Bayessches Modell enthüllt geschlechtsspezifische Unterschiede bei ICU‑Einweisungen

In vielen medizinischen Entscheidungsprozessen, etwa bei Brustkrebs‑Screenings, folgen Patienten einer Funnel‑Struktur: von einer ersten Untersuchung über weitere Tests bis hin zu einer Biopsie. Dabei sinkt die Zahl der Patienten, die jede Stufe durchlaufen, und die Kosten steigen. Das eigentliche Ergebnis – etwa das Biopsierisiko – wird erst am Ende des Funnels bekannt. Diese selektive Verzögerung führt zu statistischen Verzerrungen, besonders bei benachteiligten Patientengruppen, deren Endergebnisse häufiger verborgen bleiben.

Um diese Verzerrungen zu korrigieren, hat ein Forschungsteam ein bayessches Modell entwickelt, das die Struktur von Funnel‑Entscheidungen berücksichtigt. In synthetischen Simulationen konnte das Modell die wahren Parameter exakt rekonstruieren und Vorhersagen für zensierte Patienten deutlich genauer machen als herkömmliche Ansätze.

Im nächsten Schritt wurde das Modell auf reale Daten aus Notaufnahmen angewendet. Dort ist die In‑Hospital‑Mortalität nur bei Patienten erfasst, die ins Krankenhaus oder die ICU eingewiesen werden. Das Modell zeigte, dass die Mortalitätsgrenze für die ICU‑Einweisung bei Frauen (5,1 %) höher liegt als bei Männern (4,5 %). Diese geschlechtsspezifische Diskrepanz deutet auf systematische Unterschiede in der Entscheidungsfindung hin.

Die Ergebnisse unterstreichen die Bedeutung von bayesschen Ansätzen zur Korrektur von selektiver Censur. Durch präzisere Risikoabschätzungen können Ärzte fundiertere Entscheidungen treffen und potenzielle Ungleichheiten im Gesundheitswesen reduzieren.