10 Regenwarnung und Rettung durch einen Presbyterianer
Wir haben zuletzt feststellen müssen, dass es keinen Test gibt, der 100%-ig zwischen krank und gesund zu unterscheiden vermag.
Beunruhigend vielleicht,
so manchem Juristen nicht klar zu machen, der einen verurteilt, weil man diesen oder jenen Test unterlassen hätte, aber halt "part of the game".
Wir haben hoffentlich inzwischen festgestellt, dass im medizinischen Leben das lineare Denken einer Wenn-Dann Logik ebensowenig hilft, wie der feste Glaube an Empirie.
Die Lösung ist die Hinwendung zu einer Wahrscheinlichkeitslogik, die die konsekutiv eintreffenden Informationen so "verarbeitet", dass wir und mit Anchoring & Adjustment auf eine Diagnose bzw. therapeutische Entscheidung hinbewegen.
Als ich mich in den frühen 90ern erstmals mit diesen Konzepten beschäftigte, schien dieses "mathematische" und somit unanschauliche Vorgehen sehr weit weg von unserem täglichen Leben.
In den USA war es schon damals üblich vom Wetterfrosch im TV nicht einfach zu hören, dass es morgen regnen wird oder eben nicht, sondern man erhielt eine Niederschlagswahrscheinlichkeit mitgeteilt.
Kritiker mögen einwenden, dass das zwar den Vorteil hat, dass sich der Wetterfrosch nie ganz irren konnte, aber dass sich der Hörer erst Recht nicht orientieren konnte.
Genau dies hört man auch in Medizinerkreisen, wenn man eine Wahrscheinlichkeitslogik im Clinical Decision Making einfordert.
Folgendes Beispiel soll illustrieren, dass man aber auch mit der scheinbaren Unsicherheit der Wahrscheinlichkeitsrechnung ganz einfach praktisch relevante Entscheidungen treffen kann, ohne hinter sich einen Hochleistungsrechner zu benötigen.
Nehmen wir an (Folie), der Wetterbericht sagt ihnen für heute eine 30%-ige Niederschlagswahrscheinlichkeit voraus und Sie fragen sich, ob Sie nun einen Regenschirm mitnehmen sollen oder nicht.
Für sich genommen ist diese Information natürlich weniger hilfreich, als die autoritären Extreme: Morgen regnet es, oder morgen regnet es nicht.
Was wir aber bedenken müssen, ist dass wir es praktisch nie mit einer einzigen Information zu tun haben.
Nehmen Sie die beiden Herren auf unserem Bild, der eine im (vermutlich sündteuren) Smoking, der andere in der (vermutlich billigen und in chinesischen Sweatshops hergestellten) Freizeitkleidung.
Ein paar Regenspritzer werden den Herrn links viel stärker stören, als sein Pendant. Setzen wir eine vergleichbare Wasserscheu bei unseren beiden voraus, wird der Smokingträger besser schon bei einer 30%-igen Regenwahrscheinlichkeit seinen Knirps einstecken, während der Jeansträger durchaus erst ab einer Niederschlagswahrscheinlichkeit von 70% zum Paraplü greift.
Wie man also zusätzlich eintreffende Informationen in seinen Entscheidungsalgorithmus einbindet, hat schon vor 300 Jahren ein englischer Presbyterianer dargelegt: Thomas Bayes
http://de.wikipedia.org/wiki/Thomas_Bayes
Gemeinsam mit Ockhams Rasiermesser, einem aus der Scholastik entlehnten Konzept, dass in diesem Blog (http://sprechstunde.meinblog.at/?blogId=32318 ) schon einmal erwähnt wurde, ist das Bayestheorem (http://de.wikipedia.org/wiki/Bayestheorem) der zweite Lehrsatz, den wir der Geistlichkeit früherer Jahrhunderte verdanken; dass aus dieser Ecke derzeit nur mehr "Grand Design" oder dergleichen kommte, wollen wir jetzt nicht erörtern ...
Die Ableitung des Bayeschen Theorems finden Sie über den Wiki-Link.
Die Bedeutung des Bayestheorem für die medizinische Diagnostik liegt darin, dass es uns ermöglicht
für eine bestimmte Vortestwahrscheinlichkeit, also der Wahrscheinlichkeit, dass die vermutete Krankheit vorliegt
weil sie eben so häufig in der Bevölkerung vorkommt, oder
weil Anamnese, Körperliche Untersuchung, vorangegangene Test diese Wahrscheinlichkeit ergeben haben,
und eine bestimmte Testperformance,
also die Sensitivität und Spezifität des Tests
zu berechnen, wie wahrscheinlich (Nachtestwahrscheinlichkeit) in unserem Einzelfall die Diagnose geworden ist.
Dies wird hier in einem Video demonstriert: http://www.youtube.com/watch?v=6xtXvh-e3Wc
In der Regel hört man nun, dass das alles schon und gut wäre, aber kein Arzt steht mit einem Rechenblock neben seinem Patienten.
Das stimmt natürlich, man muss sich aber diese Zusammenhänge einmal bewußt machen, weil man sonst in der täglichen Routine immer wieder drastisch danebenhaut.
Gehen Sie von einem sehr guten klinischen Bluttest (z.B. auf Grippeviren) aus, der eine 90%-ige Sensitivität und 90%-ige Spezifität hat, aus und schätzen Sie, wie groß die Wahrscheinlichkeit ist, dass ein Patient, der einen positiven Test hat, auch wirklich erkrankt ist.
Wir befinden uns vor einer Grippewelle und die Krankheitsprävalenz beträgt aktuell 1:1000, d.h. ein Mensch von 1000 ist schon angesteckt .....
