McMurran, M., & McGuire, J. (2005). Social problem solving and offending. Evidence, evaluation and evolution. (Eds.) Chichester: Wiley

Motl, R. W., McAuley, E., & Mullen, S. (2011). Longitudinal measurement invariance of the multiple sclerosis walking scale-12, Journal of the Neurological Sciences, 305, 75-79.

Mulder, C. L., Staring, A. B. P., loos, J., Buwalda, V., Kuijpers, D., & Sytema (2004). De Health of the Nation Outcome Scales (HoNOS) in Nederlandse bewerking. Rotterdam.

Nezu, A.M. (2004). Problem solving and behavior therapy revisited. Behavior Therapy, 35, 1-33. Nieuwenhuizen, Ch. Van, Schena, A. H., & Koetier, M. W. J. (2000). Manchester verkorte kwaliteit

van leven meting. Eindhoven: Forensische Jeugdpsychiatrische Kliniek de Catamaran Nugter, M.A., & Buwalda, V.J.A. (2012). Achtergronden en gebruiksmogelijkheden van ROM in ggz.

Tijdschrift voor Psychiatrie, 54, 111-120.

Rodríguez, G. (2012). Models for longitudinal and clustered data, available online at http://data.princeton.edu/wws509/notes/fixedRandom.pdf

Scholte, E. M., & van der Ploeg, J. D. (2005). Handleiding ADHD-vragenlijst (Avl). Houten: Bohn Stafleu Van Loghum.

Schoot, R. van de, Lugtig, P., & Hox, J. (2012). A checklist for testing measurement invariance, European Journal of Developmental Psychology, 9, 486-49.

Thornberry, T.P., Giordano, P.C., Uggen, C., Matsuda, M., Masten, A. S., Bulten, E., Donker, A. G., & Petechuk, D. (2013). Explanations for offending. Bulletin 3. NIJ. Study group on the transitions between juvenile delinquency and adult crime.

26

Trimbos-instituut (2015). Implementatie van ROM ter ondersteuning van de dagelijkse zorgpraktijk in

de GGZ. Een landelijke meting van de implementatiegraad en verdieping aan de hand van praktijksituaties. Utrecht: Trimbos-instituut. Te verkrijgen www.trimbos.nl/webwinkel onder nummer AF1379. van Horn, J., , Hendriks, J., & Kraanen, F. (2015). Forensische klachtenlijst (FKL) 18+. Handleiding: versie 2015. Utrecht: De Waag

Weir, P. J. (2005). Quantifying test-retest-reliability using the intraclass correlation coëfficient and the SEM, Journal of Strenght and Conditioning Research, 19 (1), p. 231-241.

27

Bijlage A

Instructie Forensische Klachtenlijst

Voor u ligt de Forensische Klachtenlijst – 18+, kortweg FKL 18+ genoemd.

De FKL meet een aantal (psychische) klachten of problemen die kunnen voorkomen bij mensen die worden behandeld in een forensische (poli)kliniek.

Om uw behandeling nog beter te kunnen afstemmen op uw behoeften, vragen wij u om alle items uit de lijst in te vullen.

De vragenlijst bestaat uit 28 items. Het invullen duurt ongeveer 10 minuten.

U kunt bij elke vraag aangeven hoe vaak u in de afgelopen 2 weken iets dacht, voelde of deed. Bij elke vraag kunt u kiezen uit vijf antwoordmogelijkheden: Nooit, Zelden, Regelmatig, Bijna altijd of Altijd.

Vink het antwoord aan dat het beste bij u past.

Er zijn geen goede of verkeerde antwoorden. Het gaat om uw mening. Denk niet te lang na over uw keuze.

Aan het eind van de lijst kunt u aangeven hoe u het invullen heeft ervaren en of u nog zaken hebt gemist.

28

Bijlage B

Forensische Klachtenlijst 18+ (FKL 18+)

1. Nooit, 2. Soms, 3. Regelmatig, 4. Vaak, 5. Altijd

Construct

Items

Hoe vaak in de afgelopen twee weken, voelde, dacht of deed u het volgende:

Agressie - AGR

1.

FKL1

Ik bedreigde anderen

2.

FKL8

Ik gebruikte lichamelijk geweld naar anderen

3.

FKL15

Ik schreeuwde naar anderen of schold hen uit

4.

FKL31

Ik gooide met spullen

Sociale Steun – SOC

5.

FKL2

Er waren mensen die mij steunden *

6.

FKL9

Ik dacht: ‘Als het echt nodig is, is er iemand waar ik terecht kan voor steun’*

7.

FKL16

Iemand luisterde naar me toen ik dat nodig had *

8.

FKL23

Ik heb steun ervaren van anderen *

Middelengebruik – MID

9.

FKL3

Ik voelde de drang om alcohol en/of drugs te gebruiken

10.

FKL10

Ik had problemen door mijn alcohol en/of drugsgebruik

11.

FKL17

Anderen vonden dat ik te veel alcohol en/of drugs gebruikte

12.

FKL30

Ik gebruikte meer alcohol en/of drugs dan goed voor mij was

Concentratie – CON

13.

FKL11

Ik kon me goed concentreren *

14.

FKL18

Ik was snel afgeleid

29

16.

FKL32

Ik kon mijn aandacht er niet bij houden

Boosheid – BOOS

17.

FKL6

Ik was boos

18.

FKL13

Ik ergerde me

19.

FKL20

Ik was geïrriteerd

20.

FKL37

Ik voelde me gefrustreerd

Oplossingsvaardigheden – OPL

21.

FKL7

Ik deed mijn best om het probleem op een goede manier op te lossen *

22.

FKL21

Ik zocht op een positieve manier naar afleiding *

23.

FKL28

Ik dacht eerst na over hoe ik het probleem het beste kon oplossen *

24.

FKL34

Ik bekeek het probleem van alle kanten *

Seksualiteit – SEKS

 In het verleden negatieve seksuele ervaringen gehad

 Momenteel problemen op seksueel gebied

 In behandeling voor problemen op seksueel gebied

 Geen van bovenstaande situaties is op mij van toepassing

25.

FKL39

Ik had geen controle over mijn seksuele gevoelens

26.

FKL40

Ik maakte me zorgen over mijn seksuele gevoelens en gedachten

27.

FKL41

Ik kon niet stoppen met het denken aan seks, ook al wilde ik dat wel

28.

FKL42

Ik vond het moeilijk om te stoppen met het kijken naar porno

Opmerkingen

Dit is het einde van de vragenlijst. Bedankt voor het invullen. Overige vragen:

30

Hoe heeft u het invullen van de lijst ervaren? Waren er bijvoorbeeld woorden of zinnen die u niet begreep of onduidelijk vond?