Statistische Informationen medizinischer Diagnoseverfahren besser verstehen

Vergrößern

Statistische Informationen spielen in der Medizin bei der Diagnose eine wesentliche Rolle. Im Überschneidungsgebiet der Medizin- und Mathematikdidaktik haben LMU-Forschende nun untersucht, inwiefern eine neue Form der Visualisierung von Häufigkeiten das statistische Verständnis bei Studierenden der Medizin verbessern kann, verglichen mit Darstellungsformen, die Wahrscheinlichkeiten ins Zentrum stellen.

Wie sie im Fachjournal Medical Decision Making – Policy and Practice berichten, wurde den Studierenden das sogenannte Häufigkeitsnetz gezeigt. Es bestätigte sich, was bereits aus früheren Studien bekannt war: Medizinstudierende verstehen statistische Informationen besser, wenn sie als sogenannte natürliche Häufigkeiten kommuniziert werden: Es ist also besser, von beispielsweise „80 von 100 Erkrankten“ zu sprechen statt von Wahrscheinlichkeiten (80%).

„Unsere Studie konnte zeigen, dass die Studierenden die diagnostischen Urteile häufiger korrekt und auch schneller fällen können, wenn Häufigkeitsnetze oder Häufigkeitsdoppelbäume gezeigt werden. Wir hoffen, dass diese künftig in der Ausbildung von Medizinstudierenden eingesetzt werden“, sagt Karin Binder, Professorin am Mathematischen Institut der LMU.

Publikation:

Alexandra K. Kunzelmann, Karin Binder, Martin R. Fischer, Martin Reincke,Leah T. Braun, Ralf Schmidmaier: „Improving Diagnostic Efficiency withFrequency Double-Trees and Frequency Nets in Bayesian Reasoning”. In: Medical Decision Making – Policy and Practice 2022