gms | German Medical Science

GMS Journal for Medical Education

Gesellschaft für Medizinische Ausbildung (GMA)

ISSN 2366-5017

Charakteristika von Studierenden, berufliche Präferenzen und Zulassung zum Medizinstudium

Artikel Studierendenauswahl

  • author Iris Kesternich - Universität Leuven, Fachbereich Ökonomie, Leuven, Belgien
  • author Heiner Schumacher - Universität Leuven, Fachbereich Ökonomie, Leuven, Belgien
  • corresponding author Joachim Winter - Universität München, Volkswirtschaftliche Fakultät, Seminar für Empirische Wirtschaftsforschung, München, Deutschland
  • author Martin R. Fischer - Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland
  • author Matthias Holzer - Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland

GMS J Med Educ 2017;34(1):Doc5

doi: 10.3205/zma001082, urn:nbn:de:0183-zma0010825

Dieses ist die übersetzte Version des Artikels.
Die Originalversion finden Sie unter: http://www.egms.de/en/journals/zma/2017-34/zma001082.shtml

Eingereicht: 6. Mai 2016
Überarbeitet: 15. September 2016
Angenommen: 9. November 2016
Veröffentlicht: 15. Februar 2017

© 2017 Kesternich et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Zusammenfassung

Forschungsziele: Die Veränderung der Zugangsregelungen zum Medizinstudium stellt eine Möglichkeit dar, um die Knappheit von Landärzten zu verringern. Wir analysieren daher den Zusammenhang zwischen dem Abiturnotendurchschnitt und der Entscheidung zukünftiger Ärzte, in ländlichen Regionen zu arbeiten. Zur Anregung der Debatte über die Zulassungsregelungen beschäftigen wir uns zudem mit den Effekten anderer Einflussvariablen wie der Risikobereitschaft der Studierenden, der Anzahl der Wartesemester, der Zugehörigkeit der Eltern zum ärztlichen Berufsfeld sowie der praktischen Erfahrung der Studienbewerber im Gesundheitssektor.

Methoden: In den Jahren 2012 und 2014 führten wir zwei Internetbefragungen durch. Die erste Befragung umfasste 701 Studierende, die zweite 474 Studierende. In beiden Erhebungen wurden die Studierenden nach ihren regionalen Präferenzen für ihre künftige Berufsausübung gefragt; in der Befragung des Jahres 2014 ermittelten wir zudem die ersten, zweiten und dritten Präferenzen bezüglich der Facharztwahl. In beiden Befragungen wurden demographische Merkmale (Alter und Geschlecht), die Berufe der Eltern, subjektive Einkommenserwartungen, die Risikobereitschaft sowie die Notendurchschnitte in Abitur und Physikum erhoben. 2014 fragten wir darüber hinaus nach der Anzahl der Wartesemester und vorherigen praktischen Erfahrungen im Gesundheitssektor.

Ergebnisse: Drei Faktoren erhöhen ceteris paribus die Wahrscheinlichkeit einer Präferenz für eine Beschäftigung in ländlichen Gebieten signifikant:

1.
ein Elternteil ist Arzt,
2.
relativ schlechtere Abiturnoten und
3.
geringere Risikobereitschaft.

Des Weiteren zeigt sich, dass Studierende, die eine Tätigkeit auf dem Land anstreben, vor der Zulassung zum Medizinstudium signifikant häufiger eigene praktische Arbeitserfahrungen im Gesundheitssektor haben.

Diskussion: Unsere Ergebnisse legen nahe, dass eine Veränderung des Auswahlprozesses für das Medizinstudium das Angebot an Landärzten erhöhen könnte. Statt sich nur auf die Abiturnote zu konzentrieren, sollten die Universitäten die Motivation für das Studium in größerem Maße berücksichtigen, sei es mit Hilfe von Auswahlgesprächen oder durch die Berücksichtigung von Herkunft, außerschulischen Aktivitäten oder Wartesemestern.

Schlüsselwörter: Zulassung zum Medizinstudium, Facharztwahl, Hausärztemangel, Niedergelassene Ärzte in ländlichen Regionen


1. Einleitung

Sowohl Industrie- als auch Entwicklungsländer haben mit Ungleichgewichten in der Verteilung ihrer Ärzteschaft zu kämpfen, vor allem mit dem Mangel an Allgemeinmedizinern und Ärzten in ländlichen Gebieten. Es gibt daher eine intensive wissenschaftliche Diskussion, die Spezialisierungen und Standortentscheidungen von Medizinstudierenden sowie politische Maßnahmen zur Reduktion des Ärztemangels analysiert, siehe [1]. Im Rahmen eines Arbeitsprogramms, das auf eine Erhöhung des Angebots an Fachkräften im Gesundheitswesen in entlegenen und ländlichen Gegenden abzielt, fördert auch die World Health Organization (WHO) die Forschung in diesen Bereichen [http://www.who.int/hrh/migration/retention/en/ zitiert am 09.08.2014]. Zu den Faktoren, die einen Effekt auf die Wahrscheinlichkeit einer Beschäftigung in ländlichen Regionen haben, zählen monetäre [2], aber auch nicht-monetäre Aspekte wie der eigene Einfluss auf die Arbeitszeit, die Möglichkeit einer Teilzeitbeschäftigung [3], und die Motivation von Medizinstudierenden [4].

In Deutschland gibt es starke räumliche Ungleichheiten in der Verteilung der Ärzteschaft, trotz der Vergabe von Praxislizenzen auf Basis regionaler Quoten. Die Ärztedichte in ländlichen Gegenden ist niedrig, vor allem in Ostdeutschland. Bedingt durch ihre zentrale Rolle in der Primärversorgung stellt insbesondere der Mangel an Allgemeinmedizinern in diesen Regionen eine wichtige Thematik in der Gesundheitspolitik dar [5]. Daraus resultiert eine andauernde Diskussion darüber, ob Bewerbern, die eine Beschäftigung in ländlichen Gegenden anstreben, der Zugang zum Medizinstudium erleichtert werden sollte. Laut einer Schätzung der Kassenärztlichen Bundesvereinigung (KBV) aus dem Jahr 2010 werden bis 2020 über 66.000 Hausärzte in Rente gehen, verglichen mit etwa 9.000 jährlichen Absolventen im Fach Humanmedizin insgesamt [6].

Diese Arbeit möchte mit aktuellen Daten aus zwei Online-Umfragen unter Medizinstudierenden zweier deutscher Universitäten zur Diskussion beitragen. Eine Veränderung der Zugangsregelungen zum Medizinstudium ist eine neue Möglichkeit, um gegen den Ärztemangel in ländlichen Regionen vorzugehen. Wir analysieren daher den Zusammenhang zwischen dem Abiturnotendurchschnitt und der voraussichtlichen Entscheidung zukünftiger Ärzte, in diesen Gebieten zu arbeiten. Zudem eruieren wir, ob die Studierenden Wartesemester oder praktische Erfahrungen im Gesundheitswesen vorweisen können und ob ihre Eltern als Ärzte arbeiteten.

Unsere Diskussion konzentriert sich auf mögliche Effekte von Zulassungsvoraussetzungen zum Medizinstudium wie dem Numerus clausus. Falls sich die Verteilung der Abiturnoten von zukünftigen Landärzten von derjenigen der anderen Befragten unterscheidet, sollte eine Änderung der Voraussetzungen die Anteile von Landärzten unter den zugelassenen Studierenden verändern. Zudem untersuchen wir, inwieweit die Entscheidungen, Allgemeinmediziner zu werden und auf dem Land zu praktizieren, miteinander korreliert sind.


2. Methoden

Durchführung der Umfragen und Stichproben

In den Jahren 2012 und 2014 führten wir zwei Internetbefragungen in großen Stichproben unter den Medizinstudierenden zweier großer deutscher Universitäten, der Ludwig-Maximilians-Universität München (LMU) und der Technischen Universität München (TUM), durch. Die Befragungen wurden von CentERdata Tilburg, Niederlande, und den medizinischen Fakultäten der beiden Universitäten verwaltet. Wir erhielten die Daten anonymisiert und wiesen die Teilnehmer vor der Umfrage auf die anonyme Auswertung hin. Die Teilnahme war freiwillig.

Dem Antrag auf Genehmigung der Umfragen wurde von der Ethik-Kommission der Medizinischen Fakultät der LMU eine Unbedenklichkeitserklärung erteilt (UE Nr. 260-12 und 540-14).

2012 waren an den beiden Universitäten etwa 2.800 Medizinstudierende für ihren klinischen Studienabschnitt (Studienjahre 3 bis 6) eingeschrieben. 2014 war diese Zahl aufgrund der erhöhten Aufnahme von Studierenden (doppelter Abiturjahrgang in Bayern) auf 3098 gestiegen. Für beide Umfragen versandten wir E-Mails mit der Einladung zur Teilnahme an unserer Studie. An der ersten Befragung nahmen 701 und an der zweiten 474 Studierende teil.

Abhängige und unabhängige Variablen
Abhängige Variablen

In beiden Umfragen fragten wir die Studierende nach ihren lokalen Präferenzen für ihre spätere berufliche Tätigkeit bezüglich ländlichen oder städtischen Gegenden bzw. einer Beschäftigung im Ausland. Wir berücksichtigen diese drei Möglichkeiten separat in der deskriptiven Analyse, wohingegen wir in der multivariaten Analyse die beiden letztgenannten Optionen kombinieren und sie mit den ländlichen Regionen vergleichen. In der Befragung des Jahres 2014 ermittelten wir zusätzlich die ersten, zweiten und dritten Präferenzen aus einer umfassenden Menge an Spezialisierungsmöglichkeiten, speziell auch die Tätigkeit als Allgemeinarzt.

Unabhängige Variablen

In beiden Umfragen erhoben wir demographische Merkmale der Studierenden (Alter und Geschlecht), die Berufstätigkeit der Eltern, ein Maß für subjektive Einkommenserwartung, ein Maß für die Risikoeinstellung sowie die Notendurchschnitte im Abitur und Physikum. 2014 fragten wir zusätzlich nach Wartesemestern und vorheriger praktischer Erfahrung im Gesundheitssektor, z.B. Praktika.

Details zu Maßzahlen und Umformungen

Für die Regressionsanalyse standardisieren wir die Abiturnoten, indem wir den Mittelwert abziehen und durch die Standardabweichung teilen. Die standardisierte Variable hat ein arithmetischen Mittel von null und eine Standardabweichung von eins.

Zur Evaluation der Einkommenserwartungen der Studierenden stellten wir fünf Fragen der Art „Wie hoch schätzen Sie die Wahrscheinlichkeit ein, dass Ihr Nettoeinkommen (abzüglich Abgaben und Steuern) fünf Jahre nach Ihrem Abschluss unter X Euro pro Monat liegt?“. Innerhalb dieser fünf Fragen wurde X inkrementell erhöht. Mit Hilfe eines statistischen Algorithmus, der die subjektive Verteilung der erwarteten Einkommen nicht-parametrisch approximiert, kann somit der Erwartungswert dieser Verteilungen geschätzt werden [7], [8].

Wir erheben zusätzlich ein Maß der Risikoaversion, da gezeigt wurde, dass diese eine wichtige Rolle bei der Entscheidung zur Selbstständigkeit oder der Wahl eines Berufs mit (relativ) hoher Einkommensvarianz spielt. Dazu fragten wir die Studierenden, wie risikofreudig sie sich selbst auf einer Skala von eins („gar nicht“) bis zehn („sehr“) einschätzten. Dieses Maß wurde im deutschen Sozio-ökonomischen Panel (SOEP) etabliert und durch Experimente und Feldforschung bestätigt [9]. Wir verwenden dieses Maß zur Erzeugung einer binären Variable, die angibt, ob die Risikoaversion eines Studierenden im Vergleich zu den anderen Befragten in der oberen oder unteren Hälfte der Verteilung liegt.

Statistische Methoden

Zuerst ermitteln wir mit Hilfe eines t-Tests, ob zwischen den Gruppen Unterschiede in den Mittelwerten der erklärenden Variablen bestehen.

Daraufhin führen wir multivariate Regressionsanalysen durch, um den Effekt der unabhängigen Variablen ceteris paribus zu bestimmen und multiple Tests zu ermöglichen. Wegen der dichotomen Skalierung der abhängigen Variablen verwenden wir Probit-Modelle. Aufgrund der großen Bedeutung von Hausärzten für ländliche Gebiete modellieren wir die Entscheidung für eine Tätigkeit auf dem Land und den Entschluss, Allgemeinmediziner zu werden, gemeinsam, indem wir ein bivariates Probit-Modell schätzen. Da die zweite Variable nur in der Umfrage von 2014 erfasst wurde, beschränken wir die multivariate Analyse auf diese Stichprobe.

Beide Regressanden werden von folgenden Faktoren beeinflusst: Männlich, mindestens ein Elternteil ist Arzt, Abiturnote, Physikumsnote, Median der Einkommenserwartungen, Risikoaversion, Wartesemester und Arbeitserfahrung im Gesundheitswesen. Wir schätzen beide Gleichungen simultan mit Hilfe eines bivariaten Probit-Modells, unter der Annahme einer gemeinsamen Verteilung der Fehlerterme mit einem Mittelwert von null, Varianzen von eins und einem Korrelationskoeffizienten, der als Parameter zusammen mit den Koeffizienten der Kovariaten geschätzt werden kann [10].1

Wir verwenden das bivariate Probit-Modell aus mehreren Gründen: Mit Probit- und Logit-Modellen können Aussagen über den Effekt der erklärenden Variablen auf jeder der beiden abhängigen Variablen separat getroffen werden. Beispielsweise könnten damit Rückschlüsse gezogen werden, wie das Geschlecht entweder die Wahrscheinlichkeit für eine Tätigkeit als Allgemeinmediziner oder die Wahrscheinlichkeit der Beschäftigung in einem ländlichen Gebiet beeinflusst. Ein bivariates Probit-Modell ermöglicht nicht nur die Bewertung solcher Hypothesen, sondern erlaubt es auch, gleichzeitig Hypothesen bezüglich des Einflusses der erklärenden Variablen auf die gemeinsame Verteilung der beiden abhängigen Variablen zu testen.

Zum anderen kann mit dem bivariaten Probit-Modell direkt getestet werden, ob die unbeobachteten Einflussfaktoren (d.h. die Fehlerterme) der beiden Gleichungen für die abhängigen Variablen „Entscheidung für eine Tätigkeit als Allgemeinarzt“ und „Entscheidung, in einer ländlichen Region zu praktizieren“ miteinander korreliert sind. Das Modell gibt zudem das Vorzeichen dieser Korrelation an.


3. Ergebnisse

In der Befragung von 2014 (2012) gaben etwa 15,9 (17,7) Prozent der Teilnehmer an, in einer ländlichen Gegend in Deutschland arbeiten zu wollen, wohingegen 69,1 (66,9) Prozent eine Tätigkeit in einer deutschen Stadt anstrebten und 15,03 (15,05) Prozent im Ausland arbeiten wollten. In der zweiten Befragung antworteten 10,2 Prozent der Studierenden, dass Allgemeinmedizin ihre erste Berufspräferenz sei. Der Korrelationskoeffizient der beiden abhängigen Variablen im Jahr 2014 ist 0,202.

Tabelle 1 [Tab. 1] enthält deskriptive Statistiken und verbale Definitionen aller Variablen. Wir interessieren uns insbesondere für die Unterschiede der Mittelwerte der erklärenden Variablen zwischen den Studierenden, die in einer ländlichen Region in Deutschland arbeiten wollen, und allen anderen Studierenden, die als Vergleichsgruppe dienen. Im Vergleich zu dieser Gruppe haben jene, die in einer ländlichen Gegend praktizieren wollen, schlechtere, aber immer noch sehr gute Abiturnoten (zweiseitige t-Tests, p=0,063 für 2012 und p=0,026 für 2014).

Darüber hinaus warteten die Studierenden, die später auf dem Land arbeiten wollen, länger auf ihren Studienplatz. Die Differenz ist jedoch bei einem zweiseitigen t-Test auf dem Zehn-Prozent-Niveau nicht signifikant. Zudem hatten sie vor dem Studium deutlich mehr praktische Erfahrung im Gesundheitswesen (diese Frage wurde nur 2014 gestellt; zweiseitiger t-Test, p=0,072). Ihre Eltern sind außerdem häufiger selbst Ärzte. Der Unterschied zwischen den beiden Gruppen ist aber nur für 2014 auf dem Zehn-Prozent-Niveau signifikant (zweiseitiger t-Test, p=0,051). Bei Medizinstudierenden, die eine Beschäftigung in ländlichen Gebieten anstrebten, zeigte sich im Vergleich auch eine deutlich höhere Risikoaversion (zweiseitiger t-Test, p=0,054 für 2012 und p=0,012 für 2014).

Die Einkommenserwartungen sind für beide Gruppen überraschend ähnlich – für 2014 zeigt sich kein Unterschied. Für beide Teile der Stichprobe liegt das erwartete monatliche Einkommen (nach Abzug von Steuern und Abgaben) bei 4.400 Euro; auch die geschätzten Varianzen der erwarteten Einkommen sind in den beiden Gruppen sehr ähnlich. Im Jahr 2012 war das erwartete Einkommen für die Studierenden, die eine Beschäftigung auf dem Land anstrebten, mit 4.200 Euro etwas geringer als für die Vergleichsgruppe (4.300 Euro).

Bei denjenigen Teilnehmern, die eine Tätigkeit im Ausland in Betracht ziehen, zeigen sich keine signifikanten Unterschiede der betrachteten Merkmale zu anderen Studierenden. Eine bemerkenswerte Ausnahme von diesem Ergebnis ist, dass die Abiturnoten in dieser Gruppe besser sind. Die Differenz ist 2012 statistisch signifikant (zweiseitiger t-Test, p=0,005). In den Daten des Jahres 2014 ist der Unterschied geringer und bei einem zweiseitigen t-Test auf dem zehn Prozent Niveau nicht signifikant. Folglich ergibt sich für diese Gruppe auch eine signifikant geringere Anzahl an Wartesemestern (diese Frage wurde nur 2014 gestellt; zweiseitiger t-Test, p=0,058).

Im nächsten Schritt analysieren wir alle gemessenen Determinanten für die Entscheidung, auf dem Land zu arbeiten, gemeinsam mit einer multivariaten Regression. (Die berichteten Signifikanztests berücksichtigen somit auch das Vorliegen multipler Hypothesen.) Wie bereits erklärt, verwenden wir zwei dichotome abhängige Variablen und schätzen deswegen ein bivariates Probit-Modell. Dieses Modell erlaubt es, nicht nur den Effekt der erklärenden Variablen auf die beiden abhängigen Variablen (Tätigkeit auf dem Land und Tätigkeit als Allgemeinmediziner) separat zu schätzen, sondern auch auf die gemeinsame Wahrscheinlichkeit, als Hausarzt in einer ländlichen Gegend zu praktizieren. In Tabelle 2 [Tab. 2] zeigen wir die beiden Entscheidungen getrennt voneinander und geben die marginalen Effekte am Mittelwert der abhängigen Variable an (für binäre erklärende Variablen geben wir den Effekt einer Veränderung der Ausprägung von null auf eins an).

Drei Faktoren erhöhen ceteris paribus die Wahrscheinlichkeit einer Präferenz für eine Beschäftigung in ländlichen Gebieten signifikant:

1.
mindestens ein Elternteil ist Arzt,
2.
schlechtere Abiturnoten und
3.
höhere Risikoaversion.

Interessanterweise finden wir zudem, dass zwei dieser Variablen – ein Elternteil ist Arzt und höhere Risikoaversion – gleichzeitig die Wahrscheinlichkeit für die Präferenz einer Tätigkeit als Hausarzt erhöhen.

Bezüglich der Größe der marginalen Effekte zeigt sich, dass die Wahrscheinlichkeit für die Präferenz einer Tätigkeit als Hausarzt (10,2 Prozent für alle Studierenden) geringer ist als die Wahrscheinlichkeit einer Präferenz für ländliche Gebiete (15,9 Prozent). Wenn mindestens ein Elternteil Arzt ist, erhöhen sich die Wahrscheinlichkeit, Hausarzt werden zu wollen, um 56,9 Prozent und die Wahrscheinlichkeit einer Präferenz für die Tätigkeit in ländlichen Gebieten um 47,8 Prozent. Eine Verschlechterung der Abiturnoten um eine Standardabweichung macht es um 28,3 Prozent wahrscheinlicher, eine Tätigkeit auf dem Land anzustreben. Für die risikoaverse Gruppe ist eine Präferenz für eine Tätigkeit als Hausarzt (auf dem Land) um 55 (64,8) Prozent wahrscheinlicher.

In Tabelle 3 [Tab. 3] berücksichtigen wir die gemeinsame Wahrscheinlichkeit einer Präferenz für die Tätigkeit in einer ländlichen Region und einer Präferenz für die Beschäftigung als Hausarzt. Wir finden vier Faktoren, die ceteris paribus diese Wahrscheinlichkeit erhöhen: weiblich zu sein (plus 21,7 Prozent), ein Elternteil ist Arzt (plus 30,4 Prozent), schlechtere Abiturnoten (plus 12 Prozent) und höhere Risikoaversion (plus 34,8 Prozent).

Es zeigt sich, dass die Fehlerterme der beiden in diesem bivariaten Probit-Modell gemeinsam geschätzten Regressionsgleichungen signifikant miteinander korreliert sind (siehe den Schätzwert der Korrelation in der untersten Zeile von Tabelle 3 [Tab. 3]). Es müssen also unbeobachtete Faktoren existieren, die beide Präferenzen gemeinsam und in dieselbe Richtung beeinflussen. Die wesentliche Implikation daraus ist, dass Studierende eine gemeinsame Vorliebe für diese zwei Ausprägungen des Berufs haben. Statistisch gesehen bestätigen die Resultate, dass man die beiden Gleichungen tatsächlich gemeinsam anstatt mit separaten Probit- oder Logit-Modellen schätzen sollte.


4. Diskussion

Die Regressionsergebnisse lassen Rückschlüsse auf Variablen zu, die eine Präferenz für eine spätere Tätigkeit als Landarzt beeinflussen. Das möglicherweise interessanteste Resultat bezieht sich auf die Abiturnoten der Medizinstudierenden: Der Notendurchschnitt der Studierenden, die eine Beschäftigung auf dem Land anstreben, ist schlechter. Eine Absenkung des Numerus clausus würde demnach zu einem höheren Anteil dieser Gruppe führen. Da dieses Vorgehen jedoch zwangsläufig eine Erhöhung der Studierendenzahlen und damit einen Anstieg der Ausbildungskosten sowie des Gesamtangebots an Ärzten hervorruft, dürfte es bei Politikern und ärztlichen Berufsverbänden kaum auf Akzeptanz stoßen. Im Folgenden diskutieren wir zwei Instrumente, die die regionalen Ungleichgewichte in den Standortentscheidungen beseitigen könnten, ohne die Anzahl der Studierenden (und Ärzte) zu erhöhen.

Die erste denkbare Maßnahme ist die Einführung mehrdimensionaler Zulassungskriterien. So könnten Medizinische Fakultäten nicht nur die Abiturnote der Bewerber, sondern auch ihre Motivation für das Studium berücksichtigen. Insbesondere für diejenigen Bewerber, die eine Beschäftigung als Landarzt anstreben, sollte die Zulassung für das Medizinstudium vereinfacht werden. Die Untersuchung der Motivation würde damit zu einem wichtigen Bestandteil des Auswahlverfahrens.

Eine vielversprechende Informationsquelle könnte der Lebenslauf der Bewerber sein, siehe [11]. Eine Reihe von Aktivitäten können Anzeichen für die intrinsische Motivation sein, im Gesundheitsbereich zu arbeiten (siehe z.B. [12]). Dies könnten beispielsweise die Absolvierung eines freiwilligen sozialen Jahres, soziales Engagement in Projekten mit Kindern, älteren Personen oder Behinderten sowie freiwillige Arbeit in religiösen Gemeinschaften sein. Universitäten könnten den Zugang für Bewerber erleichtern, die in diesen Bereichen engagiert sind, aber relativ schlechtere Noten haben. In vielen anderen Institutionen und Disziplinen werden derartige Kriterien in Auswahlprozessen bereits miteinbezogen.

Alternativ könnten Auswahlgespräche mit den Bewerbern Rückschlüsse auf die Studienmotivation zulassen. Seit längerem werden „Multiple Mini-Interviews“ (MMIs) zur Auswahl der Medizinstudierenden verwendet. In der Regel werden dazu mehrere etwa acht Minuten dauernde Gespräche mit verschiedenen Befragern durchgeführt. Die Leistung des Bewerbers hängt in MMIs weniger von kognitiven als von nicht-kognitiven Fähigkeiten ab, wie moralischem Urteilsvermögen, Beweggründen für das Studium und Ehrlichkeit, siehe z.B. [13]. Die Bereitschaft zur Tätigkeit als Allgemeinmediziner könnte ebenfalls durch MMIs evaluiert werden.

Zudem könnten Wartesemester als Signal für die Motivation interpretiert werden. Bei ursprünglich abgelehnten Bewerbern wird die Anzahl der Wartesemester positiv im Zulassungsverfahren berücksichtigt. Anstatt ein anderes Fach zu studieren, arbeiten viele Studierende im Gesundheitssektor, z.B. als Krankenpflegekraft oder medizinische Fachangestellte. Wir vermuten, dass eine hohe intrinsische Motivation, als Arzt zu arbeiten, die Bereitschaft zur Akkumulation von Wartesemestern erhöht.2 In Deutschland wird jedoch aktuell nur ein vergleichsweise geringer Anteil von 20 Prozent aufgrund der Wartesemester zum Studium zugelassen.

Bisher wurde der Erfolg von Zulassungskriterien vor allem auf Basis von Absolventenquoten und Abschlussnoten bewertet. Angesichts ihrer großen gesundheitspolitischen Bedeutung schlagen wir vor, die spätere Wahl der Spezialisierung als weiteres Kriterium zur Evaluation von Zulassungskriterien aufzunehmen.

Die Entscheidung für eine Tätigkeit als Allgemeinarzt könnte auch durch eine Veränderung des Studienplans des medizinischen Grundstudiums beeinflusst werden. Eine aktuelle Beobachtungsstudie an der Universität Leipzig zeigt, dass ein stark praxisorientiertes, familienmedizinisches Curriculum den Anteil der Absolventen, die eine Tätigkeit als Hausarzt anstreben, erhöht [14]. Die Existenz eines unabhängigen Instituts sowie eines Lehrstuhls für Allgemeinmedizin scheinen auf diesen Anteil einen positiven Einfluss zu haben [15]. Diese Evidenz wird von [16], einer Umfrage unter Medizinstudierenden an sieben deutschen Universitäten, die im Praktischen Jahr Allgemeinmedizin als Wahlfach gewählt hatten, unterstützt. Diese Daten zeigen, dass eine höhere Zufriedenheit mit der Ausbildung in diesem Bereich zu einer stärkeren Motivation führt, eine Karriere als Hausarzt einzuschlagen.

Aber auch postgraduale Weiterbildung und das Berufsbild des Allgemeinarztes spielen bei der Entscheidung, Hausarzt zu werden, eine entscheidende Rolle [17]: In einer deutschlandweiten Stichprobe von Allgemeinmedizinern in Weiterbildung erwägen 89 Prozent die Tätigkeit in eigener Praxis, 77 Prozent können sich dies in einem ländlichen Umfeld vorstellen. Schlüsselfaktoren für ihre Bereitschaft zur Tätigkeit als Landarzt waren eine familienfreundliche Umgebung, die ländliche Lage an sich und die Möglichkeit zur Zusammenarbeit mit Kollegen.


Grenzen der Studie

Zum einen beinhalten unsere Daten nur die Abiturnotenschnitte der Studierenden. Diese entscheiden zwar über die Zulassung zum Studium, setzen sich aber aus verschiedenen Fächern wie Mathematik, Sprachen oder Naturwissenschaften zusammen. Es wäre wichtig zu wissen, auf welche Disziplinen sich unsere Ergebnisse zurückführen lassen, d.h. in welchen Fächern die Studierenden mit einer Präferenz für die Beschäftigung als Landarzt schlechter (oder besser) als die anderen Studierenden abschneiden. Außerdem sollte dabei die Relevanz dieser Fächer für die tägliche Arbeit als Arzt berücksichtigt werden. Falls diejenigen Fächer, in denen zukünftige Landärzte schlechter abschneiden, nicht essentiell für die Arbeitsleistung sind, hätte eine Veränderung der Zulassungsbeschränkungen keine negativen Auswirkungen auf die Qualifikation der Ärzte.

Zum anderen messen wir nur die Präferenzen der Studierenden während ihres Studiums und nicht ihre tatsächlichen beruflichen Entscheidungen. Um den Zusammenhang von Eintrittsbeschränkungen für das Medizinstudium und die Berufswahl zu bestimmen, wären longitudinale Umfragedaten über das Studium und frühe Phasen des Berufslebens der Ärzte hinweg sehr hilfreich. Insbesondere sich im Laufe des Studiums verändernde Karrierepläne machen dies zu einem relevanten Thema (siehe z.B. [18]).

Für den Effekt der Herkunft auf die Standortentscheidung wäre zudem die Frage wichtig gewesen, ob die Studierenden in einer Stadt oder auf dem Land aufgewachsen sind. Weitere Studien sollten diesen Faktor in ihren Umfragen berücksichtigen.

Die Rücklaufquoten der Befragungen betrugen 25 Prozent (2012) respektive 15 Prozent (2014). Folglich sind unsere Resultate nicht für alle Studierenden repräsentativ. Obwohl höhere Rücklaufquoten wünschenswert gewesen wären, sind sie wegen der in den letzten Jahren beträchtlich gesunkenen Antwortraten nicht ungewöhnlich niedrig für sozialwissenschaftliche Umfragen, siehe [19]. Darüber hinaus wären Daten von mehr als zwei Universitäten sinnvoll gewesen. Obwohl fortlaufende Weiterbildung für die Standortentscheidung praktizierender Ärzte auch eine Rolle spielen könnte, haben wir in unserer Studie nur Medizinstudierende berücksichtigt. Aufgrund der zunehmenden Wichtigkeit für die Ärzte, auf dem neuesten Stand medizinischer Technik zu bleiben, hat diese Thematik in den letzten Jahren an Aufmerksamkeit gewonnen (siehe z.B. [20]).


Implikationen für politische Entscheidungen

Maßnahmen zur Erhöhung des Angebots an Landärzten könnten sich auf die Tatsache stützen, dass die Studierenden, die in einer ländlichen Gegend praktizieren möchten, aus einer Bewerbergruppe mit einem spezifischen Profil stammen. Instrumente wie mehrdimensionale Zulassungskriterien oder die Differenzierung des Medizinstudiums in verschiedene Studienprogramme könnten die Knappheit an Landärzten reduzieren. Insbesondere für Bewerber mit praktischen Arbeitserfahrungen im Gesundheitssektor oder für solche, deren Eltern bereits auf dem Land praktizieren, könnte der Numerus clausus gelockert werden. Auch ein spezielles Studienprogramm für Allgemeinmediziner könnte angehende Ärzte besser auf ihre Tätigkeit vorbereiten. Die ökonomische Literatur zeigt, dass Individuen mit höherer gemessener Risikoaversion seltener dazu bereit sind, volatile Einkommen zu akzeptieren und sich selbstständig zu machen. Da angehende Landärzte in unserer Studie risikoaverser sind, sollten sie während ihrer Facharztausbildung und der Gründung einer eigenen Praxis unterstützt werden, beispielsweise in Form von vergünstigten Darlehen, Hilfe bei der Vernetzung mit Kollegen oder unterstützender Infrastruktur.


Anmerkungen

1 Ein Logit-Modell würde annehmen, dass die Fehlerterme einer Extremwertverteilung vom Typ II folgen. Allgemein sind die geschätzten Werte von Logit- und Probit-Modellen sehr ähnlich. Dies trifft auch für unsere Daten zu.

2 Entgegen dieser Vermutung findet [21], dass Studierende mit einer positiven Anzahl an Wartesemestern signifikant schlechtere Noten hatten als Studierende ohne Wartesemester.


Danksagung

Wir danken für die Unterstützung der Deutschen Forschungsgemeinschaft durch den SFB/TR 15. Wir danken außerdem Suzan Elshout und dem Team von Programmierern von CentERdata Tilburg und Pascal Berberat von der Technischen Universität München für die Unterstützung bei der Datenerhebung und der Probandengewinnung.


Interessenkonflikt

Die Autoren erklären, dass sie keine Interessenkonflikte im Zusammenhang mit diesem Artikel haben.


Literatur

1.
Misfeldt R, Linder J, Lait J, Hepp S, Armitage G, Jackson K, Suter E. Incentives for improving human resource outcomes in health care: overview of reviews. J Health Serv Res Po. 2014;19(1):52-61. DOI: 10.1177/1355819613505746 Externer Link
2.
Kruse J. Income Ratio and Medical Student Specialty Choice: The Primary Importance of the Ratio of Mean Primary Care Physician Income to Mean Consult¬ing Specialist Income. Fam Med. 2013;45(4):281-283.
3.
Sivey P, Scott A, Witt J, Joyce C, Humphreys J. Junior doctors' preferences for specialty choice. J Health Econ. 2012;31(6):813-823. DOI: 10.1016/j.jhealeco.2012.07.001 Externer Link
4.
Serneels P, Montalvo JG, Pettersson G, Lievens T, Butera JD, Kidanu A. Who wants to work in a rural health post? The role of intrinsic motivation, rural background and faith-based institutions in Ethiopia and Rwanda. B World Health Organ. 2010;88(5):342-349. DOI: 10.2471/BLT.09.072728 Externer Link
5.
Korzilius H. Hausärztemangel in Deutschland: Die große Landflucht. Dtsch Arztebl. 2008;105(8):A373-A374.
6.
Richter-Kuhlmann EA. Arztzahlstudie von BÄK und KBV: Die Lücken werden größer. Dtsch Arztebl. 2010;107:A-1670, B-1478, C-1458.
7.
Dominitz J, Manski C. Using expectations data to study subjective income expectations. J Am Stat Assoc. 1997;92(439):855-867. DOI: 10.1080/01621459.1997.10474041 Externer Link
8.
Bellemare C, Bissonnette L, Kröger S. Flexible approximation of subjective expectations using probability questions. J Bus Econ Stat. 2012;30(1):125-131. DOI: 10.1198/jbes.2011.09053 Externer Link
9.
Dohmen T, Falk A, Huffman D, Sunde U, Schupp J, Wagner GG. Individual risk attitudes: Measurement, determinants, and behavioral consequences. J Eur Econ Assoc. 2011;9(3):522-550. DOI: 10.1111/j.1542-4774.2011.01015.x Externer Link
10.
Fleming CM, Kler P. I'm too clever for this job: a bivariate probit analysis on overeducation and job satisfaction in Australia. Appl Econom. 2008;40(9):1123-1138. DOI: 10.1080/00036840600771254 Externer Link
11.
Heinz M, Schumacher H. Signaling cooperation. CEPR Working Paper No. 10942. London: CEPR; 2015.
12.
Hulsman RL, van der Ende JS, Oort FJ, Michels RP, Casteelen G, Griffioen FM. Effectiveness of selection in medical school admissions: evaluation of the outcomes among freshmen. Med Educ. 2007;41(4):369-377. DOI: 10.1111/j.1365-2929.2007.02708.x Externer Link
13.
Pau A, Jeevaratnam K, Chen YS, Fall AA, Khoo G, Nadarajah VD. The multiple mini-interview (MMI) for student selection in health professions training – a systematic review. Med Teach. 2013;35(12):1027-1041. DOI: 10.3109/0142159X.2013.829912 Externer Link
14.
Deutsch T, Lippmann S, Frese T, Sandholzer. Who wants to become a general practitioner? Student and curriculum factors associated with choosing a GP career – a multivariable analysis with particular consideration of practice-orientated GP courses. Scand J Prim Health Care. 2015;33(1):47-53. DOI: 10.3109/02813432.2015.1020661 Externer Link
15.
Schneider A, Karsch-Voelk M, Rupp A, Fischer MR, Drexler H, Schelling J, Berberat P. Determinanten für eine hausärztliche Berufswahl unter Studierenden der Medizin: Eine Umfrage an drei bayerischen Medizinischen Fakultäten. GMS J Med Educ. 2013;30(4):Doc45. DOI: 10.3205/zma000888 Externer Link
16.
Böhme K, Kotterer A, Simmenroth-Nayda A. Family practice as clinical elective – solution to combat shortage of future FP care? Z Allg Med. 2013;89(11):452-458.
17.
Steinhäuser J, Annan N, Ross M, Szecsenyi J, Joos S. Approaches to reduce shortage of general practitioners in rural areas – results of an online survey of trainee doctors. Med Wochenschr. 2011;136(34-35):1715-1719. DOI: 10.1055/s-0031-1272576 Externer Link
18.
Buddeberg-Fischer B, Klaghofer R, Stamm M, Marty F, Dreiding P, Zoller M, Buddeberg C. Primary care in Switzerland – no longer attractive for young physicians? Swiss Med Wkly. 2006;136(27-28):416-424.
19.
Meyer BD, Mok WK, Sullivan JX. Household surveys in crisis. J Econ Perspect. 2015;29(4):199-226. DOI: 10.1257/jep.29.4.199 Externer Link
20.
Herrmann WJ. International standards for postgraduate family medicine education compared to Germany. Z Allg Med. 2013;89(10):407-411.
21.
Kadmon G, Resch F, Duelli R, Kadmon M. Predictive value of the school-leaving grade and prognosis of different admission groups for academic performance and continuity in the medical course – a longitudinal study. GMS J Med Educ. 2014;31(2):Doc21. DOI: 10.3205/zma000913 Externer Link