Eine der am häufigsten verwendeten Strategien für die klinische Entscheidungsfindung spiegelt die wissenschaftliche Methode der Hypothesengenerierung gefolgt von Hypothesentests wider. Diagnostische Hypothesen werden aufgrund von Tests bestätigt oder widerlegt.
Aufstellung einer Hypothese
Eine Hypothese aufzustellen, umfasst die Identifikation der wichtigsten diagnostischen Möglichkeiten (Differenzialdiagnose), die für das klinische Problem des Patienten verantwortlich sein könnten. Die Hauptbeschwerde des Patienten (z. B. Schmerzen in der Brust) und grundlegende demographische Daten (Alter, Geschlecht, Ethnie) sind die Ausgangspunkte für die Differenzialdiagnose, die in der Regel durch Mustererkennung erzeugt wird. Jedem Element auf der Liste der Möglichkeiten ist idealerweise eine geschätzte Wahrscheinlichkeit oder Wahrscheinlichkeit zugeordnet, dass es die richtige Diagnose ist (Pre-Test Wahrscheinlichkeit - z. B. siehe Tabelle Hypothetische Differentialdiagnose und Pre- und Post-Test Wahrscheinlichkeiten).
Ärzte verwenden oft vage Ausdrücke wie "sehr wahrscheinlich", "unwahrscheinlich" und "es ist nicht auszuschließen", um die Wahrscheinlichkeit einer Krankheit zu beschreiben. Sowohl Ärzte als auch Patienten können diese unspezifischen Ausdrücke falsch verstehen; stattdessen sollte, sofern verfügbar, eine genaue statistische Terminologie verwendet werden. Mathematische Berechnungen können die klinische Entscheidungsfindung unterstützen und, selbst wenn keine genauen Zahlen verfügbar sind, klinische Wahrscheinlichkeiten besser definieren. Spezifische „Zahlen“ werden jedoch nur aus einem kleinen Teil der gesamten klinischen Patienten generiert und sind daher nach wie vor nur Schätzungen.
Wahrscheinlichkeit und Chancen
Die Wahrscheinlichkeit, dass eine Krankheit (oder ein Ereigniss) bei einem Patienten auftritt, dessen klinische Situation nicht näher bekannt ist, entspricht der Häufigkeit dieser Krankheit (oder dieses Ereignisses) in der Bevölkerung. Die Wahrscheinlichkeit rangiert auf einer Skala von 0,0 (unmöglich) bis 1,0 (sicher) und wird oft in Prozentsätzen von 0–100% ausgedrückt. Eine Krankheit, die bei 2 von 10 Patienten auftritt, hat eine Wahrscheinlichkeit von 2 zu 10 (0,2 bzw. 20%). Das Runden sehr kleiner Wahrscheinlichkeiten auf 0, wodurch jede Möglichkeit einer Erkrankung ausgeschlossen wird (manchmal in der impliziten klinischen Argumentation), kann potenziell irreführend sein.
Die Chance stellt das Verhältnis von betroffenen Patienten zu nichtbetroffenen Patienten dar (d. h. das Verhältnis von Krankheit zu keiner Krankheit). Somit hat eine Krankheit, die bei 2 von 10 Patienten auftritt (Wahrscheinlichkeit 2 zu 10) eine erwartete Wahrscheinlichkeit von 2 zu 8 (0,25, oft als 1 zu 4 ausgedrückt). Erwartungswert (Chance) (Ω) und Wahrscheinlichkeit (p) lassen sich nach der Formel Ω = p/(1− p) oder p = Ω/(1 + Ω) ineinander umrechnen.
Überprüfen von Hypothesen
Die anfängliche Differenzialdiagnose aufgrund von Hauptbeschwerden und Demographie ist oft groß, sodass der Arzt zunächst die hypothetischen Möglichkeiten generiert und filtert, indem er eine detaillierte Anamnese erhält und eine gerichtete körperliche Untersuchung durchführt, um vermutete Diagnosen zu unterstützen oder zu widerlegen. Zum Beispiel erhöhen Schmerzen in den Beinen und geschwollene, druckempfindliche Beine während der Untersuchung bei einem Patienten mit Schmerzen in der Brust die Wahrscheinlichkeit einer Lungenembolie.
Wenn die Anamnese und die körperliche Untersuchung ein erkennbares Muster ergeben, wird eine Verdachtsdiagnose gestellt. In einem ersten Schritt ist die Anamnese der Schlüssel zur Bildung einer diagnostischen Hypothese, die zu einer gezielten körperlichen Untersuchung führt, die diese Hypothese unterstützt oder widerlegt und dazu beiträgt, die Vortestwahrscheinlichkeit einer Diagnose zu bestimmen (1).
Diagnostische Tests werden verwendet, wenn Unsicherheiten nach der Anamnese und der körperlichen Untersuchung bestehen, insbesondere wenn die Erkrankung ernst ist oder gefährliche oder kostspielige Behandlungen die Folge sein könnten. Die Testergebnisse modifizieren die Wahrscheinlichkeiten der verschiedenen Diagnosen (Post-Test-Wahrscheinlichkeit). Beispielsweise zeigt die Tabelle Hypothetische Differentialdiagnose und Pre- und Post-Test Wahrscheinlichkeiten, wie die zusätzlichen Befunde über Schmerzen und Schwellungen in den Beinen, sowie ein normales EKG und Röntgenbild bei einem Patienten die diagnostischen Wahrscheinlichkeiten modifizieren: die Wahrscheinlichkeit des akuten Koronarsyndroms, des Aneurysma dissecans und des Pneumothorax nimmt ab, während sich die Wahrscheinlichkeit einer Lungenembolie erhöht. Diese Veränderungen in der Wahrscheinlichkeit führen zu zusätzlichen Tests (in diesem Beispiel wahrscheinlich Thorax-CT-Angiographie), die weiter die Post-Test-Wahrscheinlichkeit modifizieren, und in einigen Fällen die Diagnose bestätigen oder widerlegen.
Es kann intuitiv erscheinen, dass die Summe der Wahrscheinlichkeiten aller Diagnosemöglichkeiten nahezu 100% betragen sollte, und dass eine einzelne Diagnose aus einer komplexen Reihe von Symptomen und Anzeichen abgeleitet werden kann. Jedoch kann die Anwendung dieses Prinzips, dass die beste Erklärung für eine komplexe Situation eine einzige Ursache beinhaltet (oft als Ockhams Rasiermesser bezeichnet) Ärzte in die Irre führen. Starre Anwendung dieses Prinzips Rabatten die Möglichkeit, dass ein Patient mehr als eine aktive Erkrankung haben kann. Zum Beispiel kann angenommen werden, dass ein Dyspnoe-Patient mit bekannter chronisch obstruktiver Lungenerkrankung (COPD) eine Exazerbation der COPD hat, aber auch an einer Lungenembolie oder Herzinsuffizienz leiden kann.
Hypothetische Differenzialdiagnose und Prä-Test- und Post-Test-Wahrscheinlichkeiten bei Brustschmerzen bei einem 50-Jährigen mit Hypertonie und Diabetes, der Zigaretten raucht
Diagnose | Prä-Test-Wahrscheinlichkeit | Post-Test-Wahrscheinlichkeit I (Zusätzliche Befunde von Schmerzen in den Beinen, Schwellungen, normales EKG und Röntgenthorax) | Post-Test-Wahrscheinlichkeit II (Weitere Befunde eines segmentalen Defekts auf der Brust in der CT-Angiographie und unauffälliger Serum-Troponin I-Spiegel) |
|---|---|---|---|
Akutes Koronarsyndrom | 40% | 28% | 1% |
ST-Hebungsinfarkt | 20% | < 1% | < 1% |
Brustwandschmerzen | 30% | 20% | < 1% |
Lungenembolie | 5% | 50% | 98% |
Zerteiltes Thorax-Aortenaneurysma | < 3% | < 1% | < 1% |
Spontaner Pneumothorax | < 2% | < 1% | < 1% |
Literatur zum Überprüfen von Hypothesen
1. Garibaldi BT, Olson APJ: The Hypothesis-Driven Physical Examination. Med Clin North Am. 2018;102(3):433-442. doi:10.1016/j.mcna.2017.12.005
Wahrscheinlichkeitsschätzungen und die Untersuchungsschwelle
Auch wenn die Diagnose unsicher ist, sind Tests nicht immer nützlich. Tests sollten nur dann durchgeführt werden, wenn die Ergebnisse die Behandlung beeinflussen. Wenn die Krankheitsvortestwahrscheinlichkeit über einem bestimmten Schwellenwert liegt, wird die Behandlung garantiert (Behandlungsschwelle) und ein Test kann nicht angezeigt werden.
Unter dem Behandlungsschwellenwert ist eine Prüfung angezeigt, wenn ein positives Testergebnis die Post-Test-Wahrscheinlichkeit über den Behandlungsschwellenwert heben würde. Die niedrigste Vortestwahrscheinlichkeit, bei der dies auftreten kann, hängt von den Testeigenschaften ab und wird als Prüfschwellenwert bezeichnet.
Wahrscheinlichkeitsschätzungen und die Behandlungsschwelle
Die Krankheitswahrscheinlichkeit, ab der eine Behandlung angezeigt ist und keine weiteren Tests mehr gerechtfertigt sind, wird als Behandlungsschwelle bezeichnet.
Das oben erwähnte hypothetische Beispiel eines Patienten mit Brustschmerzen konvergiert auf einer fast sicheren Diagnose (98%ige Wahrscheinlichkeit). Wenn die Diagnose einer Krankheit für sicher gehalten wird, ist die Entscheidung für eine Behandlung eine einfache Feststellung, ob die Behandlung einen Nutzen bringt (im Vergleich zu keiner Behandlung und unter Berücksichtigung der möglichen unerwünschten Wirkungen der Behandlung). Wenn die Diagnose ein gewisses Maß an Unsicherheit hat, wie fast immer der Fall ist, muss die Entscheidung zur Behandlung auch den Nutzen der Behandlung eines Kranken gegen das Risiko der Behandlung eines falsch diagnostizierten oder gesunden Menschen berücksichtigen. Die Abwägung von Nutzen und Risiko schließt finanzielle, soziale und medizinische Konsequenzen ein. Die Entscheidung basiert dann auf der Balance zwischen der Wahrscheinlichkeit der Krankheit und der Größe des Nutzens und des Risikos. Diese Waage bestimmt, wo der Arzt die Behandlungsschwelle einstellt. Bei der endgültigen Entscheidung über die Behandlung sollten die Präferenzen des Patienten berücksichtigt werden, sofern sie ermittelt werden können.
Tipps und Risiken
|
Von dieser Konzeption ausgehend akzeptieren Ärzte ggf. eine hohe diagnostische Unsicherheit und leiten eine Behandlung ein, wenn der Nutzen der Behandlung sehr hoch und das Risiko sehr gering ist (wie z. B. bei der Gabe eines sicheren Antibiotikums bei einem Patienten mit Diabetes, der möglicherweise eine lebensbedrohliche Infektion hat) – selbst wenn die Wahrscheinlichkeit für eine Infektion relativ gering ist (z. B. 30%—siehe Abbildung Variation der Behandlungsschwelle (TT) mit Behandlungsrisiko). Wenn jedoch das Risiko der Behandlung sehr hoch ist (wie z. B. bei einer Pneumonektomie für möglichen Lungenkrebs), wollen Ärzte eine sehr sichere Diagnose haben und ordnen eine Behandlung nur an, wenn die Wahrscheinlichkeit von Krebs sehr hoch ist, z. B. > 95% (siehe Abbildung). Man beachte, dass die Behandlungsschwelle nicht unbedingt der Wahrscheinlichkeit entspricht, mit der die Krankheit bestätigt oder ausgeschlossen werden könnte. Es ist einfach der Punkt, an dem das Risiko nicht zu behandeln größer ist als das Risiko einer Behandlung.
Variation der Behandlungsschwelle mit dem Risiko der Behandlung
Horizontale Linien repräsentieren die Post-Test-Wahrscheinlichkeit. |
Quantitativ läßt sich die Behandlungsschwelle (TT) als der Punkt definieren, an dem die Wahrscheinlichkeit der Erkrankung (p) mulitipliziert mit dem Vorteil der Behandlung einer Person mit einer Erkrankung (B) gleich der Wahrscheinlichkeit keiner Krankheit (1 − p) multipliziert mit dem Risiko der Behandlung einer Person ohne Erkrankung (R) ist. Somit gilt für die Behandlungsschwelle
p × B = (1 − p) × R
Nach p aufgelöst, reduziert sich diese Gleichung zu:
p = R/(B +R)
Aus dieser Gleichung ist ersichtlich, dass, wenn B (Nutzen) und R (Risiko) gleich sind, die Behandlungsschwelle 1/(1 + 1) = 0,5 ist, was bedeutet dass, wenn die Wahrscheinlichkeit der Erkrankung > 50% beträgt, der Arzt behandeln würde, und wenn die Wahrscheinlichkeit < 50% ist, der Arzt nicht behandeln würde.
Für ein klinisches Beispiel kann ein Patient mit Brustschmerzen berücksichtigt werden. Wie hoch sollte die klinische Wahrscheinlichkeit eines akuten Myokardinfarkts sein, dass eine Thrombolysetherapie vorgenommen werden müsste, wenn das einzige Risiko eine baldige Mortalität wäre? Angenommen, es sei der Fall, dass die Sterblichkeit aufgrund von intrakraniellen Blutungen mit Thrombolyse 1% ist, dann ist R mit 1% die Letalität einer irrtümlichen Behandlung eines Patienten, der keinen Myokardinfarkt hat. Wenn die Mortalität bei einem Patienten mit Myokardinfarkt um 3% gesenkt wird, wenn er einer thrombolytischen Therapie unterzogen wird, dann liegt B bei 3%. Dann ist die Behandlungsschwelle 1: (3 + 1) oder 25%; danach sollte eine Behandlung begonnen werden, wenn die Wahrscheinlichkeit eines akuten Myokardinfarkt bei > 25% liegt.
Alternativ kann die Behandlungsschwellengleichung neu angeordnet werden, um zu zeigen, dass die Behandlungsschwelle der Punkt ist, an dem die Wahrscheinlichkeit einer Erkrankung p/(1 −p) gleich dem Nutzen-Risiko-Verhältnis (R:B) ist. Es ist das gleiche numerische Ergebnis wie in dem zuvor beschriebenen Beispiel, mit der Behandlungsschwelle gleich der Chance des Nutzen-Risiko-Verhältnisses (1 zu 3). Eine Chance von 1 zu 3 entspricht der zuvor erhaltenen Wahrscheinlichkeit von 25% (siehe Wahrscheinlichkeit und Chancen).
Einschränkungen der quantitativen Entscheidungsmethoden
Quantitative klinische Entscheidungsfindung scheint präzise zu sein, aber da viele Elemente in den Berechnungen (z. B. die Wahrscheinlichkeit vor dem Test) oft ungenau bekannt sind (wenn sie überhaupt bekannt sind), ist diese Methode schwierig in allen außer den am besten definierten und untersuchten klinischen Situationen anzuwenden. Darüber hinaus muss auch die Philosophie des Patienten in Bezug auf die medizinische Versorgung (d. h. die Risiko- und Unsicherheitstoleranz) in einem gemeinsamen Entscheidungsprozess berücksichtigt werden. Obwohl in den klinischen Leitlinien nicht empfohlen wird, nach einem ersten Gichtanfall eine lebenslange Behandlung mit uratsenkenden Medikamenten zu beginnen, ziehen es einige Patienten vor, sofort mit einer solchen Behandlung zu beginnen, weil sie unbedingt einen zweiten Anfall vermeiden wollen.
