- Von Marlene Heckl
- Lesedauer ca. 8 Minuten
- 24 Kommentare
Mediziner: Lost in Statistik
Statistik. Vielen Medizinstudenten ist das ein Gräuel. Die Uni-Kurse sind selten gut besucht. Und wenn, dann nur, weil sie Pflicht sind. Doch Studien unter Ärzten und Studenten zeigen, dass bei der Risikoeinschätzung und Interpretation diagnostischer Ergebnisse einiges im Argen liegt.
Credit: Chris Liverani / unsplash / CC0
Es gibt keine gute Medizin ohne Statistik. Das ist vielen Medizinstudenten nicht wirklich bewusst. Warum sollte sich ein angehender Arzt mit Statistik befassen? Ärztliches Handeln basiert auf Wissen. Und dieses Wissen wurde erworben durch teils langjährige Forschung und Studien. Es ist wichtig, zu verstehen, wo dieses Wissen herkommt und wie es entstanden ist. Ansonsten verfallen wir Zufällen und Halbwahrheiten, die auch dadurch nicht besser werden, dass sie mantrahaft wiederholt werden. Dies wäre unter ethischen, medizinischen und ökonomischen Aspekten nicht vertretbar.
Und dennoch sind die Statistikkurse an der Uni bei den Studenten nicht gerade beliebt. Sie sind vor allem dadurch unattraktiv, dass viele das längst verdrängte Mathe-Abiwissen wieder aus ihrem Gehirn hervorkramen müssen. Vor allem die, die damals schon heilfroh waren, als das Fach überstanden war. Statistik ist für viele ein komplizierter Zahlenwust mit diffusen Formeln und Regeln, die doch auch ein Computer erledigen kann. Oder eben richtige Statistiker. Warum sich viele Medizinstudenten und auch Ärzte mit dem Thema Statistik befassen sollten, erschließt sich erst, wenn man erkannt hat, wie man ohne dieses Wissen manipuliert werden kann und mit dem Wissen seinen Patienten durch richtige Einschätzung von Studien und Forschungsergebnissen besser helfen kann.
Relativ oder absolut? Zu Risiken und Nebenwirkungen
Finnische Forscher haben kürzlich untersucht, wie Ärzte die Risikoeinschätzung in Bezug auf die Krankheiten ihrer Patienten betreiben. Dabei kam zutage, dass zu oft der potenzielle Nutzen eines Tests oder einer Behandlung überzeichnet und die Gefahr bei unterlassener Therapie drastisch übertrieben werde, so Teppo Järvinen von der Universität Helsinki. „Einem Menschen ein ,hohes Risiko’ zu attestieren, ist mittlerweile zu einer eigenen Krankheit geworden“, so der Arzt. „Auf diese Weise werden Gesunde krank gemacht und krank geredet.“ Laut Järvinen sind die meisten Ärzte statistische Analphabeten und würden so wenig wie ihre Patienten verstehen, was Risikoangaben eigentlich bedeuten.
Da fragt man sich, wie kann das sein? Sollten sie nicht in ihrem Studium darauf vorbereitet worden sein? Gerade Ärzte sollten doch wissen, wie sie Risiken interpretieren, schließlich sind sie es ja, die ihren Patienten aufgrund solcher Angaben Medikamente und Therapien verschreiben. „Ärzte verschreiben enthusiastisch ein neues Osteoporose-Mittel, weil es die Wahrscheinlichkeit, eine Hüftfraktur zu vermeiden, von 97,9 auf 98,9 Prozent erhöht“, sagt Järvinen. „Wahrscheinlich wurde das als 50-prozentige Risikominderung angepriesen, um den Nutzen eindrucksvoller aussehen zu lassen.“ Das ist ein beliebter Trick. Doch den Unterschied zwischen absoluter und relativer Risikoreduktion kennen viele Ärzten nicht.
Schaffung von Phantom-Gefahren?
Die absolute Risikoreduktion in diesem Beispiel ist, dass die Gefahr für eine spätere Fraktur von mickrigen 2,1 gerade einmal auf 1,1 Prozent verringert wird. Relativ gesehen jedoch verringert sie sich um stolze 50 Prozent, was sich als Werbung für ein neues Produkt natürlich viel besser macht. Eigentlich ganz einfach.
„Es gibt zwar lobenswerte Ansätze, die Kommunikation über Vor- und Nachteile in der Medizin zu verbessern, […] doch der Analphabetismus in Sachen Risikoabschätzung ist bei Ärzten wie Patienten immer noch riesengroß.“ Nur aufgrund dieser Blindheit für die eigentlichen Gefahren sei es den Fachverbänden der Kardiologen möglich gewesen, vor zehn Jahren die Grenzwerte für Blutdruck und Cholesterin so weit zu senken, dass den meisten Erwachsenen ein hohes Risiko angedichtet wurde. „Hätte man sich danach gerichtet, wäre zur Behandlung von Hochdruck und Cholesterin das gesamte Budget im Gesundheitswesen draufgegangen“, so Järvinen.
Unnötige bittere Pillen
Was für den Geldbeutel der Pharmaindustrie gut ist, ist nicht immer für den Patienten gut. So bemerkt Järvinen auch, dass Patienten oft ein ganz anderes Verständnis davon hätten, ab welchem Risiko sie überhaupt sinnvollerweise eine Therapie benötigten. Während die Produkthersteller am liebsten schon ab geringen Risikoreduktionswerten ihre Medikamente an den Patienten bringen würden, wären die Konsumenten eigentlich erst ab über 20 % absoluter Risikoreduktion dazu bereit, diese für sie bitteren Pillen zu schlucken.
Doch wer legt fest, ab wann der Patient eigentlich ein Patient ist und damit behandlungsbedürftig? Im Prinzip liegt die Entscheidung hier wieder beim behandelnden Arzt und deswegen muss der sich mit der Interpretation von klinischen Studien und daraus gewonnenen Daten beschäftigen. Er ist sogar nach der Fortbildungspflicht rechtlich dazu verpflichtet, „sich bis an die Grenze des Zumutbaren über die Erkenntnisse und Erfahrungen der Wissenschaft unterrichtet zu halten“ (Bundesgerichtshof, NUW 1977, 1102, 1103). Und dazu gehört auch die „Lektüre führender Fachzeitschriften. Denn wenn der Arzt diese Pflicht versäumt, kann dies zu einem groben Behandlungsfehler führen.“ (OLG Koblenz 5U 1450/11).
Statistik im Studium
Doch natürlich muss der Arzt die Sachen, die er liest, auch verstehen. Eine vor knapp vierzig Jahren durchgeführte Umfrage des New England Journal of Medicine unter Medizinstudenten und Ärzten aus Harvard untersuchte das Verständnis von Ergebnissen diagnostischer Tests. Sie wurden gefragt:
„Wenn ein Test, der eine Krankheit mit einer Prävalenz von 1/1000 detektiert, eine Falsch-Positiv-Rate von 5 % hat, wie hoch ist dann das Risiko, dass eine Person, die ein positives Testergebnis hat, wirklich die Krankheit hat? (angenommen, Sie wissen sonst nichts weiter über ihre Symptome).“
Schockierendes Ergebnis: Weniger als 5 % der Befragten konnten die richtige Antwort geben. Die meisten dachten fälschlicherweise, dass der hypothetische Patient zu 95 % die Krankheit hat.
Natürlich kann man jetzt sagen, die Umfrage liegt lange Zeit zurück und inzwischen müsste sich ja das statistische Verständnis der Medizinstudenten verbessert haben, wo man es schon in ihren Stundenplan integriert hat. Doch traurigerweise ist dem nicht so. Vor zwei Jahren wurde der Test mit Medizinstudenten und Ärzten wiederholt.
Runtergespielte Relevanz
Das Ergebnis: 75 % der Befragten lagen wieder falsch, fast die Hälfte schätzte das Risiko wiederum mit 95 % ein. „Das große Problem heutzutage ist, dass in der medizinischen Ausbildung zu wenig Wert auf Unterricht in evidenzbasierter Medizin gelegt wird, wie beispielsweise Biostatistik und Epidemiologie“, schreibt der amerikanische Medizinstudent Walter Wiggins in seinem Blog. Zwar gibt es Angebote an der Universität und teilweise auch Pflichtkurse in den Fächern, den Studenten wird das nötige Wissen aber dennoch nur spärlich vermittelt.
„Einerseits dachten meine Kommilitonen und ich einfach nicht, dass Statistik wichtig genug war, um es ernst zu nehmen und darauf richtig zu lernen. Andererseits wurde die Relevanz für unsere späteren medizinischen Entscheidungen auch nicht wirklich betont und der Kurs selbst war ein langweiliges Absitzen“, so Wiggins. „Natürlich mussten wir für das Examen grundlegende Prinzipien und Rechnungen lernen, aber danach hat sich keiner mehr darum gekümmert und es wurde schnell wieder vergessen.“
Blinde unter Blinden?
„Wir gehen davon aus, dass Ärzte ausgewogen und kenntnisreich Empfehlungen über das Leben der Patienten abgeben, die vor ihnen sitzen“, sagt Järvinen. Leider sei das trotz Medizinstudiums und klinischer Ausbildung oft nicht der Fall. „Führen etwa die Blinden die Blinden?“ Auch in Deutschland ist die Situation ähnlich. Statistikkurse sind zwar fester Bestandteil des Curriculums, ernst genommen werden sie von den meisten Medizinstudenten jedoch nicht.
„Biometrie und Statistik war bei uns damals furchtbar langweilig“, erinnert sich Matthias Schreyner, Medizinstudent im 9. Semester in München. „Eigentlich war jeder froh, als der Kurs vorbei war. Ich hätte mir gewünscht, dass der Stoff ein bisschen spannender für uns Mediziner aufbereitet worden wäre […].“ Matthias brachte sich die Statistik im Rahmen seiner Doktorarbeit bei. „Als ich für unsere journal clubs gezwungen war, immer wieder Studien vorzustellen, über die wir im Anschluss dann diskutiert haben, musste ich mich in die Thematik reinfuchsen. Später habe ich dann selbst mit den Statistikern unseres Instituts für die Doktorarbeit zusammen gearbeitet und da habe ich einiges gelernt. Jetzt weiß ich wenigstens, wie ich Studienergebnisse zu bewerten habe, das kann mir als Arzt nur von Vorteil sein.“
Traue keiner Statistik, die du nicht selbst gefälscht hast
Studienstatistiken zu interpretieren ist nicht einfach. Oft ist undurchsichtig, wer sie finanziert und was mit den gewonnenen Daten wie angestellt wurde. Es gibt natürlich immer wieder gefälschte Statistiken, es gibt aber auch solche, die einfach falsch oder naiv interpretiert werden. Skepsis und Hinterfragen sind immer angebracht. Wer dies nicht tut, ist aufgeschmissen. „Das Unwissen wird von der Industrie und anderen Interessenvertretern beinhart ausgenutzt. Statistik wird so präsentiert, wie sie ins Konzept passt. Viele Ärzte müssen Ergebnisse glauben, weil sie sie nicht selbst interpretieren können“, so der Direktor der österreichischen Cochrane-Zweigstelle Gerald Gartlehner.
Welche Auswirkungen das für den Patienten haben kann, erläutert Gartlehner auch gleich an einem Beispiel: „Bei einer Konferenz in Deutschland wurden Gynäkologen befragt, wie groß die Wahrscheinlichkeit ist, dass eine Frau mit einem positiven Brustkrebs-Screening tatsächlich Brustkrebs hat. 90 Prozent konnten das nicht interpretieren, die meisten haben es überschätzt. Tatsächlich liegt die Wahrscheinlichkeit bei nur circa zehn Prozent, alles andere sind falsch-positive Befunde. Wenn eine Frau nun fragt ‚Was bedeutet das für mich, habe ich wirklich Krebs?‘ und der eigene Gynäkologe kann das nicht interpretieren, dann ist das natürlich dramatisch für die Frau. Das ist statistischer Analphabetismus mit Konsequenzen im täglichen Leben.“
Die „einfachen Antworten“ der Vertreter
Laut Gartlehner seien jüngere Mediziner zwar oft wesentlich kritischer eingestellt, die Statistik wäre aber nach wie vor etwas, was man offenbar im Studium nicht ausreichend lernt. „Pharmavertreter kommen mit gut gemachten Broschüren, schön aufbereiteten Statistiken und einfachen Antworten und haben dann zehn Minuten, um den Arzt zu überzeugen“. Und die meisten schaffen es auch. Ohne Grundkompetenzen in Statistik ist kritisches Hinterfragen in der Medizin nicht möglich. Deswegen lohnt es sich beim nächsten Statistikkurs doch etwas genauer aufzupassen. Man sollte hier wirklich einmal nicht nur für die Klausur, sondern fürs Leben lernen.
Anmerkung der Autorin: Wer sich selber einmal an dem Statistiktest versuchen möchte -> Die originale Frage aus dem New England Journal of Medicine lautete:
“If a test to detect a disease whose prevalence is 1/1000 has a false positive rate of 5%, what is the chance that a person found to have a positive result actually has the disease, assuming you know nothing about the person’s symptoms or signs?”
Laut Autoren ist die Musterlösung: “Assuming a perfectly sensitive test, we calculated that the correct answer is 1.96% and considered “2%,” “1.96%,” or “<2%” correct.”
Zwei verschiedene Rechenwege finden Sie hier: https://resusreview.com/2014/improve-understanding-ppv-visualization/. Anmerkung: liebe Leser, dieser Beitrag wurde aktualisiert und erschien zuerst auf DocCheck.
Veröffentlicht von Marlene Heckl
Dr. med. Marlene Heckl arbeitet als approbierte Ärztin und hat an der Technischen Universität München und Ludwig-Maximilians-Universität studiert und promoviert. Seit 2012 schreibt die Preisträgerin des "Georg-von-Holtzbrinck Preis für Wissenschaftsjournalismus" für Ihren Blog "Marlenes Medizinkiste" und veröffentlicht Science-Videos auf Youtube und modernen social-media Plattformen, für die sie bereits mehrfach ausgezeichnet wurde. Für Spektrum der Wissenschaft, Die Zeit, Thieme, Science Notes, DocCheck u.a. befasst sie sich mit aktuellen medizinisch-wissenschaftlichen Themen, die ihr am Herzen liegen. Kontakt: medizinkiste@protonmail.com
Warum wird hier immer nur auf der Pharmaindustrie herungehackt?
Warum werden hier nicht die Organisationen, die uns vor allen möglichen Gefahren warnen, genannt? Genauso wenig wird auf die Homöopathie-Industrie, die einen Milliardenumsatz hat, eingegangen.
Ja, auch Ärzte sind für Patienten ein Risiko, denn sie machen nicht selten aus Gesunden potenziell Kranke oder suggerieren Gesunden sogar, sie seien eigentlich schon krank und wüssten es nur nicht. Mit andern Worten: Ärzte können aus Gesunden Patienten machen.
In der nahen Zukunft wird der Einfluss von Hausärzten wohl jedoch stark zurückgehen und Health-Apps zusammen mit selbst vom „Patienten“ durchgeführten Messungen (mittels ubiquitär präsenten Sensoren) werden Diagnosen stellen oder den „Patienten“ mindestens warnen, wenn eine seiner Körperfunktionen irgendwann in den „roten“ Bereich vorstösst – ähnlich wie moderne Autos den Fahrer vor Überhitzung des Motors warnen während frühere Autos dies dem Besitzer über siedendes Kühlwasser mitteilten. Letzlich sind Health-Apps zusammen mit der dahinterliegenden Software aber bessere Statistiker als Hausärzte – vor allem, wenn im Hintergrund und als Referenzbasis die Befunde und Messungen von Millionen anderer Menschen stehen. Diese zukünftigen Health-Apps werden beispielsweise einen Prädiabetes erkennen oder anhand eines geänderten Schlaf-/Wachrhytmus die Arbeitshypothese einer sich entwickelnden depressiven Episode aufstellen, die sie dann mit einer Auswertung der jüngsten social media Beiträge ihres „Masters“ erhärten. Der zukünftige Health-Assistent wird für viele Leute vielleicht wie der Spiegel an der Wand (aus dem Märchen) sein, ein Spiegel, der ihnen aber nicht sagt sie seien die Schönsten im Land, sondern sie seien die Gesündesten oder sie werden gar mit einer Gesundheitsskala aufgeschlüsselt nach Subsystemen aufwarten. Was aber wird ein solcher Gesundheitsassistent in Zukunft einem Klienten wie Donald Trump sagen? Etwa, dass er einen Narzissmusindex von 9.99 (bei einem Maximum von 10) besitze und er deshalb bestens geeignet für das Präsidentenamt sei? Wir wissen es nicht, wir wissen nur, dass – mindestens in den USA – diese Apps auch gesetzeskonform vorgehen müssen, wenn sie nicht das Risiko eingehen wollen, in teure Rechtsdispute verwickelt zu werden.
Er wäre dann denkbar ungeeignet.
Was einigen an Trump missfällt ist, dass er authentisch ist, seinen Weg straight geht, zudem tatsächlich (aus Sicht : einiger) eine Art “Stable Genius” ist und manchmal ein wenig arrogant / süffisant. – Zudem lässt ihn, wohl wegen seiner Vergangenheit als Entertainer, er war ja keineswegs nur Unternehmer, mit kleinen pointierten Aussagen Sicherungen durchbrennen.
“Let Trump be Trump!” war so ein Motto in seinem Wahlkampfteam, durchaus korrekt eingeschätzt als Maßgabe womöglich, aber sicherlich auch ein wenig von Resignation gezeichnet, haha.
Alles sehr zustimmungsfähig, allerdings praktizieren viele Mediziner, so dass sie nicht, wie Gesundheitswissenschaftler sozusagen, Wissenschaftler der Medizin, alles wissen müssen, sozusagen, die Statistik ist wirklich nicht einfach.
While understanding the math is important, you can develop a more intuitive understanding by visualizing the population (see figure below). If a draw a sample of 1000 patients from the population (all of the dots), only one will have the disease (red dot). Since the test has a 100% sensitivity, it will be a true positive. The remaining 999 patients do not have the disease, but 50 of them will test positive (blue dots), and the rest will test negative (black dots).
Bild
Ein Bild sagt mehr als tausend Worte. Erstaunlich nur, dass man so selten aussagekräftige Bilder wie dieses findet. Sicher können nicht alle Mediziner von so was überzeugt. Bei einigen könnte es allerdings gelingen.
https://resusreview.com/2014/improve-understanding-ppv-visualization/
Tatsächlich habe ich, als ich in der Pharmaindustrie gearbeitet habe, Statistikseminare für Ärzte mit organisiert, die externe Experten für uns gehalten haben. Häufig ist es gar nicht möglich, seriös die Unterschiede zwischen verschiedenen Präparaten und Anbietern zu diskutieren, ohne dass die statistischen Grundlagen von Risikoimplikationen verstanden werden. Mithin haben wir uns bemüht, etwas zu vermitteln, was eigentlich Teil der Ausbildung hätte sein müssen, aber nicht oder nicht effektiv vermittelt wurde, weil eine wissenschaftlich korrekte Diskussion der verschiedenen Möglichkeiten anders gar nicht möglich war.
Angesichts der Tatsache, dass die Industrie sich in schöner Regelmäßigkeit Statistiker für’s Studiendesign leistet, geht der einseitige Angriff auf sie meines Erachtens fehl. Das Gros der medizinischen Fachliteratur wird nicht von der Industrie verfasst, und wer sich halbwegs mit Statistik auskennt, dem rollen sich regelmäßig die Zehennägel hoch, wenn er die neueste Ausgabe des einen oder anderen Journals aufschlägt und mit wachen Augen die Methodenbeschreibungen durchliest.
Das Problem liegt in der Ausbildung, und wenn die Industrie hier zum Teil das aufholen muss, was die Universitäten vernachlässigen, weil sie sonst nicht effektiv kommunizieren kann, ist das bedenklich. Wenn man noch nicht einmal verständlich sagen kann “bei Patienten mit dieser und jener Comorbidität verwenden Sie besser das Präparat vom Mitbewerber, da das Nebenwirkungsprofil besser passt und das Risiko von schweren Nebenwirkungen daher geringer ist”, dann ist es absurd, die Industrie insgesamt als irreführende Gebrauchtwagenverkäufer hinzustellen. Zumal der Verweis auf Pharmareferenten verkennt, dass diese nicht die einzige Form des Aussendienstes sind.
Tatsächlich habe ich in anderer Position selbst schon Statistik-Workshops für MTAs (d.h. Nichtakademiker!) gehalten, die von diesen als unterhaltsam und verständlich empfunden wurden, die diese sogar begeistert haben. Es ist eine Frage der Aufbereitung des Materials – nur leider fällt an Universitäten vieles unter die Beschreibung “Druckbetankung” – nur dass bei einer tatsächlichen Druckbetankung auch beim Zuhörer etwas hängenbleibt. Denn das Problem des “Zuhörens” ist keineswegs eines, das nur auf der Seite des Studenten liegt. Je komplexer und theoretischer das Thema ist, desto mehr Mühe muss ich mir mit der Aufbereitung machen. Dass statistische Betrachtungen auch lustig und unterhaltsam sein können, sieht man z.B. auch in den Büchern von Dubben und Beck-Bornholdt. Man muss sich eben von dem leider an deutschen Universitäten immer noch weit verbreiteten Klischee lösen, dass die Vermittlung wissenschaftlichen Wissens zwingend mit Gravitas und Emotionslosigkeit zu geschehen hat.
Wie Karl Mistelberger oben schon schrieb, helfen auch Visualisierungen ungemein weiter – wobei ich auch “verbal visualisieren” kann, indem ich Metaphern etc. verwende. Wenn ich mich als Wissenschaftler ernst nehme, vermittle ich Wissen so, wie es effektiv vermittelt werden kann, anstatt mich in akademischer Folklore zu üben – und ich sehe es als MEINE Verantwortung als Dozent an, dass bei den Zuhörern auch etwas ankommt.
Statistisches Denken ist in Wirklichkeit für alle schwierig und auch die Kenntnis von statistischen Grundbegriffen und Berechnungsverfahren verbessert die Intuition für statistische Probleme nicht wirklich.
Dass statistisches Denken sowohl für Laien als auch für Fachleute (z.B. Aerzte) schwierig ist, wird inzwischen aber bei Bekanntmachungen von neu gefundenen Zusammenhängen beachtet. Hier ein Beispiel aus einer Veröffentlichung der International Agency for Research on Cancer (IARC) (übersetzt von DeepL): Die Experten kamen zu dem Schluss, dass jede 50-Gramm-Portion industriell verarbeitetes Fleisch, die täglich verzehrt wird, das Risiko für Darmkrebs um 18% erhöht.
Für den Einzelnen ist das Risiko, an Darmkrebs zu erkranken, aufgrund des Verzehrs von verarbeitetem Fleisch gering, aber dieses Risiko steigt mit der Menge des verzehrten Fleisches”, sagt Dr. Kurt Straif, Leiter des IARC-Monographienprogramms. Angesichts der großen Zahl von Menschen, die verarbeitetes Fleisch konsumieren, ist die globale Auswirkung auf die Krebsinzidenz von Bedeutung für die öffentliche Gesundheit.
Auffällig an der Verlautbarung des IARC ist hier der lange Kommentar darüber wie man die 18% Risikoerhöhung pro 50 Gramm täglich verzehrtes verarbeitetes Fleisch, interpretieren muss. Eigentlich ist dieser Kommentar, der auf den ersten Satz folgt überflüssig. Dass er trotzdem gemacht wird, zeigt, dass sich die IARC-Experten bewusst sind, dass viele Leute die statistischen Aussagen eventuell falsch interpretieren. Im Grunde aber ist die Aussage des Zusatzkommentars trivial und läuft darauf hinaus, dass industriell verarbeitetes Fleisch das Dickdarmkrebsrisiko deutlich erhöhen kann, wobei aber Dickdarmkrebs nicht zu den häufigsten Krebsarten gehört und nur wenige Menschen täglich so grosse Mengen verarbeitetes Fleisch überhaupt zu sich nehmen. Über eine grosse Menge Menschen gemittelt spielt aber dieses Risiko dennoch eine Rolle. Tatsache ist, dass nur wenige Menschen, das spontan auch denken. Man muss ihnen bei der Interpretation behilflich sein.
Ergänzung zur obigen IARC-Aussage, dass 50 Gramm Wurstkonsum (verarbeitetes Fleisch), dass Risiko an Dickdarmkrebs zu erkranken um 18% erhöhe: Im Durchschnitt beträgt dieses Risiko (im Leben an Dickdarmkrebs zu erkranken) für US-Männer 4.5% ( siehe Key Statistics for Colorectal Cancer), für einen 50 Gramm Wurst pro Tag Esser ist das Risiko 18% grösser und beträgt somit 5.3% anstatt 4.5%. 50 Gramm Wurst pro Tag essen bedeutet einen Wurstkonsum von 18.5 Kilogramm Wurst pro Jahr, was etwa 1/4 des jährlichen Gesamtfleischkonsums eines Deutschen entspricht (60 Kilogramm) oder 1/6 des Gesamtfleischkonsums eines US-Bürgers.
Fazit: Das Dickdarmerkrankungsrisiko von 50 Gramm-Wurst-pro-Tag-US-Männern beträgt 5.3% anstatt 4.49% bei Nicht-Wurst-Essern. Das ist nur ein geringer Anstieg des Lebenszeitrisikos an Darmkrebs zu erkranken obwohl es nur bezogen auf das Kolorektalkarzinom ein 18%-iger Anstieg ist.
Statistik im hier gemeinten Sinne, Ursachen erkennend, nicht nur Datenlagen beschreibend, bedeutet, dass einerseits sozusagen ein Normalsystem entwickelt wird und anderseits geschaut wird, wie Einflussfaktoren dieses “Normalsystem”, das historisiert vorliegt, verändert haben könnten, sogenannte Korrelationen meinend, die mit einem Korrelationsfaktor bestimmt werden, der wiederum in Vergleich mit der natürlichen Variabilität des “Normalsystems” verglichen wird, der dann irgendwie signifikant wäre.
Man ist hier im Üblichen (insbesondere bei Sozialstudien >:-> ) oft bei 95 %, andere, insbesondere Naturwissenschaftler machen bevorzugt in “Sigma” und nachvollziehbarerweise, weil 95 % sozusagen normal ist, bildlich gesprochen.
In der reinen Mathematik sozusagen, wo mit einem sechskantigen Würfel hantiert werden könnte, um statistische Aussagen zu treffen, den Würfel betreffend, kann relativ leicht i.p. Statistik happy geworden werden, wenn es um die Natur geht, wird es schwierig, also richtig schwierig und dort wären eigentlich sehr große historisierte Datenproben zu entnehmen und auszuwerten, was aber oft praktisch nicht geht.
Zitat: In der reinen Mathematik sozusagen, wo mit einem sechskantigen Würfel hantiert werden könnte, … Der Würfel ist 12-kantig, nicht sechskantig wie sie schreiben. Sie meinten wohl sechsflächig anstatt sechskanntig, denn ein Würfel hat 6 Quadrate als Begrenzungsflächen.
‘Sechsseitig‘ war gemeint, der Fehler mit ‘sechsseitig’ wird hier häufiger mal gemacht.
Gut aufgepasst!
Karl Mistelberger schrieb (13. Februar 2018 @ 10:27):
> […] sample of 1000 patients from the population (all of the dots), only one will have the disease (red dot). Since the test has 100 % sensitivity, it will be a true positive. The remaining 999 patients do not have the disease, but 50 of them will test positive (blue dots), and the rest will test negative (black dots).
> […] Bild [ https://resusreview.com/wp-content/uploads/2014/11/Visualization-Patient-Population.jpg ]
Das oben verlinkte Bild zeigt aber offenbar nur 49 blaue Punkte.
Das folgende Bild zeigt dagegen 50 blaue Punkte; dazu allerdings einen einzelnen vollen schwarzen, und 949 offene (weiße):
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘
∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ ∘ • • • • • • • • • • •
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
> Ein Bild sagt mehr als tausend Worte. Erstaunlich nur, dass man so selten aussagekräftige Bilder wie dieses findet. […]
Erstaunlich auch, wie selten die Mittel zum Anfertigen (und ggf. auch zum Editieren) und Zeigen von aussagekräftigen Bilder dort zur Verfügung gestellt sind, wo (ansonsten) dafür wohl die meisten Nutzer wären.
Und wenn man diese Fragen anderen Naturwissenschaften stellt…. wäre es interessant zu sehen wer da die Statistik beherrscht. … wir hatten früher eine mündliche Prüfung und die war bei den mathe Typen nicht simpel…. klar kann Mann oder Frau sich doch toll mit statistischen Fragestellungen beschäftigen. … mann Frau hat ja die nötige Freizeit im Überfluss. ich persönlich finde das wissen um die drug drug Interaktion und die persönliche Ansprache deutlich wichtiger…. vielleicht mal echtes Leben an der Front mit 100% Verantwortung ausprobieren.
Ich bin mir nicht sicher, ob man Medizin zu den Naturwissenschaften rechnet. Selbst der Präsident der Bundesärztekammer hat vor einigen Jahren sinngemäß gesägt, dass Medizin keine Naturwissenschaft, sondern einer Erfahrungswissenschaft sei.
Ich behaupte mal, dass ein Naturwissenschaftler, der auch als solcher tätig ist ohne Statistik nicht auskommt. Ein Physiker, Chemiker,Biologe, der irgendwas misst hat normalerweise verinnerlicht, dass sein Messungen ohne Angaben der Fehler wertlos sind. Und er hat auch gelernt, intuitiv mit statistischen Aussagen umzugehen.
Und gerade in der Medizin, in der Kausalitäten immer mit Wahrscheinlichkeiten verknüpft sind, halte ich ein statistisches Grundverständnis für elementar. Die drei wesentlichen Beziehungen
– Krankheitsursachen und Krankheit
– Krankheit und die Wirksamkeit von Medikamenten dagegen
– Wirksamkeit und Nebenwirkungen von Medikamenten
sind von Statistik geprägt, dabei kann das Fehlen des Verständnisses zu fatalen Folgen führen (wie selbst bei nahen Angehörigen erlebt).
Ja, Medizin ist eher eine Ingenieurwissenschaft, jedenfalls eine angewandte Wissenschaft, als es eine Naturwissenschaft ist und ja, Statistik spielt in Bezug auf medizinische Ratschläge und Überlegungen eine wichtige Rolle. Beispiel: Nehmen wir eine Therapie, beispielsweise einen chirurgischen Eingriff, mit einer bestimmten Versagensquote und einer bestimmten Wahrscheinlichkeit, dass der Eingriff das Leben des Patienten um x Prozent verbessert. Dann steht der Mediziner, der nicht nur ans eigene Portemonnaie denkt, sondern der das beste für den Patienten will, vor der Frage, ob er den Eingriff empfehlen soll oder nicht. Allerdings ist das nicht nur eine Frage der Statistik, es ist auch eine Frage des Umfeldes, in dem sich der Mediziner bewegt. Ob er Ratschläge von Kollegen einholt oder dem Patienten gar empfiehlt eine Zweitmeinung einzuholen, spielt hier auch eine wichtige Rolle.
Es geht hier zuvörderst auch um die Interessen von Patienten, eigene Präferenzen meinend, so dass patienten-bezogene Präferenzmodelle (das Fachwort) anzulegen sind; jeder praktizierende Mediziner soll erst derartig nachfragen bevor er, wie auch immer begründet, Ihr Text, Herr Holzherr, ‘Eingriffe’ empfiehlt.
Es geht hier auch um Beschwerdefreiheit und menschenwürdiges Leben, Medizin ist insofern ‘(k)eine Ingenieurwissenschaft’, aber Erfahrungswissenschaft, Kommentatorenkollege ‘JoeSachse’ wusste hier günstig zu ergänzen.
Klar, in praxi spielt hier die “Medizin-Industrie” eine große Rolle.
MFG
Dr. Webbaer
@JoeSachse
»Ich bin mir nicht sicher, ob man Medizin zu den Naturwissenschaften rechnet. Selbst der Präsident der Bundesärztekammer hat vor einigen Jahren sinngemäß gesägt, dass Medizin keine Naturwissenschaft, sondern einer Erfahrungswissenschaft sei.«
Meines Wissens rechnet man auch die Naturwissenschaften zu den „Erfahrungswissenschaften“ bzw. empirischen Wissenschaften.
Ärztliche Tätigkeit hat natürlich sehr viel mit Erfahrung zu tun. Aber die Medizin als Wissenschaft vom gesunden und kranken menschlichen Organismus würde ich, ebenso wie Sie, schon als eine naturwissenschaftliche Disziplin betrachten, so wie die Botanik oder Biochemie ja auch.
Ich vermute mal, dass der Präsident der Bundesärztekammer von der ärztlichen Heilkunst (im engeren, praktischen Sinne) gesprochen hat.
Medizin ist eine Erfahrungswissenschaft oder empirische Naturwissenschaft, wobei ihre Besonderheit darin besteht, dass auch der Geist sozusagen, das psychische Befinden des Patienten, zu bearbeiten ist.
Die Medizin ist sozusagen nicht nur Naturwissenschaft.
HTH (“Hope to Help”)
Dr. Webbaer
Karl Mistelberger,
das Spiel mit Prozenten. Man müsste verbieten, die Risiken in % angeben zu dürfen. Absolute Zahlen erlauben solche Fehleinschätzungen nicht.
@hmann
Absolute Zahlen allein sind keinesfalls unproblematisch und führen regelmäßig zu Äusserungen wie “6000 Menschen haben schwerste Nebenwirkungen von diesem Medikament davongetragen! Wie kann man das nur verteidigen!” wenn man es mit adversen Ereignissen bei einem weltweit millionenfach eingesetzten Antibiotikum zu tun hat…
Ist es rational nicht eine Kosten-Nutzenrechnung?
6000 haben mit Impfung schwerste Nebenwirkungen,wenn ALLE geimpft werden.
Sagen wir mal 10000 hätten schwerste Folgen der Krankheit,wenn nicht geimpft wird.
Dann ist klar der “Gewinn” ist 4000 und somit deutlich sichtbar.
Für die Angehörigen derjenigen,die wegen der Impfung krank werden ist es natürlich ein schwacher Trost.
Wenn man aber nur die Risikogruppen impft und alle anderen nicht sinkt das Risiko
zu erkranken für die Risikogruppen und die anderen haben kein Risiko am Impfstoff zu erkranken.
OH,
stimmt, vielleicht sollte man Statistik in den Lehrplan der Schulen aufnehmen.
DvK
Impfen ist nicht nur eine Kosten-Nutzenrechnung. Wenn Kinder in den Kindergarten gehen(müssen),
dann sollten alle geimpft sein. Bei der Polio Impfung hat sich gezeigt, wie segensreich das ist.
Hello! This is my first visit to your blog! This is my first comment here, so I just wanted to give a quick shout out and say I genuinely enjoy reading your articles. Your blog provided us useful information. You have done an outstanding job.