gms | German Medical Science

Fragestellung/Zielsetzung: Die Fähigkeit, Statistiken und die quantitativen Aspekte von Forschung zu verstehen, ist bei Ärzt*innen und Medizinstudierenden unzureichend [1]. Dies hat starke Auswirkungen auf das Verständnis diagnostischer und therapeutischer Entscheidungen [2]. Generell weiß man auch, dass statistische Informationen für Patient*innen schwer verständlich sind [3]. In der Zusammenarbeit mit diesen und zunehmender Interdisziplinarität ist es erforderlich, dass Ärzte und Ärztinnen evidenzbasierte Entscheidungen treffen, diese verstehen und dahinterliegende diagnostische Prozesse vermitteln können. Ziel ist es daher, die allgemeine Entscheidungskompetenz von Medizinstudierenden zu schulen.

Methoden: Wir haben ein 2-stündiges Curriculum für Studierende mit bestandener Ärztlicher Vorprüfung entwickelt, um die Entscheidungskompetenz und statistische Urteilsbildung der Studierenden auf Grundlage bayesianischer Statistik zu verbessern.

Ergebnisse: Nach einjähriger Entwicklungszeit wurde das o.g. Curriculum im Wintersemester 2019/2021 im Kurs „Medical Skills Lab“ des ersten klinischen Semesters implementiert. Dabei soll insbesondere Wert auf das Entscheiden im Team gelegt werden. Dieses Projekt gibt statistische Modelle an die Hand, damit Medizinstudierende mit größerer Sicherheit, Vertrauen und einer deutlich höheren Effektivität entscheiden können.

Am Ende des Kurses sollten die Teilnehmer*innen in der Lage sein, auf der Grundlage bayesianischer Statistik Entscheidungen zu treffen, diagnostische Prozesse abzubilden und unterschiedliche diagnostische Informationen zu integrieren. Dies hilft ihnen zu verstehen, wie sich vielschichtige Einflüsse auf Ihre Entscheidungsfindung auswirken können und gibt ihnen die Möglichkeit, klare Handlungsoptionen für sich selbst zu identifizieren.

Diskussion: Im Diskurs möchten die Autoren das Potenzial bayesianischer Statistik für die Lehre diagnostischer Entscheidungskompetenz debattieren. Gibt es alternative Ansätze? Zudem stellt die bayesianische Statistik einen wahrscheinlichkeitstheoretischen Ansatz dar. Der Schluss von Wahrscheinlichkeiten auf dichotome Entscheidungen stellt die Studierenden vor große Herausforderungen: Wie viel Evidenz benötigt man, um sicher zu entscheiden?

Take Home Message: Die Verbesserung ärztlicher Entscheidungskompetenz ist unabdingbar. Die bayesianische Statistik bietet eine Möglichkeit, objektiv und evidenzbasiert klinische Urteile zu bilden und damit ein Werkzeug reliabler zu entscheiden.