Ein kürzlich erschienener Nachrichtenartikel der BBC fasst die Arbeit von Gerd Gigerenzer zusammen , der argumentiert (meine Hervorhebung):
...nicht nur, dass Ärzte und Zahnärzte nicht für jede Behandlungsoption die relevanten Statistiken abspulen können. Selbst wenn ihnen die Informationen vorgelegt werden, sagt Gigerenzer, können sie oft keinen Sinn darin erkennen.
In einem Beispiel, das auf echten Studien mit echten Ärzten basiert und die Statistiken des Mammographie-Screenings verwendet, zitiert er die Ergebnisse (meine Hervorhebung):
In einer Sitzung antwortete fast die Hälfte der Gruppe von 160 Gynäkologen, dass die Chance der Frau, an Krebs zu erkranken, bei neun zu zehn liege. Nur 21 % sagten, dass die Zahl eins zu zehn sei – was die richtige Antwort ist. Das ist ein schlechteres Ergebnis, als wenn die Ärzte willkürlich geantwortet hätten.
Sind Mediziner also oft nicht in der Lage, die Implikationen wichtiger Statistiken zu verstehen oder zu kommunizieren?
Die kurze Antwort lautet „ja“.
Das Studium
Hier ist eine weitere Beschreibung der (glaube ich) gleichen Studien aus Leonard Mlodinows „ The Drunkard’s Walk “:
In Studien in Deutschland und den Vereinigten Staaten haben Forscher Ärzte gebeten, die Wahrscheinlichkeit abzuschätzen, dass eine asymptomatische Frau im Alter zwischen 40 und 50 Jahren, die ein positives Mammogramm hat, tatsächlich Brustkrebs hat, wenn 7 Prozent der Mammogramme dort Krebs zeigen ist keine. Außerdem wurde den Ärzten mitgeteilt, dass die tatsächliche Inzidenz bei etwa 0,8 Prozent und die Falsch-Negativ-Rate bei etwa 10 Prozent liege. Alles in allem kann man mit Bayes' Methoden feststellen, dass ein positives Mammogramm nur in etwa 9 Prozent der Fälle auf Krebs zurückzuführen ist. In der deutschen Gruppe kam jedoch ein Drittel der Ärzte zu dem Schluss, dass die Wahrscheinlichkeit bei etwa 90 Prozent lag, und der Median lag bei 70 Prozent. In der amerikanischen Gruppe schätzten 95 von 100 Ärzten die Wahrscheinlichkeit auf etwa 75 Prozent ein.
Ähnliche Ergebnisse wurden von (kleineren) Studien von 1978 bis 2014 berichtet .
Das Thema
Das Problem in diesen Fällen ist die bedingte Wahrscheinlichkeit. Im Allgemeinen ist die bedingte Wahrscheinlichkeit die Wahrscheinlichkeit eines Ereignisses bei einem anderen Ereignis (oder einer anderen Bedingung). Beispielsweise beträgt die Wahrscheinlichkeit, mit zwei sechsseitigen Würfeln zwei Sechsen zu würfeln, 1 zu 36; Die bedingte Wahrscheinlichkeit, zwei Sechsen mit zwei sechsseitigen Würfeln zu werfen, wenn der erste bereits eine Sechs zeigt, beträgt jedoch nur 1 zu 6.
Bei jedem medizinischen Test haben Sie Fragen zur bedingten Wahrscheinlichkeit. Oft ist die über einen Test angegebene Zahl seine Genauigkeit; Beispielsweise kann ein HIV-Test in 99 % der Fälle das richtige Ergebnis liefern. Das heißt, wenn Sie HIV haben, haben Sie eine Chance von 99 %, dass Sie korrekt als HIV-positiv diagnostiziert werden; und wenn Sie dies nicht tun, haben Sie eine 99%ige Chance, korrekt als HIV-negativ diagnostiziert zu werden. Der Trugschluss besteht darin anzunehmen, dass dies bedeutet, dass bei einer HIV-Diagnose eine Wahrscheinlichkeit von 99 % besteht, dass Sie tatsächlich HIV-positiv sind. In Wirklichkeit ist die Wahrscheinlichkeit viel geringer und hängt stark von Ihrer Risikogruppe ab; es können durchaus 10 % oder 1 % oder sogar darunter sein (auf die Berechnungsdetails möchte ich hier nicht eingehen).
Der Fehler besteht darin, anzunehmen, dass die Wahrscheinlichkeit, dass Sie bei positiver Diagnose richtig diagnostiziert werden, und die Wahrscheinlichkeit, dass Sie bei Diagnose positiv sind, gleich sind. Sie können dies an einem naheliegenden Beispiel sehen: Wenn Sie ein professioneller Fußballspieler sind, sind Sie mit hoher Wahrscheinlichkeit ein Mann. Aber selbst wenn Sie ein Mann sind, ist es sehr unwahrscheinlich, dass Sie ein professioneller Fußballspieler sind. Der Grund dafür ist, dass es ziemlich viele Männer und sehr wenige Fußballspieler gibt; Gleiches gilt für das HIV-Beispiel, da die wenigsten Menschen überhaupt HIV-positiv sind.
Kommt das in der Praxis vor?
Endlich - eine Chance, anekdotische Beweise (relativ) ungestraft zu verwenden! Ja, es kommt vor. Mlodinow schreibt in seinem oben erwähnten Buch über einen ähnlichen Fall, in dem er eine falsche HIV-Diagnose erhielt. Und bei mir selbst wurde bei einem Familienmitglied ein „eindeutig bösartiger“ Tumor diagnostiziert. Und – als Randbemerkung – obwohl ich kurz zuvor von dem Thema gelesen hatte, kam ich nicht auf die Idee, das Urteil des Arztes anzuzweifeln, bis sich nach der Operation herausstellte, dass der Tumor gutartig war.
Geht es um Ärzte?
Nein. Ärzte unterliegen diesem Irrtum, und natürlich sind sie eine Gruppe, die sich nicht irren darf. Aber die Menschen haben im Allgemeinen eine schlechte Intuition für viele probabilistische Aufgaben, einschließlich dieser. Tatsächlich ist der gebräuchliche Name für diesen speziellen Irrtum der Irrtum des Staatsanwalts , der einen Hinweis darauf gibt, wer sonst noch betroffen sein könnte. Der verlinkte Wikipedia-Artikel enthält Erklärungen und Beispiele von Rechtsfällen, in denen dies eine entscheidende (und sehr destruktive) Rolle spielte.
Kannst du Ärzten jetzt nicht vertrauen?
Nun, kannst du jemandem vertrauen? Ich erwarte von den meisten Ärzten, dass sie in ihren Kernaufgaben kompetent sind. Sie sind jedoch nur Menschen, und die meisten von ihnen wurden nicht explizit in Wahrscheinlichkeitstheorie geschult. Seien Sie daher mit einer gesunden Skepsis konfrontiert, wenn Sie mit Zahlen konfrontiert werden, die Risiken und Wahrscheinlichkeitsrechnungen beschreiben, egal ob sie von Ärzten, Anwälten und anderen, manchmal sogar Mathematikern stammen.
Mattschwarz
Glücklicher Löffel
Benutzer1873
Benutzer1873
P_S
Mattschwarz
Seltsames Denken
Jörg W Mittag