gms | German Medical Science

Fragestellung/Einleitung: Entscheidungen von erfahrenen Experten zeichnen sich durch Geschwindigkeit und Zuverlässigkeit aus; dabei ist oft unklar, auf welcher Datenbasis diese Entscheidungen getroffen werden. Bisherige Untersuchungen, insbesondere bei technischen Berufen mit Ja/Nein-Entscheidungen unterstreichen die Wichtigkeit des „pattern recognition“, d.h. die Erkennung von Mustern oder zusammengehöriger Informationen.

Methoden: An der Studie nahmen 15 Studenten, 31 Assistenzärzte der Anästhesie (1. und 2. Weiterbildungsjahr) sowie 23 erfahrene Anästhesisten (>2 Jahre Berufserfahrung, oder Facharzt für Anästhesie) teil. Alle Teilnehmer beantworteten initial 10 Szenarien zur Anästhesie, und markierten die für ihre Entscheidung relevanten Fakten; jedes Szenario beinhaltete 31 bis 47 unterscheidbare Fakten. Nach etwa 4 Wochen beantworteten alle Teilnehmer auf einem zweiten, individualisierten Fragebogen dieselben Szenarien; auf diesen Fragebogen wurde aber nur die Information angegeben, die im ersten Durchgang als relevant markiert war. Ausgewertet wurde die Menge relevanter Fakten, die Übereinstimmung dieser Fakten innerhalb einer Gruppe sowie zwischen den Gruppen und die Homogenität der als relevant angesehenen Information. Alle Szenarien wurden getrennt ausgewertet.

Ergebnisse: Alle teilnehmenden Gruppen waren sich nicht einig, wie viele Fakten für die Beantwortung der Frage relevant sind. Die größte Streuung wurde bei Assistenzärzten beobachtet; von den PJ-Studenten wurden etwas mehr Fakten als relevant angesehen als von Fachärzten. In keinem Szenario und in keiner Gruppe war irgendein Faktum, welches von allen Teilnehmern als relevant angesehen wurde. Eine Clusterung der angegebenen Informationen ergab für alle Fragen mehr als eine Möglichkeit der Zusammenfassung. Bei einem Szenario ließen sich alle Informationen für Fachärzte in zwei Clustern zusammenfassen, für Assistenzärzte (4 Cluster) und PJ-Studenten (3 Cluster) war eine entsprechende Reduzierung nicht möglich. Für 8 weitere Szenarien ergab sich für Fachärzte 3 oder 4 Cluster, nur für ein Szenario errechneten sich 6 Cluster. Für alle Entscheidungen war die Anzahl der Cluster für Assistenzärzte und Studenten größer. Nur selten wurde bei der zweiten Befragung Information nachgefordert; die Menge der nachgeforderten Information betrug meist ein oder zwei spezifische Items.

Diskussion/Schlussfolgerung: Die Ergebnisse belegen, dass die Entscheidungsfindung in klinischen Szenarien komplex ist. Für alle ausgewählten Probleme läßt sich mehr als ein Lösungsweg identifizieren (mehrere Cluster); andererseits ist die Anzahl der möglichen Lösungswege limitiert. Für Assistenzärzte und Studenten lassen sich mehr Cluster identifizieren; nur für ein einzelnes Szenario ist eruierbar, ob die zusätzlichen Cluster valide Lösungswege darstellen. Die Identifikation von validen Lösungswegen erlaubt es, diese in der medizinischen Lehre gezielt zu unterrichten. Sie können zusätzlich in der Fragenkonstruktion und Auswertung behilflich sein.