gms | German Medical Science

GMS German Medical Science — an Interdisciplinary Journal

Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften (AWMF)

ISSN 1612-3174

Chancen und Risiken der Risikokommunikation in der Medizin

Diskussionspapier Sonderausgabe: Risikokompetenz

Suche in Medline nach

  • corresponding author Ulrich Hoffrage - Faculty of Business and Economics, University of Lausanne, Lausanne, Switzerland
  • Michael Koller - Centre for Clinical Studies, University Hospital Regensburg, Regensburg, Germany

GMS Ger Med Sci 2015;13:Doc07

doi: 10.3205/000211, urn:nbn:de:0183-0002117

Dieses ist die deutsche Version des Artikels.
Die englische Version finden Sie unter: http://www.egms.de/en/journals/gms/2015-13/000211.shtml

Eingereicht: 2. Dezember 2014
Überarbeitet: 4. Mai 2015
Veröffentlicht: 9. Juli 2015

© 2015 Hoffrage 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

Kommunikation, die im Alltag zwischen Ärzten und Patienten stattfindet, wird durch eine Reihe störender Faktoren begleitet. Neben spezifischen Interessen sind es vor allem Fehler und Missverständnisse, die von beiden Seiten zum Risiko der Risikokommunikation beitragen. Am Beispiel des Mammographie-Screenings wird dargestellt, wie die Bedeutung von Testergebnissen und die Aussagekraft von Maßnahmen, die zur Reduktion von Risiken ergriffen werden, oft missverstanden wird. Ferner wird gezeigt, wie eine gelungene Risikokommunikation aussehen kann.

Schlüsselwörter: Risikokommunikation, Mammographie-Screening, Bayes’sche Regel, Wahrscheinlichkeiten, natürliche Häufigkeiten, relative Risikoreduktion, Überlebensraten


Patienten und Ärzte sitzen in einem Boot

Zu Risiken und Nebenwirkungen fragen Sie Ihren Arzt oder Apotheker“ – wer kennt ihn nicht, diesen Ratschlag. Genaugenommen ist es allerdings nicht nur ein gutgemeinter Ratschlag für den Leser einer Medikamentenwerbung, sondern auch ein Passus, mit dem sich ein Pharmaunternehmen gegen etwaige Regressforderungen schützt. Dieses Beispiel zeigt: Risiken und Nebenwirkungen sind etwas Schlechtes, jeder will sie vermeiden und Risikokommunikation kann vielschichtig sein.

Auf der einen Seite wollen Bürger vermeiden zu Patienten zu werden und Patienten wollen Nebenwirkungen von Medikamenten vermeiden; auf der anderen Seite wollen Ärzte und Pharmaunternehmen vermeiden, Fehler zu begehen, missverstanden zu werden, oder verklagt zu werden. Mit dem Bestreben, Risiken zu vermeiden, sind die Gemeinsamkeiten noch lange nicht erschöpft. So ist jede der beiden Seiten auf die jeweils andere angewiesen: Während Patienten die Hilfe von Experten brauchen, sind die diversen Akteure im Gesundheitsweisen nicht nur für, sondern auch durch die Patienten da, denn ohne diese Patienten hätten sie keine Aufgaben, ja es gäbe ihren Beruf gar nicht. Außerdem möchte jede der beiden Seiten der jeweils anderen vertrauen: Der leidende Patient gewährt dem herannahenden Arzt einen Vertrauensvorschuss, zumal dieser in der Regel auch die ersehnte Hilfe bringt; und der Arzt darf darauf vertrauen, dass sich der geheilte Patient dankbar erweist.

Nicht immer geht es dem Patienten nach der Behandlung besser, aber auch in diesem Fall setzen sich die Gemeinsamkeiten fort: Ärzte machen manchmal Fehler, und manchmal handeln sie nicht ausschließlich zum Wohle des Patienten, weil sie selber Zwängen unterliegen oder einem Interessenkonflikt ausgesetzt sind. Da dies vielen Patienten durchaus bewusst ist, mischt sich in das Vertrauen, das sie dem Arzt entgegenbringen, manchmal auch eine Prise Misstrauen – oft auch noch geschürt durch entsprechende Kommunikation: Zu Risiken und Nebenwirkungen im Umgang mit Ärzten fragen Patienten oft andere Patienten. Aber auch Patienten machen manchmal Fehler. Sie halten sich nicht an die Anweisungen des Arztes oder sie machen den Arzt zu Unrecht für eine Verschlechterung ihres Zustandes verantwortlich – was gelegentlich auch zu rechtlichen Auseinandersetzungen führt. Entsprechend wissen auch Ärzte so manches von den Risiken und Nebenwirkungen im Umgang mit Patienten zu berichten.


Von den Risiken der Risikokommunikation

Die aufgeführten Gemeinsamkeiten zwischen Ärzten und Patienten, die Möglichkeiten sich zu helfen, aber auch sich gegenseitig einen Schaden zuzufügen, lassen sich auch im Bereich der Risikokommunikation feststellen. Laien können oft nicht beurteilen, wie gefährlich beispielsweise ihre Beschwerden sind und was man dagegen tun kann. Experten können hier helfen und die relevanten Informationen zur Verfügung stellen. Genau darin liegen die Chancen der Risikokommunikation [1].

Aber – um Benjamin Franklin zu zitieren – „nichts ist sicher außer dem Tod und der Steuer“. So können auch die Auskünfte von Experten fehlerhaft sein. Oft sind sie auch lediglich unvollständig oder missverständlich, wobei es dann nicht immer klar ist, ob eher der Arzt oder eher der Patient für das Missverständnis verantwortlich ist. In diesen Fehlern und möglichen Missverständnissen liegen die Risiken der Risikokommunikation.

Idealerweise führt das Wissensgefälle zwischen Arzt und Patient zu einer transparenten Vermittlung relevanter Informationen. Der Alltag sieht aber oft anders aus, die hier stattfindende Kommunikation über Risiken ist nicht frei von störenden Interessen [2]. Zum einen kann ein medizinischer Betrieb nur aufrechterhalten werden, wenn seine Kosten gedeckt sind. Zum anderen ist es verständlich und legitim, wenn sich Ärzte und Pflegepersonal, aber auch Behörden oder Klinikmanagement vor rechtlichen Auseinandersetzungen schützen wollen. Darüber hinaus spielen oft auch institutionelle Gegebenheiten in die Art und Weise, wie Risiken kommuniziert werden, mit hinein. Das vielleicht gravierendste Hindernis für eine transparente und verständliche Risikokommunikation liegt, unserer Auffassung nach, jedoch in der Unfähigkeit mancher Beratenden, mit Zahlen richtig umzugehen, das heißt, diese richtig zu verstehen und richtig zu vermitteln. Im Folgenden werden wir für drei Bereiche aufzeigen, wie bestimmte Werte und Statistiken, die häufig bei der Kommunikation von Risiken verwendet werden, missverstanden werden können – und wie sie kommuniziert werden können, um das Risiko von Missverständnissen zu reduzieren.


Bedeutung von Testergebnissen (Bayesianische Inferenzen)

Eine 52-jährige Frau ist der Einladung zu einem Mammographie-Screening gefolgt und hat nun, obwohl sie keine einschlägigen Symptome aufwies, plötzlich einen „auffälligen“ Befund erhalten, d.h. es wurde eine verdächtige Struktur entdeckt und es muss näher abgeklärt werden, ob sich dahinter wirklich ein Mammakarzinom verbirgt. Im Jahre 2011 wurden in Deutschland ca. 4,9 Millionen Frauen im Alter von 50–69 zu dieser Reihenuntersuchung eingeladen. Von den ca. 2,7 Millionen Frauen, die dieser Einladung gefolgt sind, wurden 8,6% (unter den ca. 800.000 Erstuntersuchungen) bzw. 3,2% (unter den ca. 1,9 Millionen Folgeuntersuchungen) erneut einbestellt [3]. Was bedeutet aber eine derartige Wiedereinbestellung genau? Der häufigste Grund dafür ist ein positiver Befund bei der ersten Mammographie. Wie hoch ist die Wahrscheinlichkeit, dass in einem solchen Fall tatsächlich Brustkrebs vorliegt? Diese Wahrscheinlichkeit, der sogenannte positive prädiktive Wert (PPW), hängt von drei Parametern ab. In einer in den USA durchgeführten Untersuchung wurden den teilnehmenden Ärzten dazu folgende Informationen gegeben [4]:

a) Prävalenz: Die Wahrscheinlichkeit, dass eine symptomfreie Frau im Alter von 52 Jahren Brustkrebs (B+) hat, beträgt 1%.
b) Sensitivität: Wenn eine dieser Frauen Brustkrebs hat, dann beträgt die Wahrscheinlichkeit, dass sie einen positiven Mammographie-Befund (M+) erhält, 80%.
c) Spezifität: Wenn eine dieser Frauen jedoch keinen Brustkrebs (B-) hat, dann beträgt die Wahrscheinlichkeit, dass sie dennoch einen positiven Mammographie-Befund erhält, 10%.

95 von 100 der befragten Ärzte schlossen aus diesen Informationen, dass die Wahrscheinlichkeit für Brustkrebs nach einem positiven Testergebnis zwischen 70 und 80 Prozent liegen würde. Setzt man die gegebenen Werte jedoch in die so genannte Bayes’sche Regel ein (linke Seite der Abbildung 1 [Abb. 1]), ergibt sich ein PPW von 7,5 Prozent! Diese Schwierigkeiten, aus den gegebenen Wahrscheinlichkeiten den richtigen PPW abzuleiten, konnten in diversen Studien mit Ärzten [5], Medizinstudenten [6] und medizinischen Laien [7] vielfach repliziert werden (für einen Überblick siehe [8]).

Diese Fehleinschätzungen, die im Einzelfall zu gravierenden Fehlentscheidungen bezüglich weiterer Diagnostik und Therapie führen können, lassen sich vermeiden, wenn man bei der Kommunikation der relevanten Informationen nicht Wahrscheinlichkeiten, sondern natürliche Häufigkeiten verwendet. Natürliche Häufigkeiten sind die Anzahlen der verschiedenen Fälle, die in einer repräsentativen Stichprobe auftreten [7]. In der Regel sind es diese Häufigkeiten, die den heute üblicherweise in Lehrbüchern angegebenen bedingten Wahrscheinlichkeiten zugrunde liegen.

Wahrscheinlichkeiten lassen sich leicht in natürliche Häufigkeiten (zurück) übersetzen. Im ersten Schritt wird dabei die Prävalenz auf eine fiktive Anzahl von Personen bezogen (im Folgenden: 1000), um so die Anzahl der Erkrankten in dieser Stichprobe zu ermitteln (1% von 1000 ergibt 10; Abbildung 1 [Abb. 1], rechts). Im zweiten Schritt wird die Sensitivität des Tests benutzt um zu ermitteln, wie viele der Erkrankten ein positives Ergebnis erhalten (80% von 10 ergibt 8). Und im dritten Schritt wird mit Hilfe der Spezifizität des Tests festgestellt, wie viele positive Befunde es in der Gruppe der Gesunden gibt (die Falsch-Alarm Rate von 10%, bezogen auf 990, ergibt 99). Damit lässt sich ersehen, dass von 1000 Frauen 107 einen positiven Befund erhalten (8+99), zugleich aber von diesen 107 nur 8 tatsächlich einen Brustkrebs haben. Der Quotient 8/107 ergibt 7,5% – den PPW, den wir oben bereits als Ergebnis der Bayes’schen Regel genannt hatten. Genau genommen können also natürliche Häufigkeiten als eine Anwendung dieser Regel auf eine fiktive Grundgesamtheit gesehen werden.

Eine Reihe von Studien [5], [6], [7] (für weitere Beispiele siehe [9]) hat gezeigt, dass die Verwendung von natürlichen Häufigkeiten (statt Wahrscheinlichkeiten) bei der Kommunikation von relevanten Information den Prozentsatz der richtigen Schlüsse (d.h., solche die konsistent mit der Bayes’schen Regel sind) um rund das dreifache ansteigen lässt (von 15–20% auf etwa 50%). Des Weiteren war diese Methode in einer Lehreinheit für Medizinstudenten weit effektiver als die traditionelle Methode, nach der den Studenten die Bayes’sche Regel beigebracht wurde, und ihnen gezeigt wurde, wie die entsprechenden Wahrscheinlichkeiten einzusetzen sind [10].

Viele Frauen nehmen deshalb am Brustkrebsscreening teil, weil sie sich ein negatives Ergebnis erhoffen und dadurch dann endlich „Sicherheit“ haben. Ist diese Erwartung berechtigt? Aus Abbildung 1 [Abb. 1] ist leicht zu ersehen, dass in unserer fiktiven Stichprobe 893 negative Ergebnisse zu erwarten sind. Dabei sind zwei Fälle zu unterscheiden: Zum einen wird bei 2 von den 10 erkrankten Frauen (B+) der Brustkrebs übersehen und zum anderen erhalten von den 990 gesunden Frauen (B-) 891 einen richtig-negativen Befund (2+891=893). Für eine Frau, die ohne Mammographie eine 99%ige Sicherheit haben konnte, keinen Brustkrebs zu haben (1 – Prävalenz), ist diese Wahrscheinlichkeit nach Erhalt eines negativen Ergebnisses also um 0,78% auf 99,78% (=891/893) gestiegen. Eine Darstellung mit natürlichen Häufigkeiten hilft also zu verstehen, dass auch ein negatives Ergebnis noch keine Sicherheit bedeutet (99,78% sind immer noch nicht 100%) und dass der Zugewinn oft nur gering ist (hier: 0,78 Prozentpunkte).


Reduktion von Risiken

Natürliche Häufigkeiten sind nicht nur hilfreich, wenn es um die Interpretation von positiven Testbefunden geht, sondern auch wenn es darum geht zu entscheiden, ob eine bestimmte Diagnostik oder Therapie einzusetzen ist. Soll eine Frau der Einladung zum Brustkrebs-Screening folgen? Soll ein Mann seinen PSA-Wert bestimmen lassen, um ggf. Prostatakrebs rechtzeitig zu entdecken? Soll ein Bypass gelegt werden, um das Risiko eines Herzinfarkts zu senken? Wie steht hier jeweils der Nutzen im Verhältnis zu den Risiken und Nachteilen? Der hauptsächliche Nutzen derartiger Maßnahmen liegt in einer Verminderung des Risikos, beispielsweise an Brustkrebs oder an Prostatakrebs zu sterben, oder einen Herzinfarkt zu erleiden. Die Frage lautet daher: Wie verhalten sich die Risiken ohne Diagnostik zu den Risiken, die mit den diagnostischen und therapeutischen Maßnahmen verbunden sind?

Betrachten wir als Beispiel hier die Zahlen für das Brustkrebsscreening. Ohne Screening würden 4 von 200 gesunden Frauen im Alter von 50 bis 69 Jahren, bei denen noch kein Brustkrebs diagnostiziert wurde, in einem Zeitraum von 20 Jahren an Brustkrebs sterben [11]. Würden alle am Brustkrebsscreening teilnehmen, würde eine weniger in diesem Zeitraum an Brustkrebs sterben. Die gängigsten Maße, um diese Reduktion des Risikos zu kommunizieren, sind:

a) Die relative Risikoreduktion (RRR). Diese beträgt 25%: Bei 1 von 4 (=25%) kann ein Tod durch Brustkrebs verhindert werden.
b) Die absolute Risikoreduktion (ARR). Diese beträgt 0,5%: Statt 4 von 200 sterben nur noch 3 von 200; 1 von 200 (=0,5%) kann gerettet werden.
c) Die Number-needed-to-screen (NNS). Diese beträgt 200: Es müssen 200 Frauen am Screening teilnehmen, um die eine zu finden, die im Sinne eines verlängerten Lebens profitiert. Nicht nur die Effizienz von Screeningverfahren, sondern auch die von therapeutischen Verfahren lässt sich mit diesem Maß bewerten; dann spricht man von number-needed-to-treat (NNT). Es gilt ARR=1/NNS (bzw 1/NNT).

Man beachte, dass die kommunizierten Werte sehr unterschiedlich sind (25%, 0,5%, 200). Dennoch beruhen alle auf denselben Daten. Entsprechend groß ist oft die Verwirrung. Welches der drei Werte ist nun für die Frau relevant, die die Einladung zum Screening bekommen hat? Sie ist eine von 200, und für sie kann deshalb die Teilnahme auch nur eine Reduzierung ihres individuellen Risikos um 0,5% mit sich bringen – gleiches gilt natürlich auch für die anderen 199, die den Einladungsbrief in den Händen halten. Die 25% hingegen beziehen sich ausschließlich auf genau die 4 Frauen, die ohne Screening an Brustkrebs sterben würden – und niemand weiß zu diesem Zeitpunkt, welche 4 es sein werden. Wüsste man es, bräuchte man das Screening nicht.

Üblicherweise wird die RRR verwendet, wenn der Nutzen von diagnostischen, therapeutischen oder prophylaktischen Maßnahmen kommuniziert wird [12] (siehe auch [13]). Während die ARR in der Regel niedrig ist, ist die RRR in der Regel hoch. Somit wird durch die weite Verbreitung des RRR sowohl in der Fachliteratur als auch in der allgemeinen Presse und in Patientenbroschüren ein Maß angegeben, das einen relativ hohen Nutzen suggeriert, welcher aber für den Einzelnen irrelevant ist. Dieses Maß wird von den meisten missverstanden [9]. Seine Verwendung ist dann besonders fraglich, wenn mit der Maßnahme auch Nachteile verbunden sind [14]. Dabei kann es durchaus vorkommen, dass sich der Ratsuchende nicht für, sondern gegen die Durchführung der Maßnahme entschieden hätte, wenn ihm die Risikoreduktion transparenter kommuniziert worden wäre. In einer Untersuchung mit 53 Frauen in der Schweiz [15] kam zu Tage, dass die meisten Frauen den Nutzen enorm überschätzten und die Nachteile (falsch-positive Befunde und Überbehandlungen, d.h. Behandlung von richtig diagnostizierten Krebsfällen, die nie klinisch auffällig geworden wären) kaum kannten. In dieser Studie fiel die spontane Teilnahmebereitschaft von 68% drastisch auf 11% ab, nachdem den Frauen sowohl die RRR als auch die ARR und ihr Verhältnis zueinander transparent erklärt worden sind.


Aussagekraft von Überlebensraten

Ein anderes Maß, das oft verwendet wird, um den Nutzen von Screening-Programmen zu quantifizieren und zu belegen, ist die Überlebensrate, wobei meist die Fünfjahresüberlebensrate genommen wird. Für ein kurioses, historisches Aperçu sorgte Rudy Giuliani, ehemaliger Bürgermeister von New York, im Jahre 2007. Während eines Wahlkampfauftritts im Rahmen seiner Kandidatur um das Amt des Präsidenten der USA stellte er die Vorteile des amerikanischen Gesundheitssystems gegenüber dem britischen System heraus: „Vor fünf, sechs Jahren hatte ich Prostatakrebs... Meine Chance, Prostatakrebs in Amerika zu überleben? 82 Prozent! Meine Chance, Prostatakrebs in Großbritannien zu überleben? Gerade mal 44 Prozent – unter einem verstaatlichten Gesundheitssystem“ (deutsche Übersetzung entnommen [16]). Giuliani zog aus dem Vergleich der beiden Zahlen einen zwar vordergründig plausiblen, aber dennoch falschen Schluss. Bei näherer Betrachtung hat der Unterschied zwischen den Fünfjahresüberlebensraten nichts mit der Verstaatlichung des Gesundheitswesens zu tun, sondern damit, dass es in den USA ein Prostatafrüherkennungsprogramm gab, in Großbritannien aber nicht.

Aber auch der Schluss, dass ein Früherkennungsprogramm die Sterblichkeit senken würde, wäre falsch. Durch ein Screening-Programm werden viele Krebserkrankungen früher entdeckt, aber eine derartige Vorverlegung des Diagnosezeitpunkts heißt noch lange nicht, dass dadurch auch der Sterbezeitpunkt hinausgeschoben werden kann.

Nehmen wir als ein fiktives Beispiel Drillinge, die im Alter von 83 Jahren gleichzeitig einen klinisch auffälligen Prostatakrebs entwickeln und im Alter von 86 Jahren daran versterben. Der erste nimmt an keinem Früherkennungsprogramm teil und stirbt drei Jahre nach der spontanen Entdeckung der Erkrankung daran. Der zweite lässt im Alter von 80 Jahren einen PSA-Test durchführen, der zu einer Biopsie und dann schließlich zur Diagnose Krebs führt. Und der dritte hat das seltene Glück, im Alter von 20 Jahren einen einzigartigen Menschen kennenzulernen, der ihm aufgrund der Form seines Ohrläppchens sagen kann, dass er einen Prostatakrebs hat, der noch 63 Jahre schlummern und dann nach 66 Jahren zum Tode führen wird. Welchen Beitrag werden die Drillinge zu Studien liefern, in den Fünfjahresüberlebensraten ermittelt werden? Der erste wird seine Diagnose, die durch spontane Entdeckung zustande kam, nicht um fünf Jahre überleben; der zweite ist fünf Jahre nach der durch den PSA Test ausgelösten Diagnose noch am Leben; und der dritte würde sogar dazu beitragen, die Ohrläppchendiagnostik nicht nur bezüglich ihrer Fünfjahresüberlebensrate, sondern auch bezüglich ihrer Fünfzigjahresüberlebensrate — ein Maß, welches in der Praxis nicht verwendet wird — gut dastehen zu lassen. Der Vorlauf-Bias (leadtime bias) wirkt sich auf die unterschiedlichen Diagnosemethoden mit ihren jeweiligen Fünfjahresüberlebensraten unterschiedlich aus. In unserem fiktiven Beispiel lassen diese Statistiken die spontane Entdeckung als am schlechtesten und die Ohrläppchenmethode als die beste dastehen. Aber dabei wird gerne übersehen, dass die jeweiligen Überlebensraten keine Aussagen über die Sterblichkeit als solche erlauben. Ungeachtet der Tatsache, wann und wodurch die Drillinge von ihrem Krebs erfahren, versterben sie alle im gleichen Jahr.

Der Vorlauf-Bias wird durch den Überdiagnose-Bias zusätzlich verstärkt. Durch Screeningprogramme wird nicht nur der Diagnosezeitpunkt vorverlegt, sondern es werden auch solche Arten von Krebs entdeckt, die langsam wachsen, ggf. nie metastasieren würden, und möglicherweise sogar nie klinisch auffällig werden würden. Beim Prostatakrebs wird angenommen, dass bis zu 60% der über 80-jährigen Männer daran erkrankt sind [17]. Die meisten wissen es nicht und sterben aus anderen Gründen. Was würde mit den Fünfjahresüberlebensstatistiken passieren, wenn ein sehr sensitiver Test auch solche vergleichsweise harmlosen Krebsarten entdecken würde? Derartige Überdiagnosen (richtige, aber eigentlich irrelevante und überflüssige Diagnosen, die keine lebensverlängernden Effekte haben) würden die Fünfjahresüberlebensraten in die Höhe treiben und die Diagnosemethode entsprechend gut dastehen lassen – und das würden sie selbst dann tun, wenn die Diagnose nicht den geringsten Einfluss auf den Todeszeitpunkt hätte.

Überlebensstatistiken sind ein gutes Messinstrument für Vergleiche von Effekten der Krebstherapien in randomisierten Studien, aber sie taugen überhaupt nicht für Vergleiche von Gruppen, deren Erkrankung unterschiedlich diagnostiziert wurde (durch Früherkennung versus symptombasierte Entdeckung). „Durch die Vorverlegung des Diagnosezeitpunkts und den Einschluss von Tumoren mit günstiger Prognose wird die Fünfjahresüberlebensrate durch die Früherkennung künstlich aufgebläht, ohne dabei zwangsläufig eine reale Entsprechung zu einer reduzierten Sterblichkeit zu haben. Aus diesen Gründen eignet sich die Fünfjahresüberlebensrate nicht dazu, den Effekt von Früherkennung einzuschätzen“ ([16], S. 4). Diese Zusammenhänge sind den meisten Ärzten nicht bekannt; in einer dieser Studien lag der Anteil der Ärzte, die den Vorlauf-bias und den Überdiagnose-bias korrekt erklären konnten, bei unter 10% [18].

Und dabei scheint gerade das Wissen um diese beiden Verzerrungen unerlässlich zu sein wenn es darum geht, den Nutzen eines Screening abschätzen zu können. So berechnen Welch und Frankl für eine Frau, bei der durch eine Früherkennungsmammographie ein Brustkrebs entdeckt wird, eine Wahrscheinlichkeit von 13%, dass durch genau diese frühere Diagnose ein Tod durch Brustkrebs verhindert wird ([19]; diese Berechung beruht auf einer angenommenen Mortalitätsreduktion von 20%). Angesichts dieser niedrigen Wahrscheinlichkeit kommen die Autoren zu dem Schluss, dass „Most women with screen-detected breast cancer have not had their life saved by screening. They are instead either diagnosed early (with no effect on their mortality) or overdiagnosed.”


Gelungene Risikokommunikation

Die oben angegebene Prävalenz von Brustkrebs sowie Testparameter des Mammographie-Screenings sind entnommen einer amerikanischen Publikation aus dem Jahre 1982 [4]. Es sei hier ausdrücklich betont, dass sowohl die Sensitivität und auch die Spezifität der Mammographie stark von den Rahmenbedingungen abhängen, unter denen diese durchgeführt wird. In einem qualitätsgesicherten, systematisch durchgeführten Screening mit vielen Befundungen von speziell ausgebildeten und erfahrenen Radiologen wird es deutlich weniger übersehene Brustkrebse und weniger falsch-positive Befunde geben als in kleinen gynäkologischen Praxen.

Nicht nur bezüglich der Zahlen, sondern auch bezüglich der Art und Weise, wie man sie kommuniziert, gibt es Verbesserungen. Genau mit einem solchen positiven Beispiel wollen wir diesen Aufsatz beschließen. Leider gibt es deren nicht allzu viele (für einen recht ernüchternden Überblick über Informationsmaterial zum Mammographie-Screening siehe [12], [13]), aber es scheint sich hier etwas zu verändern. So können die Darstellungen der Kooperationsgemeinschaft Mammographie, die in Zusammenarbeit mit dem Deutschen Krebsforschungszentrum erstellt wurde, als vorbildlich betrachtet werden (und diese werden von vielen Ärzten und Journalisten übernommen). Bei der Darstellung des Zahlenmaterials werden durchgängig natürliche Häufigkeiten verwendet: sowohl die diagnostischen Eigenschaften des Screenings (PPW und übersehene Fälle von Krebs), dessen Nutzen (Risikoreduktion), als auch dessen Nachteile (falsche Alarme, Überdiagnosen) werden auf eine und dieselbe fiktive Grundgesamtheit bezogen und dadurch unmittelbar vergleichbar (siehe Abbildung 2 [Abb. 2]). Vielleicht darf an dieser Stelle hinzugefügt werden, dass die Autoren dieser Darstellungen mit den Ergebnissen von Studien wie zum Beispiel den oben berichteten gut vertraut waren.

Die in Abbildung 2 [Abb. 2] gegebene Übersicht fasst der Autor in Worte ([11], S. 23), die in eine für die Allgemeinheit verfasste Informationsbroschüre wie folgt übernommen worden sind ([20], S. 10).

Folgende Zahlen, die auf Erfahrungen aus anderen Ländern und auf wissenschaftlichen Untersuchungen beruhen, sollen Ihnen eine konkrete Vorstellung davon geben, wie Vor- und Nachteile über das gesamte Programm in etwa statistisch verteilt sind:
  • Von 200 Frauen, die 20 Jahre lang jedes 2. Jahr am Mammographie-Screening-Programm teilnehmen, erhalten 140 in 20 Jahren keinen verdächtigen Befund. 60 Frauen bekommen einen Befund, dem nachgegangen werden sollte.
  • Von diesen 60 Frauen erhalten 40 bei der ergänzenden Untersuchung Entwarnung, 20 Frauen wird eine Gewebeentnahme empfohlen.
  • Von diesen 20 Frauen stellt sich bei 10 Frauen der Verdacht als unbegründet heraus. 10 Frauen erhalten die Diagnose Brustkrebs im Screening. Von den übrigen 190 Frauen erhalten drei Frauen in den 20 Jahren zwischen zwei Screeningrunden ebenfalls die Diagnose Brustkrebs.
  • Von diesen insgesamt 13 Frauen mit der Diagnose Brustkrebs sterben drei Frauen an Brustkrebs, 10 Frauen sterben nicht an Brustkrebs.
  • Von diesen 10 Frauen hätte eine Frau ohne Mammographie zu Lebzeiten nichts von ihrem Brustkrebs erfahren, acht Frauen wären auch ohne Teilnahme am Mammographie-Screening-Programm erfolgreich behandelt worden – ein Teil davon jedoch mit einer belastenderen Therapie. 1 von 200 Frauen wird dank ihrer regelmäßigen Teilnahme vor dem Tod durch Brustkrebs bewahrt.

Diese Zusammenstellung erfüllt alle Kriterien des Katalogs, den der Fachbereich Patienteninformation des Deutschen Netzwerks für evidenzbasierte Medizin (DNEbM) erstellt hat, um Ärzte bei der Pflichtberatung zur Krebsfrüherkennung zu unterstützen [21] (siehe auch [22]) und sie entspricht den Forderungen nach einen besseren Risikokommunikation im Kontext von Screeningprogrammen [23]. Sie ist klar und transparent, und kommuniziert die wichtigsten Zahlen auf eine Art und Weise, die es erlaubt, Nutzen und Nachteile direkt zu vergleichen. So ist jede Frau selbstständig oder auch im Gespräch mit ihrem Arzt in der Lage zu entscheiden, ob sie an dieser Lotterie – genannt Mammographie-Screening – teilnehmen möchte (für weitere lobenswerte Darstellungen, siehe [24], [25], [26]). Wir möchten Ärzte, Fachgesellschaften, Patientenorganisationen, Krankenkassen und Behörden dazu ermuntern, dieses Beispiel aufzugreifen und weitere derart transparente Übersichten zu Diagnose und Therapie diverser Erkrankungen zu erstellen. Das Harding Center für Risikokompetenz (Risk Literacy) am Max-Planck Institut für Bildungsforschung in Berlin nennt diese Übersichten „Faktenboxen“ (siehe auch [27], [28]) und hat auch bereits schon eine Reihe davon vorgelegt [29]. Risiken sind unvermeidbar. Es gab sie schon immer und wird sie auch weiterhin geben – aber schlechte Risikokommunikation und Missverständnisse... das muss nun wirklich nicht sein.


Anmerkungen

Interessenkonflikte

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


Literatur

1.
Ahmed H, Naik G, Willoughby H, Edwards AG. Communicating risk. BMJ. 2012;344:e3996. DOI: 10.1136/bmj.e3996 Externer Link
2.
Gigerenzer G, Muir Gray JA, editors. Better doctors, better patients, better decisions: Envisioning health care 2020. Cambridge: MIT; 2011.
3.
Malek D, Kääb-Sanyal V; Kooperationsgemeinschaft Mammographie. Evaluationsbericht 2011 – Zusammenfassung der Ergebnisse des Mammographie-Screening-Programms in Deutschland. Berlin: Kooperationsgemeinschaft Mammographie; 2014. Available from: http://www.mammo-programm.de/download/MAMMO_EvalBericht_20141201_web%282%29.pdf [cited 2015 Mar 8] Externer Link
4.
Eddy DM. Probabilistic reasoning in clinical medicine: Problems and opportunities. In: Kahneman D, Slovic P, Tversky A, editors. Judgment under uncertainty: Heuristics and biases. Cambridge: Cambridge University Press; 1982. pp. 249-67. DOI: 10.1017/CBO9780511809477.019 Externer Link
5.
Hoffrage U, Gigerenzer G. Using natural frequencies to improve diagnostic inferences. Acad Med. 1998 May;73(5):538-40. DOI: 10.1097/00001888-199805000-00024 Externer Link
6.
Hoffrage U, Lindsey S, Hertwig R, Gigerenzer G. Medicine. Communicating statistical information. Science. 2000 Dec;290(5500):2261-2. DOI: 10.1126/science.290.5500.2261 Externer Link
7.
Gigerenzer G, Hoffrage U. How to improve Bayesian reasoning without instruction: Frequency formats. Psychol Rev. 1995;102:684-704. DOI: 10.1037/0033-295X.102.4.684 Externer Link
8.
Ghosh AK, Ghosh K. Translating evidence-based information into effective risk communication: current challenges and opportunities. J Lab Clin Med. 2005 Apr;145(4):171-80. DOI: 10.1016/j.lab.2005.02.006 Externer Link
9.
Gigerenzer G, Gaissmaier W, Kurz-Milcke E, Schwartz LM, Woloshin S. Helping doctors and patients to make sense of health statistics. Psychol Sci Public Interest. 2007;8:53-96. DOI: 10.1111/j.1539-6053.2008.00033.x Externer Link
10.
Kurzenhäuser S, Hoffrage U. Teaching Bayesian reasoning: an evaluation of a classroom tutorial for medical students. Med Teach. 2002 Sep;24(5):516-21. DOI: 10.1080/0142159021000012540 Externer Link
11.
Weymayr C; Kooperationsgemeinschaft Mammographie. Kennzahlen Mammographie-Screening – Dokumentation 2010 Version 1.2. Berlin: Kooperationsgemeinschaft Mammographie; 2010. Available from: http://www.komen.de/html/img/pool/1kennzahlenmammographie-screeningdokumentationv1.2.pdf [cited 2015 Mar 8] Externer Link
12.
Kurzenhäuser S. Welche Informationen vermitteln deutsche Gesundheitsbroschüren über die Screening-Mammographie [What kind of information do German health information pamphlets provide on mammography screening?]. Z Arztl Fortbild Qualitatssich. 2003 Feb;97(1):53-7.
13.
Kurzenhäuser S, Hoffrage U. Designing risk communication in health. In: Todd PM, Gigerenzer G; ABC Research Group, editors. Ecological rationality – intelligence in the world. New York: Oxford University Press; 2012. p. 428-53.
14.
Woloshin S, Schwartz LM. Numbers needed to decide. J Natl Cancer Inst. 2009 Sep;101(17):1163-5. DOI: 10.1093/jnci/djp263 Externer Link
15.
Matter-Walstra K, Hoffrage U. Individuelle Entscheidungsfindung am Beispiel der Brustkrebs-Früherkennung—Erfahrungen aus Fokusgruppen in der Schweiz. [Individual decision making concerning breast cancer screening—Observations with focus groups in Switzerland]. Schweizer Zeitschr Managed Care Care Management. 2001;3:26-9.
16.
Wegwarth O, Gigerenzer G. Risikokommunikation – Risiken und Unsicherheiten richtig verstehen lernen. Dtsch Ärztebl. 2011;108(9):A-448-51.
17.
Sökeland J, Weiss HE. Häufigkeit des Prostatakarzinoms. 2011 [last update 2014 Jul 28]. Available from: http://www.prostata.de/pca_haeufigkeit.html [cited 2015 Mar 8] Externer Link
18.
Wegwarth O, Gaissmaier W, Gigerenzer G. Deceiving numbers: survival rates and their impact on doctors' risk communication. Med Decis Making. 2011 May-Jun;31(3):386-94. DOI: 10.1177/0272989X10391469 Externer Link
19.
Welch HG, Frankel BA. Likelihood that a woman with screen-detected breast cancer has had her "life saved" by that screening. Arch Intern Med. 2011 Dec;171(22):2043-6. DOI: 10.1001/archinternmed.2011.476 Externer Link
20.
Gemeinsamer Bundesausschuss. Informationen zum Mammographiescreening. Available from: http://www.mammo-programm.de/download/merkblatt_deutsch_web.pdf [cited 2015 Mar 8] Externer Link
21.
Koch K, Mühlhauser I. Kriterien zur Erstellung von Patienteninformationen zu Krebsfrüherkennungsuntersuchungen: Stellungnahme des Fachbereichs Patienteninformation des Deutschen Netzwerkes für Evidenzbasierte Medizin (DNEbM). 2008. Available from: http://www.ebm-netzwerk.de/pdf/stellungnahmen/dnebm-080630.pdf [cited 2015 Mar 8] Externer Link
22.
Griebenow B. Beratung zur Krebsfrüherkennung: Vor- und Nachteile darstellen. Dtsch Ärztebl. 2008;05(33):A-1724.
23.
Jørgensen KJ, Brodersen J, Hartling OJ, Nielsen M, Gøtzsche PC. Informed choice requires information about both benefits and harms. J Med Ethics. 2009 Apr;35(4):268-9. DOI: 10.1136/jme.2008.027961 Externer Link
24.
Leitlinienprogramm Onkologie der Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften e. V., der Deutschen Krebsgesellschaft e. V. und der Deutschen Krebshilfe e. V. Früherkennung von Brustkrebs – Eine Entscheidungshilfe für Frauen. 2010. Available from: http://leitlinienprogramm-onkologie.de/uploads/tx_sbdownloader/Patientenleitlinie_Brustkrebs_Frueherkennung.pdf [cited 2014 Nov 25] Externer Link
25.
Medizinische Universtät Graz, EBM Review Center. Mammographie basierte Brustkrebsfrüherkennung – Recherche und Aufbereitung von Kennzahlen für eine informierte Entscheidung. Available from: http://www.frueh-erkennen.at/tl_files/bkfp/Dokumente/Fuer%20Radiologen/Mammographie%20basierte%20Screening-Kennzahlen%20informierte%20Entscheidung.pdf [cited 2015 Mar 8] Externer Link
26.
Gøtzsche PC, Hartling OJ, Nielsen M, Brodersen J. Screening für Brustkrebs mit Mammographie. Copenhagen: Nordisches Cochrane Zentrum; 2012. Available from: http://www.cochrane.dk/screening/mammografi-de.pdf [cited 2015 Mar 8] Externer Link
27.
Schwartz LM, Woloshin S, Welch HG. The drug facts box: providing consumers with simple tabular data on drug benefit and harm. Med Decis Making. 2007 Sep-Oct;27(5):655-62. DOI: 10.1177/0272989X07306786 Externer Link
28.
Schwartz LM, Woloshin S, Welch HG. Using a drug facts box to communicate drug benefits and harms: two randomized trials. Ann Intern Med. 2009 Apr;150(8):516-27. DOI: 10.7326/0003-4819-150-8-200904210-00106 Externer Link
29.
Harding Zentrum für Risikokompetenz. Faktenboxen. Available from: https://www.harding-center.mpg.de/de/gesundheitsinformationen/faktenboxen [cited 2015 Mar 8] Externer Link
30.
Hoffrage U, Kurzenhäuser S, Gigerenzer G. Wie kann man die Bedeutung medizinischer Testbefunde besser verstehen und kommunizieren [How can one improve the understanding and communication of the importance of medical test results?]. Z Arztl Fortbild Qualitatssich. 2000 Oct;94(9):713-9.