Häufig werden Diagnosen auf dem schnellen Weg gestellt, also über Mustererkennung. Zum Beispiel wenn ein Patient in der Grippesaison mit Fieber und produktivem Husten in die Praxis kommt. In diesem Fall stellen wir ohne weiteren Test die Diagnose Atemwegsinfektion. Wir schätzen die Wahrscheinlichkeit intuitiv als so hoch ein, dass wir die Diagnose stellen – vergeben also eine Art intuitive Prätestwahrscheinlichkeit.
Dieser Weg ist aber leider manchmal fehleranfällig. Es gibt Situationen, in denen man sich bewusst machen sollte: Wie wahrscheinlich ist die Erkrankung eigentlich, wie hoch ist also die Prätestwahrscheinlichkeit? Und zweitens: Wie gut ist der Test, den wir durchführen wollen, um diese Wahrscheinlichkeit zu „verschieben“?
Denn nichts anderes macht ein Test. Er beweist nichts und schließt nichts aus. Er verschiebt die Prätestwahrscheinlichkeit entweder in Richtung „wahrscheinlicher“ oder in Richtung „unwahrscheinlicher“. Wie eine Art Lautstärkeregler, der eine Wahrscheinlichkeit leiser oder lauter macht.
Mittelpunkt der Regler-Skala ist die 1: Wenn ein Test eine Güte mit einer Likelihood Ratio (s. Kasten oben) von 1 hat, dann bleibt der Regler auf 1, die Wahrscheinlichkeit ändert sich nicht. Wenn die Likelihood-Ratio größer als 1 ist, verschiebt sich der Lautstärkeregler nach rechts, damit wird die sogenannte Posttestwahrscheinlichkeit im Vergleich zur Prätestwahrscheinlichkeit höher.
Ist die Likelihood Ratio 2, dann steigt die Wahrscheinlichkeit um 15 Prozent zur Prätestwahrscheinlichkeit. Ist die Likelihood Ratio 5, dann sind es 30 Prozent, ist die Likelihood Ratio 10, dann steigt die Wahrscheinlichkeit um 45 Prozent – und genauso geht es auch ins Negative: Ist die Likelihood Ratio 0,5, dann nimmt die Wahrscheinlichkeit um 15 Prozent ab, bei 0,2 um 30 und bei 0,1 um 45 Prozent.
Ein Beispiel: In die Praxis kommt ein Patient, der an Bluthochdruck leidet. Der Patient ist medikamentös gut eingestellt, hat keine Beschwerden und ist voll leistungsfähig. Die Prätestwahrscheinlichkeit für ein Phäochromozytom liegt hier geschätzt bei unter einem Prozent. Wenn wir jetzt einen Test anwenden, selbst einen mit sehr, sehr guten Gütekriterien, liefert der Test deutlich mehr falsch-positive Ergebnisse als richtig-positive Ergebnisse.
Natürlich würde kaum ein Arzt auf ein Phäochromozytom testen, weil die Prätestwahrscheinlichkeit für eine sekundäre Hypertonie so gering ist. Aber trotzdem kommt es vor. Weil wir die Tendenz zum Testen haben, obwohl die Erkrankung so selten ist. Weil wir nichts übersehen möchten und deswegen testen, wo wir nicht testen sollten.
Und selbst wenn der Test unauffällig ist, haben wir den Reflex, dass Ergebnis noch einmal zu überprüfen. Dann wird manchmal zufällig etwas gefunden, was nichts mit dem Primärfall zu tun hat – und schon ist der Patient in der nächsten Diagnostikspirale gefangen.
Ein weiteres Beispiel: Ein Patient mit Polydipsie, aber normalem Blutzuckerwert wird überwiesen mit der Bitte um einen oralen Glukosetoleranztest zum Ausschluss eines Diabetes. In aller Regel sind das jüngere, etwas gestresst wirkende Menschen. Mal davon abgesehen, dass der OGGT nicht gut ist, ist die Prätestwahrscheinlichkeiten für einen Diabetes so gering, dass weitere Tests nicht erforderlich sind, es handelt sich so gut wie immer um eine psychogene Polydypsie.
Neben unserem Hang zum Testen kommt hinzu, dass wir Ärztinnen und Ärzte nicht besonders gut darin sind, die Prätestwahrscheinlichkeit korrekt einzuschätzen. Das zeigt eine Studie mit 550 Medizinern in verschiedenen Ausbildungsstadien: Assistenzärzte in Facharztausbildung, Oberärztinnen und -ärzte, Physician Assistants und Nurse Practitioners [1].
Diese sollten die Prätestwahrscheinlichkeit für bestimmte Standardsituationen einschätzen: Ambulant erworbene Pneumonie, kardiale Ischämie, positive Mammographie beim Brustkrebsscreening und Harnwegsinfekt. Im zweiten Schritt sollte dann, nach einem positiven oder negativen Test, die Posttestwahrscheinlichkeit festgelegt werden.
In allen Szenarien wurde die Prätestwahrscheinlichkeit überschätzt. Ein Beispiel aus der Studie ist die 35-jährige Raucherin mit produktivem Husten seit fünf Tagen, Fieber von 38,9°C und Tachykardie. Hier wurde die Prätestwahrscheinlichkeit für eine ambulant erworbene Pneumonie von den Studienteilnehmenden auf ungefähr 80 Prozent geschätzt. Die tatsächliche Evidenz für eine Pneumonie liegt aber bei 35 bis 40 Prozent.
Nach positivem Röntgenthorax wurde die Posttestwahrscheinlichkeit auf etwa 95 Prozent eingeschätzt, tatsächlich liegt sie aber nur bei 45 bis 65 Prozent. Neben der Prätestwahrscheinlichkeit wurde also auch die Güte des Tests falsch eingeschätzt und damit die Posttestwahrscheinlichkeit, das ist das zweite Problem: Wir überschätzen, wie gut unsere Tests tatsächlich sind. Das Gute: Das kann man üben.
Tipp für die Praxis: 1. Prätestwahrscheinlichkeit, die man in einer Situation annimmt, schriftlich aufschreiben. 2. Die klinische Situation bei der KI-gestützten und auf medizinischer Evidenz basierten Plattform Open Evidence (www.openevidence.com) eingeben und die Prätestwahrscheinlichkeit abfragen. Auch die Likelihood Ratio kann die Plattform sehr gut einschätzen. 3. Sich selbst überprüfen und dazulernen. 4. Falldiskussion mit Kolleginnen und Kollegen.
Tipp für die Praxis: Zudem gibt es Situationen, in denen man gar nicht testen sollte. Zehn Beispiele:
- Borrelien-Serologie ohne ein Erythema Migrans
- Keine Entzündungswerte bestimmen bei banalen Infekten
- Troponin-Test ohne ACS-Verdacht
- Tumormarker als Screeninguntersuchung
- Kernspin bei Lumbago ohne Red Flags
- ANA ohne Verdacht auf eine Autoimmunerkrankung
- Check-up und Screening-Untersuchungen ohne konkreten Verdacht
- Dimere ohne Wells-Score bei Verdacht auf Lungenembolie
- Ergometerbelastung bei Patienten mit niedrigem Risiko für KHK
- Normetanephrine und Metanephrine ohne Trias bei Diagnostik auf Phäochromozytom.
(Mitarbeit: bae)
Literatur:
