gms | German Medical Science

Hintergrund: Ist mehr diagnostische Information immer besser? Dies wird in der Medizin meist vorausgesetzt. Hausärzte brechen ihre diagnostische Datensammlung jedoch meist sehr früh ab, d.h. nach kurzer Anamnese und klinischer Untersuchung. Es gibt kaum Untersuchungen darüber, welche Menge an Information sinnvoll ist und welche keine zusätzliche Erkenntnis bringen. Das Projekt versucht modellhaft, u.a. mit Methoden des maschinellen Lernens, eine Antwort zu entwickeln.

Studienfrage: Bis zu welchem Punkt erhöht weitere diagnostische Information in relevantem Maße die Fähigkeit zwischen Kranken und Gesunden zu unterscheiden (Diskrimination)?

Methoden: Als Datenbasis nutzen wir die Daten der 1. Marburger Thoraxschmerzstudie, die für 1249 Brustschmerzpatienten Angaben zu Items der Anamnese/ körperlichen Untersuchung und zur Zielerkrankung (Koronare Herzkrankheit ja/nein) umfasst [1]. Die Prävalenz der KHK beträgt 15%. Diagnostische Strategien mit ein bis zehn Items werden in umfangreichen Simulationen in Bezug auf ihre diskriminatorische Fähigkeit untersucht. Während Untersuchungen zur Testgenauigkeit meist beide Fehler (1) Krankheit wird fälschlich angenommen, 2) Krankheit wird übersehen) gleich gewichten, entspricht dies nicht der klinischen Situation, in welcher der Fehler 2 als gravierender empfunden wird. Wir berücksichtigen deshalb verschiedene Gewichtungen der in dieser Entscheidung möglichen Fehler sowie verschiedene Schwellen für eine positive Entscheidung.

Ergebnisse: Dies ist eine laufende Auswertung, Ergebnisse werden beim Kongress präsentiert.

Diskussion: Diese Modellrechnungen können Hinweise dafür geben, wie umfangreich eine Datenerhebung in der individuellen diagnostischen Situation sein muss, um einerseits eine Gefährdung des Patienten durch zu wenige Daten zu vermeiden, andererseits aber auch den Zeitaufwand in einem sinnvollen Rahmen zu halten. Die Ergebnisse haben aber auch Implikationen für die Entwicklung diagnostischer Entscheidungsregeln, bei denen ebenfalls Aufwand und Testgenauigkeit bzw. Information gegeneinander abgewogen werden müssen.