Wie kann man die Bedeutung medizinischer Testbefunde besser verstehen und kommunizieren?

Journal/Book: Z. ärztl. Fortbild. Qualsich. (ZaeFQ) 2000; Nr. 9 (94.Jg.): S.713-719. 2000;

Abstract: Dr. Ulrich Hoffrage Max-Planck-Institut für Bildungsforschung Berlin How to improve the communication and understanding of medical test results Zusammenfassung Bei der Interpretation medizinischer Testbefunde ist das statistische Denken des Arztes gefordert: Wie groß ist die Wahrscheinlichkeit für das Vorliegen einer Krankheit bei einem positiven Testbefund? Diese Wahrscheinlichkeit lässt sich mithilfe der Regel von Bayes bestimmen. Mehrere Studien zeigen jedoch dass Ärzte oft Schwierigkeiten mit derartigen bayesianischen Inferenzen haben. Wir zeigen dass ihre Urteile deutlich verbessert werden können wenn nummerische Information auf eine Weise repräsentiert wird die der menschlichen Informationsverarbeitung leicht zugänglich ist. Dies ist bei den üblicherweise verwendeten Wahrscheinlichkeiten nicht der Fall wohl aber bei "natürlichen Häufigkeiten" die sich durch die Auszählung von beobachteten Einzelfällen in einer natürlichen Umgebung ergeben. In einer Reihe von Studien haben wir das Repräsentationsformat der relevanten statistischen Information variiert. Wurde die Information nicht in Form von Wahrscheinlichkeiten oder Prozenten sondern in natürlichen Häufigkeiten präsentiert konnten sowohl medizinische Experten als auch Laien ihre Urteile deutlich verbessern. Und so lässt sich auch der Umgang mit Wahrscheinlichkeiten und Prozenten leicht erlernen: Zwei Trainingsprogramme in denen gezeigt wurde wie Wahrscheinlichkeiten in natürliche Häufigkeiten zu übersetzen sind versetzten die Teilnehmer in die Lage sehr gute Ergebnisse auch bei der Lösung dieser Aufgaben zu erzielen. Abschließend diskutieren wir die Bedeutung die eine verständliche Risiko- und auch Nutzenkommunikation im Arzt-Patienten-Verhältnis hat. Abstract Interpreting medical test results demands statistical reasoning on the part of doctors: How great is the probability of falsely diagnosing an illness based on a positive test result? This probability can be determined with the assistance of Bayes's Rule. Several studies show however that doctors often experience problems with these kinds of Bayesian inferences. We demonstrate that doctors' judgments can be considerably improved when numerical information is presented in a form easily accessible to the ways humans process information. This is not the case with the utilization of applied probabilities that has become customary but is the case when the problem is presented in terms of "natural frequencies" that result from the counting of observed isolated cases in a natural environment. In a series of studies we varied the representation format of the relevant statistical information. If the information was not presented in the form of probabilities or percentages but simply in natural frequencies medical experts as well as laymen were able to improve their judgments significantly. And dealing with probabilities and percentages can also be easily learned: Two training programs which showed how probabilities can be translated into natural frequencies placed the participants in the position of being able to obtain very good results when solving these tasks. Finally we discuss the impact of a comprehensible risk and utility communication on the doctor-patient relationship. Key words: Risk communication Bayes theorem Representation of information statistical reasoning medical training and postgraduate medical training hf

Keyword(s): Risiko-Kommunikation Bayes-Theorem Repräsentation von Information statistisches Denken Medizineraus- und -fortbildung

Zurück | Weiter