gms | German Medical Science

Wissenschaftliche Argumentationsfähigkeiten gelten in Anlehnung an die moderne Definition evidenzbasierter Medizin nach Sackett et al. (1997) zusammen mit ärztlichem Fachwissen als essenziell für die bestmögliche Entscheidungsfindung im Interesse von PatientInnen [1], [2], [3]. Für die Beurteilung von Risiken und Wahrscheinlichkeiten und deren Anwendung für PatientInnen ist ein grundlegendes Verständnis von Statistik und die Fähigkeit Evidenzen zu bewerten erforderlich. Bei Statistikverständnis (SV, engl. statistical literacy) handelt es sich nicht nur um die Fähigkeit statistische Informationen zu verstehen, sondern diese auch in die Entscheidungsfindung einfließen zu lassen [4]. Hierzu gehört, Statistiken als Evidenzgrundlage der wissenschaftlichen Argumentation kritisch reflektieren zu können [5]. Statistikverständnis basiert auf einem entsprechenden Zahlenverständnis und dem Beherrschen mathematischer Operationen [6] und umfasst die Fähigkeit, statistische Zahlen im wissenschaftlichen Kontext zu verwenden und zu interpretieren [7], [8], [9], sowie die Fähigkeit, statistische Zahlen zu erklären und kritisch zu bewerten [10], [11] (Arbeitsdefinition für die vorliegende Studie). Zudem ist SV eng mit Fähigkeiten zum wissenschaftlichen Denken und Argumentieren (WDA, engl. scientific reasoning and argumentation) verbunden und schafft so die Grundlage für eine evidenzbasierte Entscheidungsfindung [12], [13].

Ausgehend vom Rahmenkonzept von Fischer et al. (2014) kann WDA als die Kompetenz definiert werden, wissenschaftliche Arbeitsmethoden und die damit verbundenen Ergebnisse zu verstehen und bei der Problemlösung anzuwenden [14], [15]. Wissenschaftliches Denken und Argumentieren kann anhand von acht epistemischen Aktivitäten beschrieben werden. Der Schwerpunkt dieser Studie liegt auf den beiden Aktivitäten Evidenzen bewerten (EB, engl. evidence evaluation) und Schlussfolgerungen ziehen (SZ, engl. drawing conclusions).

Verschiedene Studien legen nahe, dass WDA und SV eng miteinander verknüpft sind, wobei SV laut Anderson et al. (2013) zum Bewerten wissenschaftlicher Evidenz erforderlich ist [16]. Gemäß Franklin et al. (2005) umfasst SV selbst auch WDA-Fähigkeiten [17].

Jedoch wurde bei ÄrztInnen ein weit verbreitetes Defizit hinsichtlich statistischer Kenntnisse beobachtet [4], [18]. In ähnlicher Weise sind WDA-Fähigkeiten wie EB und SZ, die für eine evidenzbasierte Praxis [19] erforderlich sind [4], [7], unterentwickelt.

In einer Studie von Anderson et al. (2014) beantworteten 52 % der teilnehmenden ÄrztInnen nur zwei (oder weniger) von vier Fragen zu statistischen Konzepten richtig [7]. Dies steht im Einklang mit den Ergebnissen von Windish et al. (2007), laut denen nur 40% der AssistenzärztInnen biostatistische Konzepte angemessen verstehen [20]. Zu ähnlichen Ergebnissen kamen Gigerenzer und Wegwarth (2008), denen zufolge 33% der GynäkologInnen den Nutzen des Mammografie-Screenings nicht kannten und 79% den positiven prädiktiven Wert nicht interpretieren konnten [21]. Gigerenzer et al. (2008) fassten verschiedene Studien zum Konzept des positiven prädiktiven Werts und seiner Abhängigkeit von der Prävalenz zusammen und fanden heraus, dass 50% der Teilnehmenden nicht an die Möglichkeit falsch positiver HIV-Testergebnisse glauben. Sie fanden außerdem heraus, dass nur zwei von 20 UrologInnen ausreichende Kenntnisse über die Zuverlässigkeit eines PSA-Tests haben. In der Folge existiert eine Vielzahl von Messinstrumenten zur Erhebung des SV [18], [22], [23], die sich in der Regel auf eine der drei Ebenen von Watson (1997) konzentrieren oder nur für einen bestimmten Kontext konzipiert sind [7], [22]. Insgesamt ist das SV von ÄrztInnen nicht unterdurchschnittlich ausgeprägt [7]. Es kann als vergleichbar mit anderen akademischen Stichproben [18], [24] angesehen werden und war dem SV von AssistenzärztInnen in der Forschungsausbildung [20] oder von Medizinstudierenden [25] nachweislich überlegen. Die wenigen Studien, in denen das SV von Medizinstudierenden untersucht wurde, stützen das Untersuchungsergebnis der diesbezüglichen Überlegenheit von ÄrztInnen [26]. Berndt et al. (2021) verglichen Medizinstudierende mit Studierenden der Sozial- und Wirtschaftswissenschaften und fanden heraus, dass Medizinstudierende in ihren ersten Studienjahren im Vergleich zu Studierenden der Sozialwissenschaften besser und auf vergleichbarem Niveau wie Studierende der Wirtschaftswissenschaften abschnitten [27]. In dieser Studie wurde nicht nur SV erhoben, sondern auch die beiden oben genannten WDA-Aktivitäten EB und SZ. Weitere mögliche Zusammenhänge zwischen SV und WDA wurden mit dem Medical Data Interpretation Test [22] untersucht, bei dem teilnehmende ÄrztInnen insgesamt besser als Teilnehmende mit anderen postgradualen Abschlüssen abschnitten (89 von 100 Punkten). Johnson et al. (2014) untersuchten das Zahlenverständnis von Medizinstudierenden und AssistenzärztInnen und stellten fest, dass Studierende mit schlechtem Zahlenverständnis die Risiken verschiedener Behandlungsalternativen häufiger falsch einschätzen, wobei das Vertrauen in die eigene Behandlungsempfehlung während des Medizinstudiums zunahm [25].

Zusammenfassend lässt sich sagen, dass SV und WDA bei Medizinstudierenden unterentwickelt, bei ÄrztInnen jedoch besser entwickelt zu sein scheinen. Die Entwicklung von SV und WDA muss aber nicht unbedingt innerhalb der formalen Ausbildung erfolgen, und es stellt sich die Frage, wie, wo, und wann diese Entwicklung stattfindet. Die vorliegende Studie soll einen Beitrag zur Diskussion leisten, wann und wie SV und WDA im lebenslangen Lernen von ÄrztInnen am besten gefördert werden können. Hierzu wurde ein Testinstrument eingesetzt, das verschiedene SV- und WDA-Aspekte umfasst. Ziel der Studie war es, weitere Erkenntnisse über diese Fähigkeiten bei ÄrztInnen zu gewinnen und demografische Faktoren und Lerngelegenheiten zu identifizieren, die möglicherweise mit der Entwicklung dieser Fähigkeiten in Zusammenhang stehen. Unsere explorativen Forschungsfragen lauteten:

FF1. Statistikverständnis und WDA

FF2. Entwicklung von SV und WDA

Unsere Studie folgte einem quasi-experimentellen, kausal-vergleichenden Design mit zwei abhängigen Variablen: SV und WDA. Wir schlossen deutschsprachige ÄrztInnen (N=71; 31 Frauen, 34 Männer, 6 k.A.) aus verschiedenen Arbeitsumfeldern und Orten in unsere Studie ein: Klinik (n=44), ambulante Versorgung (n=3), Forschung (n=8), Studienprogramm (n=2) und Verwaltung (n=2), (n=12 k.A.). Eine medizinische Dissertation, eine wissenschaftliche Arbeit als optionaler Teil des Medizinstudiums (nicht äquivalent mit einer PhD-Arbeit), wurde von 58 Teilnehmenden abgeschlossen und von 9 als aktuell laufend angegeben. Trotz unserer relativ kleinen Stichprobengröße sehen wir diese hinsichtlich der wissenschaftlichen Erfahrung für repräsentativ, da medizinische Dissertationen in Deutschland sehr verbreitet sind. Das Durchschnittsalter der Teilnehmenden betrug 40 Jahre (SD=9.59, Spannweite=26–65) (siehe Tabelle 1 [Tab. 1]).

Für die Messung von SV und WDA haben wir ein Instrument verwendet, das zuvor im Rahmen einer Studie von Berndt et al. (2021) entwickelt wurde [27]. Das Testinstrument kombiniert Multiple-Choice-Fragen zur Erhebung des SV mit einem Entscheidungsszenario [28] zur Erhebung der WDA-Aktivitäten EB und SZ der Teilnehmenden. Für die vorliegende Studie wurden Items zu relevanten demografischen Faktoren hinzugefügt und mit zehn Medizinstudierenden der LMU München pilotiert.

Demografische und biografische Parameter der Teilnehmenden wurden mit besonderem Interesse an ihrem beruflichen Werdegang und ihrem Arbeitsumfeld (Klinik, ambulante Versorgung, Forschung) erfasst. Die aus einer Studie von Epstein et al. [29] adaptierten Items waren Multiple-Choice-Fragen. Teilweise bestand hierbei die Möglichkeit, zusätzlichen Freitext einzugeben. Fünf Multiple-Choice-Fragen bezogen sich auf die medizinische Dissertation, drei Fragen auf den beruflichen Werdegang, zwei Fragen auf die bisherigen Veröffentlichungen (Art der Autorenschaft, Anzahl der Veröffentlichungen), und drei Fragen auf das aktuelle Stellenprofil.

Das SV wurde mit Multiple-Choice-Items gemessen, die auf validierten Instrumenten [7], [18], [23] basierten. Auf diese Weise konnte ein breites Spektrum ausgewertet werden, von grundlegenden Zahlenverständnis bis hin zum Rechnen mit bedingten Wahrscheinlichkeiten und dem Umgang mit statistischen Konzepten. Doppelte Items und reine Faktenwissensfragen wurden herausgenommen, sodass letztendlich alle drei von Watson (1997) beschriebenen Ebenen abgedeckt wurden. Zusätzlich wurden alle Items nach Schwierigkeit gewichtet [11]. Die interne Konsistenz des SV-Tests betrug in unserer Stichprobe bei einer maximalen Punktzahl von 30 Punkten .82 (Cronbachs α). Alle Items waren in einem medizinischen Kontext formuliert, wobei zur richtigen Beantwortung kein medizinisches Fachwissen erforderlich war.

Die Erhebung der WDA-Fähigkeiten konzentrierte sich auf die beiden epistemischen Aktivitäten EB und SZ in einem Entscheidungsszenario im medizinischen Kontext (Allgemeinmedizin, ambulante Versorgung). Hierbei gab es zwei separate Scores für EB und SZ (Cronbachs α betrug für EB-Items .87 und für SZ-Items .74). Für den EB-Score mussten die Teilnehmenden vier kurze Artikel (Evidenzen) [30], [31], [32] auf einer sechs Punkte umfassenden Likert-Skala gemäß den QUEST-Kriterien [33] hinsichtlich ihrer wissenschaftlichen Qualität, Evidenzstärke, und Relevanz für die vorliegende Situation bewerten, darunter eine authentische pharmazeutische Broschüre, in der für ein pflanzliches Arzneimittel geworben wird.

Anschließend bewerteten die Teilnehmenden die Überzeugungskraft (Likert 1-6) von 20 Argumenten, die im Vorfeld von den Autoren aus den präsentierten Evidenzen extrahiert wurden, und vergaben eine Einschätzung der Argumentstärke von 1 (sehr schwach) bis 4 (sehr stark). Bei 13 Teilnehmenden fehlten bis zu fünf Bewertungen der insgesamt 20 Argumente. Um diese Datensätze weiterhin verwenden zu können, wurden die Werte aus dem Durchschnitt der jeweiligen Bewertungen durch Imputation ergänzt. Aus den durch die Teilnehmenden vorgenommenen Bewertungen der wissenschaftlichen Qualität wurde mit einer unabhängigen Bewertung der wissenschaftlichen Qualität seitens der Autoren ein Übereinstimmungsmaß für EB und SZ errechnet. Dieses bewegte sich für EB zwischen 0–10 (EB-Score) und für SZ zwischen 0–60 (SZ-Score), wobei Null auf keine Übereinstimmung hinwies.

Die Studie wurde von den Teilnehmenden entweder online mit LamaPoll [https://www.lamapoll.de/], einem für Mobilgeräte optimierten Umfrage-Tools, oder auf Papierfragebögen ausgefüllt (Rücklaufquote online 16.5% und Papierfragebögen 66.7%). Die durchschnittliche Dauer betrug etwa 45 Minuten. Die Einladung der Teilnehmenden erfolgte über Mailinglisten und persönliche Kontakte.

Statistische Analysen erfolgten mit IBM SPSS 25. Für die Primäranalyse wurden deskriptive und Häufigkeitsdaten berechnet und für die interne Konsistenz Cronbachs Alpha. Es erfolgten umfangreiche Ausreißeranalysen. Weiterhin wurden alle für die statistischen Analysen erforderlichen Voraussetzungen wie Normalverteilung und Homoskedastizität geprüft. T-Tests, einfaktorielle Varianzanalysen, und lineare Regressionsmodelle wurden verwendet, um Unterschiede zu berechnen und den Zusammenhang zwischen demografischen Faktoren und SV und WDA zu beurteilen. Wahrscheinlichkeitswerte kleiner als .05 wurden als signifikant angesehen. In verbaler Sprache vorliegende Daten (Freitext im Abschnitt zur Demografie) wurden von zwei der Autoren einer separaten thematischen Analyse unterzogen, um häufig vorkommende Themen zu extrahieren.

Wir schlossen 71 ausgefüllte Fragebögen ein (siehe Tabelle 1 [Tab. 1]). Der gesamte Datensatz wurde auf univariate Ausreißer geprüft. Schiefe und Wölbung lagen bei allen Variablen innerhalb der ±2 Spannweite [34]. Sofern folgend nicht anders angegeben, waren die Voraussetzungen für t-Tests und Varianzanalysen erfüllt.

Der durchschnittliche SV-Score der 71 teilnehmenden ÄrztInnen lag bei M=17.58, SD=6.92 (59%), mit einer Spannweite von 5 bis 30 bei 30 erreichbaren Punkten. Die ÄrztInnen bewerteten die vier Evidenzen im Durchschnitt übereinstimmend mit der Bewertung der Autoren, EB-Score: M=7.75, SD=1.85 (77%). Die Bewertungen für die Qualität der Argumente entsprachen der jeweiligen Bewertung der Autoren, SZ-Score: M=37.20, SD=5.35 (62%). Zwischen SV und SZ bestand eine signifikante, inverse Korrelation, r(71)=-.272, p=.022. Eine Korrelation zwischen SV und EB, r(71)=.198, p=.098 und zwischen EE und DC, r(71)=.138, p=.256 wurde jedoch nicht gefunden.

Wir untersuchten, wie, wo, und wann ÄrztInnen wissenschaftliche Fähigkeiten entwickelten (siehe Abbildung 1 [Abb. 1]). Signifikant mehr Teilnehmende gaben an, wissenschaftliche Fähigkeiten autodidaktisch (M=4.78, SD=1.13, Likert-Skala von 1 bis 6) versus während des Studiums (M=2.31, SD=1.46, Likert-Skala von 1 bis 6), t(71)=-9.915, p<.001 oder bei außercurriculären Aktivitäten (M=3.34, SD=1.87, Likert-Skala von 1 bis 6), t(71)=4.673, p<.001 erworben zu haben. In einem Freitextfeld ergänzten die Teilnehmenden verschiedene weitere Lerngelegenheiten, z. B. Massive Open Online Courses, Hochschulkurse, Seminare, und Lernen durch Peer-Reviews und Peer-Feedback (siehe Abbildung 2 [Abb. 2]).

Eine abgeschlossene oder in Arbeit befindliche medizinische Doktorarbeit zeigte keine Auswirkungen auf SV, EB, oder SZ. Diese Ergebnisse müssen jedoch mit Vorsicht interpretiert werden, da in unserer Stichprobe, bei der nur vier Teilnehmende keine medizinische Dissertation vorzuweisen hatten, die Voraussetzungen für eine Varianzanalyse nicht erfüllt waren. Die Förderung des kritischen Hinterfragens von Studienergebnissen anderer Forscher bei der Vorbereitung der eigenen medizinischen Doktorarbeit zeigte eine positive Korrelation mit dem SV, r(71)=.271, p=.033.

Bezüglich der postgradualen Phase zeigte eine einfaktorielle Varianzanalyse einen Haupteffekt der Forschungserfahrung, F(1,70)=12.737, p=.001, partielles η²=.156 und einen Haupteffekt der Art der Autorenschaft in Veröffentlichungen, F(5,71)=3.886, p=.004, partielles η²=.230.

Die Zeit der Tätigkeit in der Forschung korrelierte signifikant mit besserem SV, r(71)=.28, p=.018. Dasselbe galt für die Anzahl der Veröffentlichungen, r(71)=.36, p=.002.

Hinsichtlich des WDA ergaben lineare Regressionsmodelle, dass der entsprechende EB-Score um β=.314±.150, p=.041 anstieg, wenn der Likert-Wert der inhaltlichen Unterstützung durch den Doktorvater bzw. die Doktormutter um einen Punkt anstieg. Zusätzlich korrelierte die Art der medizinischen Dissertation (experimentell, klinisch, empirisch, statistisch, oder Literaturstudie) mit dem EB-Score, wobei ein experimentelles und klinisches Design positiv mit dem EB-Score in Zusammenhang stand, β=-.380±.154, p=.016, R²=.187, F(1,59)=4.353, p=.041. Der SZ-Score war höher, wenn die Teilnehmenden angaben, bereits in der Forschung gearbeitet zu haben, β=3.355±1.229, p=.008, R²=.314, F(1,68)=7.448, p=.008.

Wir fanden bei ÄrztInnen einen durchschnittlichen SV-Score (59%), einen relativ hohen EB-Score (77%) und einen mittleren SZ-Score (62%). Der SV-Score gab keinen Aufschluss über die WDA-Fähigkeiten von ÄrztInnen.

Durch den Fokus auf SV und nicht auf die Kombination von grundlegenden Zahlenverständnis und SV [27] differenzierte unser Testinstrument gut und es konnten keine Deckeneffekte, wie sie in anderen akademischen Stichproben beobachtet wurden [7], [35], nachgewiesen werden. Ein Vergleich mit anderen Studien, die das SV von ÄrztInnen beurteilen, ist nicht einfach, da jeder Test einen unterschiedlichen SV-Bereich abdeckt. Schmidt et al. (2017) untersuchten bei PathologInnen das Wissen zu 18 verschiedenen statistischen Tests und fanden ein relativ niedriges SV [36]. Anderson et al. (2014) erstellten keinen Gesamtscore, sondern unterschieden zwischen Fakten-, Konzept- und Relationsfragen und ermittelten unterschiedliche Niveaus von SV [7]. Eine Studie mit AssistenzärztInnen in Griechenland konzentrierte sich ebenfalls auf Wissensfragen und berichtete ein relativ niedriges SV-Niveau [26]. Die EB- und SZ-Scores der deutschen Medizinstudierenden, die wir zuvor mit einem ähnlichen Instrument untersucht hatten [27], lagen fast auf dem gleichen Niveau wie die Scores der ÄrztInnen in der vorliegenden Studie. Riegelman und Hoveland (2012) fanden heraus, dass AssistenzärztInnen Probleme hatten, wenn kritische Reflexion zu Forschungsinhalten erforderlich war [37], während die ÄrztInnen in unserer Studie mittlere bis hohe WDA-Fähigkeiten zeigten.

Zwischen EB- und SV-Scores bestand keine Korrelation. Zwischen SZ und SV fanden wir eine inverse Korrelation. In kontextuellen Rahmenmodellen wurde SV als Voraussetzung für WDA angesehen [38]. In einer niederländischen, auf die Allgemeinbevölkerung bezogenen Studie, zeigten die Teilnehmenden mit höherem Zahlenverständnis besseres WDA, das sich aus einer stärkeren Abwägung von Vor- und Nachteilen bei der Entscheidungsfindung und genaueren Bewertung der eigenen Einschätzungen ergab [39]. Da die Informationen der vier Evidenzen in unserer Studie nicht vorwiegend numerisch oder statistisch dargestellt wurden, war von der fehlenden Verknüpfung zwischen EB und SV auszugehen, jedoch nicht von der gegensätzlichen Beziehung von SZ und SV. Künftige Forschung könnte statistische Informationen in Entscheidungsszenarien inkludieren, um diesen Zusammenhang bei praktizierenden ÄrztInnen genauer zu analysieren.

Wir untersuchten, wie, wo, und wann ÄrztInnen SV und WDA-Fähigkeiten entwickelten. Sie gaben an, wissenschaftliche Fähigkeiten meist autodidaktisch, in Universitätsseminaren außerhalb des Medizinstudiums, oder in außercurriculären Aktivitäten erworben zu haben.

Besseres SV korrelierte mit der Förderung der kritischen Reflexion von Studienergebnissen während der medizinischen Promotion, Arbeit in der Forschung oder mit früherer Forschungserfahrung, sowie mit der Anzahl von Veröffentlichungen und der Art der Autorenschaft. Unsere Ergebnisse stehen im Einklang mit den Ergebnissen von Schmidt et al. (2017), denen zufolge andere Weiterqualifikationen oder absolvierte Statistikkurse über das Medizinstudium hinaus, positiv mit dem SV korrelierten. Eine Studie mit ÄrztInnen, AssistenzärztInnen und Medizinstudierenden im Praktischen Jahr in Thailand zeigte wenig überraschend, dass ein kürzlich absolviertes Statistikseminar zu höheren SV-Scores führte [40]. Zusatzkurse lassen sich allerdings oft nur schwer in die medizinische Ausbildung integrieren. Eine Studie zeigte, dass 37% der amerikanischen AssistenzärztInnen im Bereich Gynäkologie und Geburtshilfe keine formale Statistikausbildung erhalten [16], während eine andere Studie mit AssistenzärztInnen im Bereich Neurologie eine mangelnde Akzeptanz hinsichtlich statistikbezogener Fortbildungsmaßnahmen beobachtete [41].

In der vorliegenden Studie fand sich ein Zusammenhang zwischen besserem EB-Score und entsprechender Verantwortungserfahrung für ein Forschungsprojekt (z.B. die medizinische Doktorarbeit) mit experimentellem oder klinischem Design sowie wenn eine gute inhaltliche Unterstützung durch den Doktorvater bzw. die Doktormutter bestanden hatte. Diese Erkenntnis deckt sich mit dem subjektiven Eindruck deutscher promovierter Medizinabsolventen, die ihre wissenschaftlichen Fähigkeiten höher einschätzen als noch an der Promotion arbeitende AbsolventInnen [29]. Die Teilnehmenden der Studie von Epstein et al. (2018) fühlten sich jedoch für eigene Forschungstätigkeiten nicht sicher genug. Dies erscheint besonders wichtig, da vorhandene Forschungserfahrung in der vorliegenden Studie und bei Schmidt et al. (2017) mit einem höheren SV und SZ-Score korrelierte. Darüber hinaus fanden Epstein et al. (2018) heraus, dass Medizinabsolventen ihre wissenschaftlichen Fähigkeiten nach dem Medizinstudium selbst als relativ gering einstufen. In den USA waren nur 68,1% der Medizinstudierenden in ihrem letzten Jahr während des Medizinstudiums an Forschungsprojekten beteiligt, und nur 42% waren Autoren bzw. Koautoren einer zur Veröffentlichung eingereichten Arbeit. Es erscheint wichtig, dass Medizinstudierende während der Promotion in weitere Forschungsprojekte und die anschließende Veröffentlichung der Ergebnisse eingebunden werden, da dies langfristig ihr SV und WDA verbessern könnte.

Diese Studie baute auf einem innovativen Ansatz der Autoren zur Messung von SV und WDA bei Universitätsstudierenden [27] auf. Der integrative Ansatz der Messung des SV erlaubte eine bessere Beschreibung der realen Fähigkeiten. Allerdings besteht hier der Nachteil einer eingeschränkten Vergleichbarkeit mit früheren Forschungsarbeiten. Da die Teilnehmendengruppe der praktizierenden ÄrztInnen nicht leicht zu rekrutieren war, hielten wir die Stichprobengröße von N=71 für zufriedenstellend. Obwohl die Generalisierbarkeit potenziell begrenzt ist, ist unsere Stichprobe repräsentativ für den deutschsprachigen Raum, in dessen medizinischen Ausbildungssystem eine große Anzahl medizinischer Doktortitel erworben wird. Die zusätzliche Berücksichtigung zahlreicher demografischer Variablen lieferte Aufschluss darüber, wie, wo, und wann wissenschaftliche Fähigkeiten erworben wurden und ermöglichte die Identifikation potenzieller einflussnehmender Faktoren.

Aufgrund des breiten Altersspektrums unserer Stichprobe ist davon auszugehen, dass die Teilnehmenden unterschiedliche Lernerfahrungen in der formalen medizinischen Ausbildung gemacht haben und je nach Studienort auch in reformierten Medizinstudiengängen studiert haben. Dies könnte sich auf die Entwicklung der untersuchten Fähigkeiten ausgewirkt haben und weitere individuelle Unterschiede begünstigen. In unserer Studie wurden keine Daten über spezifische Studienprogramme, Seminare und die zugehörigen Beschreibungen erhoben, in denen die ÄrztInnen möglicherweise ihre Fähigkeiten erworben haben. Dies ist dem Umstand geschuldet, dass das in dieser Studie verwendete Testmaterial im Feedback von 11 teilnehmenden ÄrztInnen bereits als sehr umfangreich und zeitaufwendig bewertet wurde.

Wir untersuchten SV und WDA bei deutschsprachigen ÄrztInnen und nahmen in diesem Zusammenhang eine eingehende Analyse demografischer Variablen vor. Die aktive Beteiligung an Forschung spielt offenbar eine wichtige Rolle bei der Entwicklung dieser Fähigkeiten und könnte als Konsequenz eine Verbesserung der evidenzbasierten Praxis nach sich ziehen. Da die meisten Teilnehmenden angaben diese Fähigkeiten postgradual und autodidaktisch erworben zu haben, plädieren wir dafür, den Erwerb dieser Fähigkeiten im Rahmen des Medizinstudiums zu formalisieren und zu intensivieren. Die Lehrpläne der medizinischen Ausbildung sollten mehr statistisches Training beinhalten und darauf abzielen, Studierende häufiger in aktive Forschung einzubeziehen, z. B. durch das Angebot von forschendem Lernen [42], bei dem die Studierenden eigenständig Forschungsprojekte durchführen und für alle Phasen des Forschungsprozesses in vollem Umfang verantwortlich sind.

Diese Arbeit wurde vom Bundesministerium für Bildung und Forschung (BMBF, Förderkennzeichen 01PB14004C) und durch ein internes Förderprogramm des Fördervereins WiFoMed der Medizinischen Fakultät der LMU München unterstützt.

Die Autor*innen bedanken sich außerdem bei Wolfgang Gaissmaier für seine wertvollen Anmerkungen und Anregungen zur vorliegenden Studie.

Die Autor*innen erklären, dass sie keinen Interessenkonflikt im Zusammenhang mit diesem Artikel haben.