Mathematikdidaktiker:innen aus Regensburg und Mediziner:innen des Klinikums der Ludwig-Maximilians-Universit?t München (LMU) haben herausgefunden, dass diagnostische Urteile mithilfe von natürlichen H?ufigkeiten und H?ufigkeitsb?umen nicht nur ?fter korrekt, sondern sogar schneller erfolgen k?nnen. Darüber informieren die Forscher:innen nun in einem Artikel in Advances in Health Sciences Education.
Statistische Aussagen korrekt zu lesen will gelernt sein. US-Pr?sident Trump verkündete etwa im Oktober 2020, dass sich 85 % der Menschen, die eine Maske tragen, mit Corona infizieren. ?Bei dieser Aussage handelte es sich um eine Verwechslung bedingter Wahrscheinlichkeiten“, sagt Mathematikdidaktikerin Dr. Karin Binder. Tats?chlich habe der frühere US-Pr?sident die beiden bedingten Wahrscheinlichkeiten ?Wie wahrscheinlich ist es, dass ein Maskentr?ger Corona bekommt?“ vs. ?Wie wahrscheinlich ist es, dass ein Corona-Infizierter Maske getragen hat?“ verwechselt. ?hnliche Verwechslungen passieren auch Medizinstudierenden und sogar ?rztinnen und ?rzten. Solche Verwechslungen - und wie man diesen vorbeugen kann - haben die Mathematikdidaktiker:innen Dr. Karin Binder und Professor Dr. Stefan Krauss von der Universit?t Regensburg zusammen mit den ?rzt:innen und Medizindidaktiker:innen Professor Dr. Ralf Schmidmaier und Dr. Leah Braun vom Klinikum der LMU München untersucht.
Hierzu legen sie Versuchspersonen beispielsweise die folgenden Informationen zum Mammographie-Screening zur Brustkrebsfrüherkennung vor: Eine Frau ist symptomfrei und m?chte gerne am Screening teilnehmen. In ihrer Altersklasse liegt die Wahrscheinlichkeit für Brustkrebs bei einem Prozent. Durch das Screening wird die Erkrankung mit einer Wahrscheinlichkeit von 80 Prozent erkannt, wenn die Frau Brustkrebs hat. Wenn die Frau hingegen v?llig gesund ist, erh?lt sie mit einer Wahrscheinlichkeit von etwa 9,6 Prozent f?lschlicherweise ein positives Testergebnis. Nun sollten die Medizinstudierenden in der Studie die folgende Frage beantworten: Wie wahrscheinlich ist es, dass eine Frau tats?chlich an Brustkrebs erkrankt ist, wenn Sie ein positives Ergebnis in der Mammographie erh?lt? Die richtige L?sung kann beispielsweise mithilfe der Formel von Bayes errechnet werden und betr?gt knapp 8 Prozent.
Wie bereits aus früheren Studien bekannt war, zeigte sich einerseits, dass Medizinstudierende die statistischen Informationen besser verstehen, wenn diese als sogenannte natürliche H?ufigkeiten (z. B. ?80 von 100 erkrankten Frauen erhalten ein positives Ergebnis in der Mammographie“) statt in Form von Wahrscheinlichkeiten (z. B. ?80 Porzent der erkrankten Frauen erhalten ein positives Ergebnis in der Mammographie“) kommuniziert werden. Eine zus?tzliche Visualisierung mit H?ufigkeitsb?umen (siehe Abbildung) kann ebenfalls dazu beitragen, dass Medizinstudierende die korrekte L?sung finden: Insgesamt erhalten 80 Frauen mit Brustkrebs und 950 Frauen ohne Brustkrebs ein positives Testergebnis – das sind 1.030 Frauen mit einem positivem Testergebnis in der Mammographie. Von diesen 1.030 Frauen sind jedoch nur 80 erkrankt, was dem Prozentsatz von etwa acht Prozent entspricht.
In ihrem Artikel, der kürzlich in Advances in Health Sciences Education publiziert wurde, zeigten die Forscher:innen nun, dass natürliche H?ufigkeiten und H?ufigkeitsb?ume nicht nur zu einem h?heren Anteil korrekter Diagnosen führen, sondern dass diese auch schneller erfolgten. Da sowohl Korrektheit als auch Schnelligkeit von Diagnosen im Alltag eines Arztes oder einer ?rztin ?u?erst wichtig sind, wurde der Anteil richtiger Antworten und die Zeitspanne, die für die Beantwortung jeder Aufgabe ben?tigt wird, zu einem gemeinsamen Ma?, der ?Diagnoseeffizienz“, zusammengefasst. Die berechnete Diagnoseeffizienz kann anschaulich wie folgt interpretiert werden:
?Stellen Sie sich zwei Schlangen von Medizinstudierenden vor“, sagt Karin Binder. In der linken Schlange müssen die Studierenden die Aufgabe in Wahrscheinlichkeiten und ohne Baum l?sen. Die Studierenden rechts erhalten die Informationen in Form natürlicher H?ufigkeiten und einem Baumdiagramm. Nun müssen die Studierenden nacheinander die Aufgabe l?sen. Sobald sie eine Antwort niedergeschrieben haben, ist der n?chste Student in der Schlange dran … so lange, bis die erste richtige Antwort kommt.
In der Variante mit Wahrscheinlichkeiten ohne Baum dauert das über eine Stunde und 16 Minuten, denn erst etwa der/die 17. Medizinstudierende kann für die Aufgabe eine korrekte L?sung angeben. In der Variante mit H?ufigkeiten und Baum ist die erste richtige Antwort schon nach knapp fünf Minuten auf dem Tisch, denn hier l?sen ca. 60 Prozent der Versuchspersonen die Aufgabe richtig und ben?tigen dafür durchschnittlich knapp drei Minuten. Die Erkenntnisse sollen bei der Weiterentwicklung medizinischer Curricula helfen und zur Verbesserung der Ausbildung von Medizinstudierenden führen.
Originalpublikation
- https://link.springer.com/article/10.1007/s10459-020-10025-8
- https://doi.org/10.1007/s10459-020-10025-8
Homepage von Dr. Karin Binder
Kontakt aufnehmen
Dr. Karin Binder
Universit?t Regensburg
Fakult?t für Mathematik
Telefon 49 941 943-2786
E-Mail karin.binder@ur.de