Ein Leben mit Wahrscheinlichkeiten

Transkript

1 Ein Leben mit Risiko und Täuschung durch falsche Zahlenangaben (Risk Literacy) Alexander Riegler, MPH, EMPH, BSc.

2 Agenda Einflussfaktoren auf die Gesundheit Aufwärmphase mit Beispielen Das Gefühl der Sicherheit Screening interessante Fakten Die Kunst der Darstellung Irreführung? Diskussion

3 Hinweis Ich bin kein Statistiker, Mediziner, Alle Beispiele und gesammelten Informationen entstammen der Fachliteratur (vgl. Quellenangaben). Sie dienen nicht der Kritik an Ärzten, Politikern, Industriezeigen oder sonstigen Personen, sondern als Hinweis auf vorhandene Defizite in unseren Gesundheitssystemen. Die genannte Beispiele sprechen keine Empfehlung für oder gegen eine entsprechende ärztliche Leistung (z.b.: Screening) aus!

4 Diskussion Was stellen Sie sich unter den Begriffen RISIKO und WAHRSCHEINLICHKEIT vor? Was beeinflusst unsere Gesundheit?

5 Gesundheitsdeterminanten

6 Gesundheitskompetenz (Health Literacy) Die Fähigkeit einer Person, Informationen zu finden, zu verarbeiten, kritisch zu hinterfragen und anzuwenden, um dann selbst eine gesundheitsfördernde Entscheidung zu treffen.

7 Definition Literacy: Befähigung zum Lesen und Schreiben Risk: Risiko. Wenn die mit einem Ereignis oder Merkmal verknüpfte Ungewissheit auf Grund empirischer Beobachtungen oder kausalem Wissen bewertet werden kann, so nennt man sie Risiko. Häufigkeiten und können Risiken ausdrücken. Risk Literacy: Risikokompetenz - Der rasante technischen Fortschritt des 21. Jahrhunderts macht es notwendig, mit vorhandenen Unsicherheiten adäquat umgehen zu können.

8 Wie gefährlich ist unser Leben? Motorradfahrt: 20 Menschen pro Motorradfahrer Von einem Baum erschlagen zu werden: 1:20 Millionen. Herz-Kreislauf-Erkrankungen: 43 Prozent aller Sterbefälle fallen in diesen Bereich. Flugzeugabsturz: 1:10 Millionen. Tödliche Hundeattacke : 1:75 Millionen. Beim Baden zu ertrinken: 460 Personen von sterben an den Folgen des Passivrauchens. 69 Prozent der Befragten gaben an, dass sie sich vor dem globalen Klimawandel fürchten. Rauchen bewerteten aber nur 48 Prozent als gefährlich. Das Risiko, das uns umbringt, ist nicht unbedingt das Risiko, das uns ängstigt. [Peter Sandman]

9 (Gaissmaier & Gigerenzer, 2011) Zahlenverständnis Warum? Um in gesundheitsrelevanten Themen belesen zu sein, braucht es folgende vier Eigenschaften: 1. Die Akzeptanz im Leben mit Unsicherheiten zu leben. 2. Ein Grundverständnis für numerische Informationsangebote. 3. Die notwendige Neugierde sich über Nutzen und Schaden einer Behandlung zu informieren. 4. Testergebnisse verstehen zu können.

10 Regenwahrscheinlichkeit Die Wahrscheinlichkeit für Regen beträgt 30%. Welche Aussage ist richtig? a. Wird es morgen 30 Prozent der Zeit regnen? b. Oder wird es auf 30 Prozent der Fläche regnen? c. Oder könnte es an 30 Prozent der Tage regnen, welche die gleichen meteorologischen Bedingungen wie der morgige Tag aufweisen? Lösung folgt am Ende

11 Eisenwalzwerk Ölgemälde von Adolph von Menzel, Gerd Gigerenzer: Das Einmaleins der Skepsis. Über den richtigen Umgang mit Zahlen und Risiken. Berlin Verlag Statistik Im 19. Jahrhundert galten statistische Daten noch als unwissenschaftlich. Während es in der Wissenschaft um Gewissheit ging, befasste sich die Statistik mit Ungewissheit, und folglich war die Statistik keine wissenschaftliche Methode im eigentlichen Sinne. Die statistischen Studien des ungarischen Arztes Ignaz Semmelweis bei Kindbettfieber sind so legendär wie die Weigerung der zuständigen Behörden, die vorbeugenden Maßnahmen zu treffen, die seine Statistiken nahe legten. Anders als in der Physik setzte sich das statistische Denken bei der medizinischen Diagnose und Therapie erst allmählich durch.

12 Einführungsbeispiel Fall A: In Ihrem Flugblatt finden Sie folgendes Angebot Minus 50% auf Bananen [Normalpreis 2 /kg]. -50%

13 Einführungsbeispiel Fall B: Im Jahr 2009 erkrankten 10 von 1000 Personen. Wie viel Prozent aller Personen sind erkrankt? In relativen Zahlen ausgedrückt 1000 Personen = 100% 10 Personen = 1% In absoluten Zahlen ausgedrückt 10 von 1000 Personen sind erkrankt = 1 von 100

14 Fall C: Im Jahr 2010 sind bereits 30 Personen erkrankt. Welche Steigerung ist das in relativen und in absoluten Zahlen? 10 Erkrankte 2009 = 1% der Population (10/1000 = 1/100) 30 Erkrankte 2010 = 3% der Population (30/1000 = 3/100) Relative Zahlenangabe (%) 10 Erkrankte mehr sind in Summe 20 Erkrankte, das entspricht einer Steigerung von 100% 10 weitere Erkrankte, in Summe 30, entsprechen ausgehend von den 10 Ersterkrankten einer weiteren Steigerung um +100%. Neuerkrankung = = 20 20/10 = Faktor 2 (= 200%) Absolute Zahlenangabe Eine Steigerung von 20 Patienten pro 1000 Personen entspricht einem Anstieg von 1% auf 3% und somit einem Unterschied von 2% gegenüber dem Jahr 2009.

15 (Schwartz, Woloshin, Black & Welch, 1997) Grundlegendes Zahlenverständnis I Eine Person die Medikament A nimmt, hat mit einer 1% Wahrscheinlichkeit eine allergische Reaktion zu befürchten. Wenn 1000 Personen nun diese Medikament nehmen, bei wie vielen dieser Personen ist eine allergische Reaktion zu befürchten? Bei Personen von insgesamt 1000 Personen.

16 (Schwartz, Woloshin, Black & Welch, 1997) Grundlegendes Zahlenverständnis II Eine Person die Medikament B nimmt, hat mit einer Wahrscheinlichkeit von 1 zu 1000 eine allergische Reaktion. Wie viel Prozent an Personen die Medikament B nehmen, werden eine allergische Reaktion aufweisen? Prozent.

17 (Schwartz, Woloshin, Black & Welch, 1997) Grundlegendes Zahlenverständnis III Stellen Sie sich vor, dass eine Münze 1000x in die Luft geworfen wird. Nachdem die Münze zum Erliegen gekommen ist, wird untersucht ob Kopf oder Zahl aufgeworfen wurde. Was schätzen Sie, wie oft das Kopfsymbol aufgeworfen wurde? x von 1000 Würfen

18 (Schwartz, Woloshin, Black & Welch, 1997) Grundlegendes Zahlenverständnis III

19 Sicherheit Welcher der folgenden Tests ist absolut sicher (Mehrfachnennung möglich)? Experten Horoskop? HIV Test? Fingerabdruck? DNA-Test?

20 Sicherheit

21 DNA-Sachverständige vor Gericht "Die Wahrscheinlichkeit, dass diese Übereinstimmung zufällig zustande kam, liegt bei 1 zu " "Unter je Personen wird sich bei einer eine Übereinstimmung zeigen."

22 (Gigerenzer, 2004) AIDS-Beratung an 20 deutschen Gesundheitsämtern Klient: "Wenn man nicht HIV-infiziert ist, ist es dennoch möglich, ein positives Testergebnis zu erhalten? Berater: 1 "mit absoluter Sicherheit, nein" 2 "nein, sicher nicht" 3 "absolut ausgeschlossen" 4 "absolut unmöglich" 5 "absolut unmöglich" 6 "absolut ausgeschlossen" 7 "nein, der Test ist sicher" 8 "nein, der Test ist absolut sicher" 9 "nein, auf keinen Fall" 10 "in Frankreich, nicht bei uns" 11 "Falsch-positive kommen nicht vor" 12 "mit Sicherheit nicht" 13 "mit Sicherheit nicht" 14 "bestimmt nicht" > "sehr selten" 15 "absolut unmöglich" > "99,7% Spezifität" 16 "absolut unmöglich" > "99,9% Spezifität" 17 "Spezifität > 99%" 18 "Spezifität > 99,9%" 19 "99,9% Spezifität" 20 vertrauen Sie mir, nur keine Sorgen"

23 Das Gefühl der absoluten Sicherheit Welcher Tisch passt leichter durch eine Tür?

24 Das Gefühl der absoluten Sicherheit Shepard RN (1981) Psychological complementarity. In: Kubovy M & Pomerantz JR (eds) Perceptual organization Hillsdale, NJ: Lawrence Erlbaum Associates Shepard RN (1990) Mind Sights: Original Visual Illusions, Ambiguities, and other Anomalies, New York: WH Freeman and Company

25 Sicherheit In diesem Leben ist nur eines sicher und das sind der Tod und die Steuern. Benjamin Franklin ( )

26 Prinzip des Screening Beginn der Erkrankung Beginn der Nachweisphase Auftreten klinischer Symptome, Diagnose Tod ohne Sreening Tod nach Screening 1-3 Präklinische Erkrankung 2-3 Phase der Früherkennungsmöglichkeit 3-4 Beobachtbare Überlebenszeit ohne Screening 4-5 Gewinn an Überlebenszeit

27 Vortäuschung eines Benefit durch Screening Lead time Bias (Vorlaufzeit-Bias): durch Vorverlegung der Diagnose wird Überlebenszeit zwischen Diagnose und Tod verlängert, ohne dass der Patient länger lebt als ohne die frühere Diagnosestellung Zeitachse Überleben ohne Screening nur lead time Bias Benefit

28 Vortäuschung eines Benefit durch Screening Length Time Bias (Überdiagnose Bias): durch Screening werden vor allem prognostisch günstige Erkrankungen entdeckt, wodurch in der gescreenten Gruppe ein scheinbarer Vorteil beobachtet wird.?????????????

29 (Gigerenzer & Gray, 2011) MEDIZIN Beispiele PSA und Mammographie-Testung Personen in 9 europäischen Ländern wurden über den Nutzen des Screenings befragt. 89% der Männer und 92% der Frauen überschätzten den Nutzen um das 10x, 100x oder sogar Mehrfache dessen. Teilweise wussten Sie aber auch gar nichts darüber.

30 (Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz & Woloshin 2007) MEDIZIN Beispiel Gynäkologen 160 Gynäkologen bekamen folgende Aufgabe gestellt: Eine Frau fragt Ihren Gynäkologen nach einem positiven Mammographie-Befund nach der Wahrscheinlichkeit wirklich Brustkrebs zu haben. Eckdaten: Die Wahrscheinlichkeit das eine Frau Brustkrebs hat beträgt 1 Prozent (Prävalenz). Falls eine Frau wirklich Brustkrebs hat, so beträgt die Wahrscheinlichkeit, dass das Testergebnis positiv ist 90 Prozent (Sensitivität). Auch wenn die Frau keinen Brustkrebs hat, so beträgt die Wahrscheinlichkeit, dass das Testergebnis dennoch positiv ausfällt zirka 9 % (falsch positiv).

31 (Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz & Woloshin 2007) MEDIZIN Beispiel Gynäkologen Folgende Antwortmöglichkeiten wurden vorgegeben: a. Die Wahrscheinlichkeit, dass eine Frau mit positivem Mammographiebefund Brustkrebs hat, beträgt 81 Prozent. b. Von 10 Frauen mit positivem Mammographiebefund haben 9 Brustkrebs. c. Von 10 Frauen mit positivem Mammographiebefund hat etwa eine Brustkrebs. d. Die Wahrscheinlichkeit, dass eine Frau mit positivem Mammographiebefund Brustkrebs hat, beträgt etwa 1 Prozent. 21% konnten diese Aufgabe lösen, der Rest überschätzte das Risiko.

32 Diagramm: (Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz & Woloshin 2007) MEDIZIN Beispiel Gynäkologen

33 MEDIZIN Mammographie

34 MEDIZIN Prostata

35 (Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz & Woloshin 2007) Politik Prostatakrebs Robert Giuliani ( Ex-Bürgermeister von New-York) sagte einmal in einer Wahlkampfrede*: Vor 5-6 Jahren hatte ich Prostatakrebs, meine Chance auf Heilung betrug in Amerika 82%. In England mit dem verstaatlichten Gesundheitssystem jedoch nur 44%. Ein Glück, ich lebe in Amerika. Wo würden Sie leben wollen? Gibt es hier wirklich so einen großen Unterschied? Wodurch ergibt sich der große Unterschied? * Rudy Giuliani, New Hampshire radio advertisement, October 29, 2007

36 (Gigerenzer, Gaissmaier, Kurz-Milcke, Schwartz & Woloshin 2007) Politik Prostatakrebs - Lösung Giulianis Behauptung war irreführend, da er die 5-Jahres- Überlebensraten als Hinweis auf geringe Sterblichkeit gedeutet hat. Sterblichkeitsraten dürfen aber nicht mit Überlebensraten verglichen werden. Die Sterblichkeitsrate ist in England ohne Screening ähnlich wie in Amerika trotz Screening. Höhere Überlebensraten beim Screening sind kein Hinweis auf eine niedrigere Mortalität: A.) Früherkennung > erhöht die Zahl derer, die nach 5 Jahren noch leben, weil die Diagnose vorverlagert wird (Vorlaufzeit- Bias) B.) die 5-Jahres-Überlebensrate wird höher, weil auch nicht progressive Krebserkrankungen erkannt werden, die nicht zum Tod führen. Diese werden dann dazu gezählt (Überdiagnose- Bias).

37 Prostatakrebs Lösung in graphischer Darstellung I Politik

38 Prostatakrebs Lösung in Politik graphischer Darstellung II Guiliani meinte die 5-jahres Überlebensrate

39 (Sarfati et al., 1998) Die Kunst der Darstellung I 306 Neuseeländer wurden gefragt, ob Sie diesen Test unter folgenden Bedingungen machen würden: RRR: Wenn Sie diesen Test alle 2 Jahre machen würden, so wird es Ihre Chance an diesem Krebs in den nächsten 10 Jahren zu sterben um ein Drittel senken. 80%? ARR: Wenn Sie diesen Test alle 2 Jahre machen würden, so wird es Ihre Chance an diesem Krebs in den nächsten 10 Jahren zu sterben von 3 pro 1000 auf nur mehr 2 pro 1000 reduzieren. 53%? NNT: Wenn 1000 Personen diesen Test alle 2 Jahre durchführen, so kann 1 Person auf die nächsten 10 Jahre gesehen vor diesem Krebstod gerettet werden. 43%?

40 (Gigerenzer & Gray, 2011) Mismatched framing Jede Gesundheitsstatistik kann transparent oder irreführend dargestellt werden. Transparent: absolute Risiken, Mortalitätsraten und natürliche Häufigkeiten Irreführend: relative Risiken, 5-Jahres- Überlebensraten und bedingte Der Trick: Vorteile werden in großen Zahlen (relative Risiken) und die Nachteile in kleinen Zahlen (absolute Risiken) angegeben. Ein Beispiel gefällig?

41 (Sedrakyan & Shih, 2007) Beispiel für mismatched framing I Eine neue Behandlung reduziert die Wahrscheinlichkeit, die Krankheit A zu bekommen von 10 auf 5 von je 1000 Personen. Erhöht jedoch im Gegenzug die Wahrscheinlichkeit, die Krankheit B von 5 auf 10 von je 1000 Personen. Eine Mögliche Form der Darstellung könnte sein: Die Risikoreduktion für Krankheit A beträgt 50%, die damit verbundene Risikosteigerung für Krankheit B liegt bei nur 5 Personen pro 1000, das heißt 0,5% Jede dritte Publikation in ausgewählten Fachzeitschriften wandte in den Jahren diese Technik an.

42 (Gigerenzer & Gray, 2011) Irreführende Bericht- erstattung in den Medien Medien Das U.K. Committee on Safety of Medicine veröffentlichte 1995 eine Warnung, dass die dritte Generation der Antibabypille das Risiko für potentiell lebensbedrohliche Blutgerinnsel in den Beinen oder Lunge verdopple, das heißt also um 100% erhöht. Gute oder schlechte Information?

43 (Gigerenzer & Gray, 2011) Irreführende Bericht- erstattung in den Medien Medien Die Meldung verursachte eine Panik, ungewollte Schwangerschaften und Abtreibungen zusätzliche Abtreibungen waren die Folge. 100% mehr Thrombosen? Wagen wir einen Blick ins Detail! Thrombosen bei der Pille 2. Generation = 1/7000 Thrombosen bei der Pille 3. Generation = 2/7000 Das ist eine Erhöhung des relativen Risikos von 100%, absolut gesehen ist es eine pro 7000 (1/7000) Verlierer: junge Frauen, Steuerzahler, Pharmaindustrie Gewinner: schlagzeilengierige Journalisten

44 Irreführende Bericht- erstattung in den Medien Medien Eine Statistik besagt, dass sich in Deutschland in einem Jahr 277 Kinder von im Straßenverkehr verletzen. In den Niederlanden sind es nur 52 von Kindern. Grund: Die Niederländer zählen nur Unfälle, bei denen Kinder wirklich ins Krankenhaus müssen. Die Deutschen rechnen auch leichte Unfälle mit, bei denen Verletzte gleich nach Hause gehen können.

45 (Gigerenzer & Gray, 2011) Gründe für die fehlinformierte Bevölkerung

46 Regenwahrscheinlichkeit Die Wahrscheinlichkeit von Regen beträgt 30%. Welche Aussage ist richtig? a. Wird es morgen 30 Prozent der Zeit regnen? b. Oder wird es auf 30 Prozent der Fläche regnen? c. Oder könnte es an 30 Prozent der Tage regnen, welche die gleichen meteorologischen Bedingungen wie der morgige Tag aufweisen?

47 Regenwahrscheinlichkeit Die Wahrscheinlichkeit von Regen beträgt 30%. Welche Aussage ist richtig? a. Wird es morgen 30 Prozent der Zeit regnen? b. Oder wird es auf 30 Prozent der Fläche regnen? c. Oder könnte es an 30 Prozent der Tage regnen, welche die gleichen meteorologischen Bedingungen wie der morgige Tag aufweisen?

48 Regenwahrscheinlichkeit

49 Literaturempfehlungen

50 Das Wissen über ermöglicht Ihnen mehr Autonomie. Sie können dadurch besser über Ihr Geld und Ihre Gesundheit bestimmen. Vielen Dank für Ihre Aufmerksamkeit Alexander Riegler, MPH, EMPH, BSc Mail: Web:

51 Literaturverzeichnis Gigerenzer G. (2004). Das Einmaleins der Skepsis. Über den richtigen Umgang mit Zahlen und Risiken. Berlin Verlag Gigerenzer G., Gaissmaier W., Kurz-Milcke E., Schwartz L. M., & Woloshin S. (2007). Helping doctors and patients make sense of health statistics. Psychological Science in the Public Interest 8, Gigerenzer G., Gaissmaier W., Kurz-Milke E., Schwartz M. & Woloshin S. (2009). Glaub keiner Statistik, die du nicht verstanden hast. Medizin-Risikobewertung. G&G10:34 ff. Gigerenzer G. & Gray J. A. M. (2011). Aufbruch in das Jahrhundert des Patienten. Better Doctors, Better Patientes, Better Decisions: Envisioning Health Care Cambridge. ISBN Gaissmaier W. & Gigerenzer G. (2011). When Missinformed Patients Try to Make Informed Health Decisions. Better Doctors, Better Patientes, Better Decisions: Envisioning Health Care Cambridge. ISBN Sarafati D. et al (1998). Does the frame affect the picture? A study into how attitudes to screening for cancer are affected by the way benefits are expressed. J Med Screen 5, Schwartz L. M., Woloshin S., Black W. C. & Welch G. (1997). The Role of Numeracy in Understanding the Benefit of Screening Mammography. Annals of internal Medicine 127:11, Sedrakyan A. & Shih C. (2007). Depicting the benefits and harms of therapeutics: illustrative case of well known therapeutics and analyses of leading medical journals. Medical Care 45,