Klug entscheiden
Bibliographic record
Abstract
Liebe Leserin, lieber Leser, Leitlinien sind häufig unverständlich, unübersichtlich und zu lang, deshalb kommt das Wissen beim Arzt oft nicht vollständig an. So sieht es zumindest die Deutsche Gesellschaft für Innere Medizin (DGIM) und vermutet darin eine der Ursachen für Über- und Unterversorgung, die sie in ihrer Initiative „Klug entscheiden“ zu identifizieren und benennen versucht (Pressemeldung vom 08.03.2016). Hand auf's Herz: Schaffen Sie es, zwischen OP, Patientenbett, Dokumentation und Entlassbriefen sich noch mit allen Leitlinien Ihres Fachs zu beschäftigen? Die DGIM setzt sich jedenfalls dafür ein, neue, einfachere Formen der Wissensvermittlung zu entwickeln. Eine digitale Alternative gibt es bereits: Die App „Mobile Leitlinien Innere Medizin“ soll über Entscheidungsbäume die evidenzbasierte Therapie von Patienten unterstützen. Ein anderer Grund für Überversorgung ist laut einer Onlinebefragung unter 4200 DGIM-Mitgliedern die Sorge vor Behandlungsfehlern – immerhin bei 80 % der Befragten. Diese Art von „Sicherheitsmedizin“ können sich die Mitarbeiter der Interdisziplinären Notaufnahme (INA) am Klinikum Stuttgart nicht leisten: Bei ihnen kommt es nicht nur auf eine richtige, sondern v. a. eine schnelle Diagnose an. Wie man dabei vorgeht, erklärt Prof. Tobias Schilling, Ärztlicher Direktor der INA, ab S. 78 im Interview. Ressourcen lassen sich auch über strukturierte Abläufe und Algorithmen schonen. Ein anschauliches Beispiel dafür: Ab S. 108 erklären unsere Autoren anhand eines Flowcharts, wie Sie bei einem bewusstseinsgestörten Patienten Schritt für Schritt Ursachen erkennen und behandeln. Checklisten und Algorithmen sind zwar gerade für Anfänger von unschätzbarem Wert. Trotzdem dürfe man nie aufhören mitzudenken und den Einzelfall abzuwägen, betont Dr. Cornelia Deckwerth, Ärztliche Direktorin der Paracelsus-Klinik Karlsruhe, im Interview ab S. 92. Das trifft letztlich auch auf Leitlinien-Wissen zu. In diesem Sinne wünschen wir Ihnen stets kluge Entscheidungen! Ihre Herausgeber und Ihre Redaktion Herausgeber P. Galle, Mainz G. Geldner, Ludwigsburg A. Königsrainer, Tübingen F.-G. B. Pajonk, Schäftlarn Experten-Panel P. Berlit, Essen S. Bleich, Hannover J. Bossenmayer, Stuttgart H.- P. Bruch, Lübeck M. Christ, Nürnberg B. Debong, Karlsruhe J. Glatzle, Konstanz T. Hemmerling, Montreal D. F. Hollo, Celle J. Riemann, Ludwigshafen Schlichtungsstelle für Arzthaftpflichtfragen der norddeutschen Ärztekammern, Hannover Redaktion Julia Hecht Dr. Julia Rojahn Georg Thieme Verlag KG Rüdigerstraße 14 70469 Stuttgart E-Mail: legeartis@thieme.de Im Internet Aktuelle Ausgabe: http://www.thieme.de/legeartis Online-Archiv: http://www.thieme-connect.de/products Ärztliche Weiterbildung auf Facebook: ThiemeliebtAerzteinWeiterbildung
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.125 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".