میانبر های ذهنی تصمیم های سخت

پزشک بودن کار سختی است. آنها باید تصمیمات پیچیده و پرمخاطره ای را تحت فشار شدید، با اطلاعات محدود در مورد بیمار، بیماری و درمان اتخاذ کنند، در حالی که اولویت‌های شخصی و بیمارستانی را تحت تهدید همیشگی دعواهای حقوقی مورد توجه قرار می‌دهند.

بنابراین پزشکان در چنین شرایط بسیار نامطمئن چه می کنند؟

مانند همه انسان ها، آنها ناخودآگاه به قوانین سریع تکیه می کنند که تصمیمات پیچیده را ساده می کند. روانشناسان و اقتصاددانان این میانبرهای ذهنی را ” اکتشافی ” می نامند.

به عنوان مثال ، اگر ساندویچ شما روی زمین بیفتد ، می توانید از قانون پنج ثانیه برای تصمیم گیری در مورد اینکه آن را بردارید و بخورید یا به سادگی آن را دور بیندازید. این یک روش ابتکاری است – به شما این امکان را می دهد که تصمیم صحیح را سریع و آسان تقریب بزنید ، بدون اینکه در بحث ذهنی طولانی در مورد مزایا و معایب هر یک از اقدامات احتمالی غرق شوید.

در حالی که اتکای افراد معمولی به روش های اکتشافی معمولاً نگرانی چندانی برای جامعه ندارد، استفاده از روش های اکتشافی توسط پزشکان می تواند عواقب جدی داشته باشد.

روشهای اکتشافی در اتاق زایمان

من یک اقتصاددان سلامت هستم و علاقه مند به تلاقی نظریه تصمیم کاربردی و مراقبت های بهداشتی هستم.

همه نوع تصمیماتی وجود دارد که یک پزشک باید در هنگام زایمان بگیرد: آیا اگر کودک علائم ناراحتی را نشان دهد، آیا باید به زایمان ادامه دهد؟ چه مداخلاتی ضروری است؟ آیا زمان سزارین اورژانسی فرا رسیده است؟ پزشک مسئول انتخاب های مرگ و زندگی در محیطی پر از هیجان و احساس است.

در تحقیقات اخیرم که در مجله Science منتشر شده است، متوجه شدم که پزشکان از روش های اکتشافی در اتاق زایمان به گونه ای استفاده می کنند که به طور بالقوه می تواند به مادر و نوزاد آسیب برساند.

با نگاهی به داده های دو بیمارستان دانشگاهی از بیش از 86000 زایمان در طی 21 سال، دیدم که پزشکانی که در حین زایمان یکی از بیماران عوارضی را تجربه کرده اند، بدون توجه به شرایطی که در آن شرایط وجود دارد، به احتمال زیاد به روش دیگر زایمان برای بیمار بعدی خود تغییر می دهند.

به عنوان مثال، اگر آخرین بیمار پزشک در حین زایمان واژینال خونریزی داشته باشد، احتمال اینکه پزشک برای بیمار بعدی خود سزارین انجام دهد، حتی اگر سزارین برای آن بیمار توصیه نشده باشد، بیشتر است.

به نظر می رسد که پزشکان ممکن است پس از یک نتیجه بد، بیش از حد اصلاح کنند، و تمایل دارند از تصمیمی که فکر می کنند باعث آن شده است دوری کنند – حتی زمانی که با یک بیمار جدید با شرایط منحصر به فرد خود روبرو می شوند.

عوارض زایمان طبیعی احتمال سزارین بعدی را تا 3.6٪ افزایش می دهد. این حدود 23 سزارین بالقوه نامناسب در سال در هر بیمارستان است. عوارض حین سزارین احتمال زایمان بعدی را تا 3.4 درصد افزایش می دهد. این حدود 50 زایمان طبیعی به طور بالقوه نامناسب در سال در هر بیمارستان است.

این یک اثر قابل ملاحظه است، با توجه به اینکه اثر پایه باید صفر باشد. و بیماران در بیمارستانهای با منابع ضعیف که تعداد بیشتری از عوارض زایمان و زایمان را دارند، بیشتر در معرض آسیب قرار می گیرند-زیرا پزشکان با مشکلات بیشتری روبرو می شوند ، این روش اکتشافی به این معنی است که آنها به سمت انتخابهای زایمان به طور بالقوه نامناسب ترغیب می شوند.

شواهدی وجود دارد که این روش اکتشافی تغییر برای بیمار مبتلا مضر است. به عنوان مثال ، اگر پزشک پس از عوارض زایمان قبلی حالت های زایمان را عوض کند ، تجزیه و تحلیل من نشان داد که احتمال مرگ بیمار دوم و/یا نوزادش بیشتر از این است که پزشک حالت زایمان را بدون عوارض قبلی تغییر داده باشد.

آنچه در پشت اصلاح بیش از حد است

از زمانی که روانشناسان آموس تورسکی و برنده جایزه نوبل، دانیل کانمن، چند دهه پیش ایده اکتشافی و سوگیری ها را وارد جریان اصلی کردند، محققان صدها مطالعه انجام داده اند که انواع مختلفی از اکتشافات را که افراد در زمینه های مختلف به آنها تکیه می کنند، انجام داده اند. در حالی که این میانبرهای ذهنی اغلب برای قضاوت فوری با اطلاعات محدود مفید هستند، اما می توانند افراد را به سمت اشتباهات بسیار قابل پیش بینی سوق دهند.

چندین روش اکتشافی وجود دارد که می تواند رفتار تعویض را که در داده های اتاق تحویل شناسایی کرده ام توضیح دهد.

به عنوان مثال، روش ابتکاری “برد-ماندن/باخت-تغییر” را که در پرندگان مشاهده شده است، در نظر بگیرید. ، زنبورها، موش، میمون، کودکان و بزرگسالان. بر اساس این روش ابتکاری، افراد تا زمانی که دچار “ضرر” نشوند، مانند عارضه زایمان و زایمان، از یک استراتژی پیروی می کنند. در آن مرحله ، آنها استراتژی ها را تغییر می دهند – مانند آزمایش حالت تحویل متفاوت.

محققان به‌ویژه به نحوه استفاده کارشناسان از اکتشافات علاقه‌مند بوده‌اند، زیرا بلافاصله مشخص نیست که آیا افرادی که دانش پیشرفته‌تری در زمینه‌های تخصصی خود دارند قربانی همان نقص‌های تصمیم‌گیری می‌شوند که افراد غیرمتخصص را مبتلا می‌کند یا خیر.

شواهد فزاینده ای وجود دارد مبنی بر اینکه کارشناسان در زمینه های مختلف – مانند دانشمندان پزشکی قانونی، مشاوران املاک، ورزشکاران نخبه، قضات، دانشگاهیان و پزشکان – در واقع به اکتشافات متکی هستند. اینکه آیا استفاده از چنین اکتشافی منجر به نتایج ضعیف می شود – آیا می توان آن را “سوگیری” نامید – هنوز موضوع بحث است.

صرفه جویی در وقت مفید یا سوگیری خطرناک؟

سوگیری ناشی از یک اکتشافی به معنای انحراف از یک تصمیم “بهینه” است. با این حال، شناسایی تصمیم بهینه در زندگی واقعی دشوار است زیرا معمولاً نمی دانید چه چیزی می تواند باشد: خلاف واقع. این به ویژه در پزشکی مرتبط است.

برای مثال استراتژی برد- ماندن/باخت-شیفت را در نظر بگیرید. مطالعات دیگری وجود دارد که نشان می‌دهد پس از رویدادهای «بد»، پزشکان استراتژی‌ها را تغییر می‌دهند. از دست دادن یک تشخیص مهم باعث می شود که پزشکان بیشتر روی بیماران بعدی آزمایش کنند. تجربه عوارض با یک دارو باعث می شود که پزشک کمتر آن را دوباره تجویز کند.

اما از منظر یادگیری، سخت است که بگوییم سفارش آزمایش پس از از دست دادن تشخیص، یک اکتشافی ناقص است. سفارش آزمایش همیشه احتمال تشخیص مهم توسط پزشک را افزایش می دهد. بنابراین در برخی موارد یک روش اکتشافی مفید است – مثلاً، مثلاً پزشک قبلاً آزمایش‌ها را کمتر سفارش داده است، یا بیمار یا بیمه‌گر ترجیح می‌دهد پول اضافی را برای تشخیص زودهنگام سرطان بپردازد.

با این حال، در مطالعه من، تغییر حالت زایمان پس از عوارض، هیچ تضمین مستندی برای اجتناب از عوارض بعدی ارائه نمی دهد. و عواقب سلامتی کوتاه مدت و بلندمدت انتخاب روش زایمان برای مادر و نوزاد نیز در نظر گرفته می شود. علاوه بر این، افراد معمولاً تحمل کمتری نسبت به انجام اقدامات پزشکی نامناسب بر روی آنها دارند تا اینکه در مقابل آزمایش‌های غیرضروری باشند.

اصلاح روش ابتکاری

آیا می توان اتکای پزشکان به روش های اکتشافی را کاهش داد؟ احتمالاً.

سیستم‌های پشتیبانی تصمیم که به پزشکان در تصمیم‌گیری‌های بالینی مهم کمک می‌کنند، در پزشکی شتاب بیشتری می‌گیرند و می‌توانند به پزشکان کمک کنند تا پس از رویدادهای احساسی مانند عوارض زایمان، مسیر خود را اصلاح کنند.

برای مثال، چنین الگوریتم‌هایی را می‌توان در پرونده‌های سلامت الکترونیکی گنجاند و وظایف مختلفی را انجام داد: علامت‌گذاری تصمیم‌های پزشک که غیراستاندارد به نظر می‌رسد، شناسایی بیمارانی که می‌توانند از یک تصمیم خاص سود ببرند، خلاصه کردن اطلاعات بالینی به روش‌هایی که هضم را برای پزشکان آسان‌تر می‌کند و به زودی. تا زمانی که پزشکان حداقل استقلال خود را حفظ کنند، سیستم‌های پشتیبانی تصمیم می‌توانند این کار را انجام دهند – از پزشکان در تصمیم‌گیری بالینی حمایت کنند.

اصرارهایی که به طور نامحسوس پزشکان را تشویق به تصمیم گیری های خاص می کند، می تواند با دستکاری در نحوه ارائه گزینه ها انجام شود – چیزی که “معماری انتخاب” نامیده می شود. آنها قبلاً برای سایر تصمیمات بالینی کار می کنند.

تصور کنید که هدف سیاست کاهش تجویز داروی X است. سیستم سوابق پزشکی می‌تواند داروی X را به‌عنوان آخرین گزینه در منوی کشویی پزشک معرفی کند، یا یک داروی پیش‌فرض Y را که پزشک می‌تواند آن را نادیده بگیرد، به‌طور خودکار پر کند. پزشک همچنان می‌تواند داروی X را تجویز کند، اما برای انجام این کار نیاز به درگیری ذهنی بیشتری دارد.

با این حال، درک این نکته ضروری است که پزشکان اغلب تصمیمات بسیار مهمی را تحت فشار شدید می گیرند. هر گونه موانع اداری که مانع از توانایی آنها در پاسخگویی به اطلاعات بالینی در زمان واقعی شود، ممکن است به بیماران آسیب بیشتری وارد کند. طراحی و اجرای مداخلات با هدف بهبود تصمیم گیری پزشک یک چالش خواهد بود.