zma001293 10.3205/zma001293 urn:nbn:de:0183-zma0012937 article Artikel Richtig geraten – ob und wie Medizinstudierende ihre richtigen Diagnosen fehlbegründen Braun Braun Leah T. LT

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, Ziemssenstr. 1, D-80336 München, Germany, Phone: +49 (0)89/4400-57334, Fax: +49 (0)89/4400-57339Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, GermanyLudwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, Ziemssenstr. 1, 80336 München, Deutschland, Tel.: +49 (0)89/4400-57334, Fax: +49 (0)89/4400-57339Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, DeutschlandLudwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland

leah.braun@med.uni-muenchen.de author Borrmann Borrmann Katharina F. KF

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland

katharina.borrmann@campus.lmu.de author Lottspeich Lottspeich Christian C

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Deutschland

christian.lottspeich@med.uni-muenchen.de author Heinrich Heinrich Daniel A. DA

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Deutschland

daniel.heinrich@med.uni-muenchen.de author Kiesewetter Kiesewetter Jan J

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland

jan.kiesewetter@campus.lmu.de author Fischer Fischer Martin R. MR

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Institut für Didaktik und Ausbildungsforschung in der Medizin, München, Deutschland

martin.fischerr@campus.lmu.de author Schmidmaier Schmidmaier Ralf R

Ludwig-Maximilians-University (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Germany

Ludwig-Maximilians-Universität (LMU) Munich, Klinikum der Universität München, Medizinische Klinik und Poliklinik IV, München, Deutschland

ralf.schmidmaier@med.uni-muenchen.de author German Medical Science GMS Publishing House

Düsseldorf

610 Clinical reasoning diagnostic errors qualitative research virtual patients Klinische Entscheidungsfindung Diagnosefehler qualitative Forschung virtuelle Patienten Virtual Patients Virtuelle Patienten 20190128 20190504 20190606 20191115 engl germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). 2366-5017 36 6 GMS Journal for Medical Education GMS J Med Educ Clinical Reasoning/Klinische Entscheidungsfindung 85 Zielsetzung: Diagnostizieren ist eine der zentralen Kompetenzen im klinischen Alltag. Die Diagnosekompetenz wird häufig anhand der Diagnoserichtigkeit gemessen. Es wird implizit angenommen, dass einer richtigen Diagnose ein richtiger Diagnoseprozess zugrunde liegt und dass nicht geraten wird, obwohl dies bisher nie empirisch überprüft wurde. Die Häufigkeit und die Art von Fehlern im studentischen Diagnoseprozess bei richtigem Diagnoseergebnis wurden in dieser Studie analysiert. Methodik: 148 Medizinstudierende im klinischen Studienabschnitt bearbeiteten 15 virtuelle Patientenfälle. Nach jedem Fall wurden sie aufgefordert, eine finale Diagnose zu stellen und diese zu begründen. Diese Begründungen wurden inhaltsanalytisch ausgewertet und jeweils einer der drei folgenden Kategorien zugeordnet: korrekte Diagnosebegründung, fehlerhafte Begründung der Diagnose und zufällig richtig geratene Diagnosen. Ergebnisse: Bei 2080 ausgewerteten Diagnoseprozessen wurde 1135 Mal die richtige Diagnose gestellt. Die Analyse der dazugehörigen Diagnosebegründungen ergab, dass 92% (1042) Begründungen korrekt waren, 7% (80) fehlerhaft waren und 1% (13) der Diagnosen richtig geraten wurden. Ursachen für fehlerhafte Diagnoseprozesse waren in erster Linie mangelndes pathophysiologisches Wissen (50%) sowie mangelnde diagnostische Fähigkeiten (30%). Schlussfolgerung: In der Regel ist bei korrekt gestellter Diagnose auch der Diagnoseprozess korrekt. Die Rate an geratenen Diagnosen ist mit 1% sehr gering. Dennoch liegt ca. jeder 14. richtigen Diagnose eine falsche Diagnosebegründung und damit ein falscher Diagnoseprozess zugrunde. Zum Assessment der Diagnosekompetenz sollten daher das Diagnoseergebnis und der Diagnoseprozess erfasst werden. Background: Clinical reasoning is one of the central competencies in everyday clinical practice. Diagnostic competence is often measured based on diagnostic accuracy. It is implicitly assumed that a correct diagnosis is based on a proper diagnostic process, although this has never been empirically tested. The frequency and nature of errors in students’ diagnostic processes in correctly solved cases was analyzed in this study.Method: 148 medical students processed 15 virtual patient cases in internal medicine. After each case, they were asked to state their final diagnosis and justify it. These explanations were qualitatively analyzed and assigned to one of the following three categories: correct explanation, incorrect explanation and diagnosis guessed right.Results: The correct diagnosis was made 1,135 times out of 2,080 diagnostic processes. The analysis of the associated diagnostic explanations showed that 92% (1,042) reasoning processes were correct, 7% (80) were incorrect, and 1% (13) of the diagnoses were guessed right. Causes of incorrect diagnostic processes were primarily a lack of pathophysiological knowledge (50%) and a lack of diagnostic skills (30%).Conclusion: Generally, if the diagnosis is correct, the diagnostic process is also correct. The rate of guessed diagnoses is quite low at 1%. Nevertheless, about every 14th correct diagnosis is based on a false diagnostic explanation and thus, a wrong diagnostic process. To assess the diagnostic competence, both the diagnosis result and the diagnostic process should be recorded. IntroductionDuring an average working day, a general practitioner on average sees 45 patients and makes many diagnostic decisions. The rate for a doctor working in a clinic is probably similar. This illustrates the importance of diagnostic competence in everyday clinical practice. Because of this, diagnostic competence is also one of the central topics in medical education research and part of the medical curriculum.Diagnostic competence can be captured using several parameters: A standard method is to measure the diagnostic accuracy as a result parameter (often binary coded: right vs wrong) , , . For example, diagnostic efficiency (number of correctly diagnosed cases divided by the time needed for diagnosis) can be used to record diagnostic process quality . For a meaningful assessment of improved diagnostic knowledge, not only factual knowledge but also conditional and procedural knowledge should be recorded (e.g. 3-component test) . For optimal assessment of diagnostic competence it is helpful to combine different assessment methods, such as the diagnostic result and one of the above-mentioned parameters to measure the diagnostic process – Ilgen emphasizes that diagnostic competence does not end with arriving at a correct diagnosis, but the associated diagnostic process too playing a role. Also, the analysis of the causes of diagnostic errors or the cognitive steps during diagnosis can be used to determine diagnostic competence or deficits in the clinical decision process. The causes leading to misdiagnosis were also investigated for medical students based on Graber’s classification : There are eight different cognitive reasons for incorrect diagnoses: lack of diagnostic skills (for example in the interpretation of an ECG), lack of knowledge, faulty context generation, faulty triggering, misidentification (e.g. myocarditis and endocarditis), premature closure, overestimating and underestimating findings, and failure to find any diagnosis at all. One problem here, however, is that it is not yet known how many of the correct diagnoses were guessed right or whether these correct diagnoses are based on a faulty diagnostic process.While quite a lot is known about the diagnostic process and the explanations for misdiagnoses comparatively speaking, so far only a few studies have been carried out which look at correct diagnoses. Previously, it was assumed that a correct diagnosis is based on a correct diagnosis process with a correct diagnostic explanation, but this has never been empirically verified to our knowledge.Against this background, the following research question should be answered: How many correct diagnoses are based on a wrong diagnostic process, and what error types are there? How many of the correct diagnoses were guessed right?To answer this question, the diagnostic explanations of medical students in a controlled setting were qualitatively evaluated. EinleitungWährend eines durchschnittlichen Arbeitsalltags sieht ein Allgemeinmediziner durchschnittlich 45 Patienten und trifft dabei viele diagnostische Entscheidungen. Die Rate für einen in der Klinik tätigen Arzt dürfte ähnlich aussehen. Dies verdeutlicht, wie wichtig Diagnosekompetenz im klinischen Alltag ist. Aufgrund dessen ist die Diagnosekompetenz ebenso eines der zentralen Themen in der medizindidaktischen Forschung und Bestandteil des medizinischen Curriculums. Diagnosekompetenz kann über verschiedene Parameter erfasst werden: Eine häufige Methode ist es, die Diagnoserichtigkeit als Ergebnisparameter zu erfassen (häufig binär codiert: richtig vs. falsch) , , . Zur Erfassung der Prozessqualität des Diagnostizierens kann zum Beispiel Diagnoseeffizienz (Anzahl der richtig getroffenen Diagnosen im Verhältnis zur aufgebrachten Zeit) angewendet werden . Zur aussagekräftigen Erfassung des verbesserten diagnostischen Wissens sollte neben Faktenwissen auch das konditionale und prozedurale Wissen erfasst werden (Bsp. 3-Komponenten-Test) . Zur optimalen Erfassung der Diagnosekompetenz ist es hilfreich, verschiedene Assessment-Methoden zu kombinieren, so beispielsweise das Diagnoseergebnis und einen der oben genannten Parameter zur Erfassung des Diagnoseprozesses – Ilgen betont, dass Diagnosekompetenz nicht mit der Stellung einer richtigen Diagnose endet, sondern auch der dazu gehörige Diagnoseprozess eine Rolle spielt. Auch aus der Analyse der Ursachen von Diagnosefehlern oder der kognitiven Schritte während des Diagnostizierens kann auf die Diagnosekompetenz bzw. die Defizite in der klinischen Entscheidung rückgeschlossen werden. Die Ursachen, die zu Fehldiagnosen führen, wurden in Anlehnung an Grabers Klassifikation auch für Medizinstudierende untersucht : Es gibt acht verschiedene kognitive Gründe für falsche Diagnosen: mangelnde diagnostische Fähigkeiten (beispielsweise in der Interpretation eines EKGs), mangelndes Wissen, die Herstellung von falschen Kausalzusammenhänge zwischen Befunden, das Ziehen von falschen Schlussfolgerungen, Verwechslung von ähnlich wirkenden Diagnosen (z.B. Myokarditis und Endokarditis), voreilige Schlussfolgerungen, Über- und Unterschätzen von Befunden sowie Ratlosigkeit. Ein Problem ist hier allerdings, dass bisher nicht bekannt ist, wie viele der richtig gestellten Diagnosen nur aus Zufall richtig geraten wurden oder ob diesen richtigen Diagnosen ein fehlerhafter Diagnoseprozess zu Grunde liegt.Während über den Diagnoseprozess und die Begründungen bei Fehldiagnosen schon relativ viel bekannt ist, gibt es bisher nur wenige Untersuchungen bei richtig gestellten Diagnosen. Bisher wurde angenommen, dass einem richtigen Diagnoseergebnis ein richtiger Diagnoseprozess mit richtiger Diagnosebegründung zugrunde liegt, jedoch unseres Wissens nie empirisch überprüft. Vor diesem Hintergrund sollte die folgende Forschungsfrage beantwortet werden: Wie vielen eigentlich richtig gestellten Diagnosen liegt eine fehlerhafte Diagnosebegründung zugrunde und welche Fehlerarten sind das? Wie viele der korrekt gestellten Diagnosen wurden richtig geraten? Zur Beantwortung der Frage wurden die Diagnosebegründungen von Medizinstudierenden in einem kontrollierten Setting qualitativ ausgewertet. MethodStudy design and participants This article presents the qualitative data from a large, randomized intervention study analyzing the effects of various scaffolding methods (representation prompts, structured reflection and feedback) on the diagnostic skills of medical students. The quantitative results of this study are part of another publication .During the summer of 2017, 151 advanced medical students in the clinical study section of the Ludwig Maximilian University and the Technical University of Munich processed 15 virtual patient cases on the electronic learning platform CASUS . All subjects volunteered to participate in the study. Prerequisite for participation was the completion of the internal medicine module (6th and 7th semester). Participants were made aware of the study via circulars and notice boards. The cases were carefully piloted with ten students. Following a socio-demographic questionnaire, a test established the participants’ prior knowledge and an introductory video explained the technicalities of the learning platform. The participants then worked on 15 cases, apart from a control group that solved only 10 cases. After the medical history and the physical examination in each case, participants had access to virtual patient records with data from various technical examinations (such as laboratory results, an ECG or an X-ray). Finally, students had to state and justify their final diagnosis. An exemplary typology of two cases, according to Huwendiek et al. is shown in table 1 . Participants received a financial allowance of 30 Euros. For the study, a certificate of compliance was issued by the Ethics Committee of the LMU Munich (number 75-16).Evaluation and statisticsThe correct diagnoses were determined in advance by the case authors (LB and KB) and a team of experts consisting of four physicians. Furthermore, it has been determined which information (technical examinations and key terms) had to be included in an explanation in order to classify these as correct.There was an exploratory examination of all correct diagnoses. After a coding scheme had been developed, all justifications were assigned to one of the following three categories: right reasoning, wrong reasoning and guessed diagnoses. The category “right reasoning” included all explanations in which no wrong statements were made. The “wrong explanation” category included all justifications that contained some objective error, such as a misdiagnosed ECG or an incorrect pathophysiological explanation of symptoms. The category “guessed diagnoses” only included justifications in which the subjects explicitly stated that they had guessed the diagnosis. The definitions of the three categories, as well as suitable examples, are shown in table 2 .All wrong explanations were also discussed jointly by two of the authors (LB and RS) and assigned to a further category. The wrong explanations were then subdivided according to which aspects were wrong. The categorization was based on the classification for diagnostic errors by medical students . Four categories were distinguished: lack of diagnostic skills regarding the interpretation of technical examination findings, lack of pathophysiological knowledge, incorrect causal relationships and general uncertainty in the diagnosis.The statistical evaluation was carried out using SPSS 25. MethodenteilStudiendesign und ProbandenIn diesem Artikel werden die qualitativen Daten einer großen, randomisierten Interventionsstudie, in der die Einflüsse verschiedener Scaffolding-Maßnahmen (Repräsentations-Prompts, Strukturierte Reflexion und Feedback) auf die Diagnosekompetenz von Medizinstudierenden untersucht wurden, dargestellt. Die quantitative Auswertung dieser Studie ist Teil einer anderen Publikation . Im Sommer 2017 bearbeiteten 151 fortgeschrittene Medizinstudierende im klinischen Studienabschnitt der Ludwig-Maximilians-Universität und der Technischen Universität München 15 internistische virtuelle Patienten-Fälle auf der elektronischen Lernplattform CASUS . Alle Probanden nahmen freiwillig an der Studie teil. Voraussetzung zur Teilnahme war der Abschluss des internistischen Moduls (6. und 7. Fachsemester). Die Probanden wurden über Rundmails und Aushänge auf die Studie aufmerksam gemacht. Die Fälle wurden im Vorhinein sorgfältig mit 10 Studierenden pilotiert. Nach einem soziodemografischen Fragebogen, einem Vorwissenstest und einem Einführungsvideo, in dem die technischen Besonderheiten der Lernplattform erläutert wurden, bearbeiteten die Probanden 15 Fälle, abgesehen von einer Kontrollgruppe, die nur 10 Fälle bearbeitete. Die Probanden hatten nach der Anamnese und der körperlichen Untersuchung in jedem Fall Zugriff auf eine virtuelle Patientenakte mit verschiedenen technischen Untersuchungen (wie z.B. einem Labor, einem EKG oder einem Röntgenbild). Abschließend mussten die Probanden ihre finale Diagnose benennen und begründen. Eine beispielhafte Typologie zweier Fälle nach Huwendiek et al. ist in Tabelle 1 dargestellt . Alle Probanden erhielten eine finanzielle Aufwandsentschädigung von 30 Euro für die Teilnehme. Für die Studie wurde von der Ethikkommission der LMU München eine Unbedenklichkeitsbescheinigung ausgestellt (Nummer 75-16). Auswertung und StatistikDie richtigen Diagnosen wurden im Vorhinein von den Fallautoren (LB und KB) sowie einem Expertenteam bestehend aus vier Ärzten für alle Fälle festgelegt. Des Weiteren wurde festgelegt, welche Angaben (technische Untersuchungen und Schlüsselbegriffe) in den Diagnosebegründungen enthalten sein müssen, um diese als richtig zu klassifizieren. Alle Diagnosebegründungen, bei denen die richtige Diagnose genannt wurde, wurden zuerst explorativ gelesen. Nachdem ein Codierschema entwickelt worden war, wurden alle Begründungen einer der drei folgenden Kategorien zugeordnet: korrekte Begründung, fehlerhafte Begründung und geratene Diagnosen. In die Kategorie „korrekte Begründungen“ wurden alle Begründungen eingeordnet, in der keine falschen Aussagen getroffen wurden. In die Kategorie „fehlerhafte Begründungen“ wurden alle Begründungen eingeordnet, die in irgendeiner Form einen eindeutigen objektiven Fehler enthielten wie beispielsweise ein falsch befundetes EKG oder eine falsche pathophysiologische Erklärung von Symptomen. Zur Kategorie „geratene Diagnosen“ wurden nur Begründungen gezählt, in denen die Probanden explizit geschrieben haben, dass sie die Diagnose geraten hatten. Die Definitionen der drei Kategorien sowie passende Beispiele werden in Tabelle 2 gezeigt. Alle fehlerhaften Begründungen wurden zudem von zwei der Autoren (LB und RS) gemeinsam diskutiert und einer weiteren Kategorie zugeordnet. Die fehlerhaften Begründungen wurden danach unterteilt, welche Aspekte falsch waren. Die Kategorisierung erfolgte in Anlehnung an die Klassifikation für Diagnosefehler bei Medizinstudierenden . Es konnten vier Kategorien unterschieden werden: fehlende diagnostische Fähigkeiten bezüglich der Interpretation von technischen Untersuchungsbefunden, mangelndes pathophysiologisches Wissen, falsche Kausalzusammenhänge und eine generelle Unsicherheit bei der Diagnosestellung.Die statistische Auswertung erfolgte mit SPSS 25. ResultsParticipants 148 out of 151 participants processed all cases and were included in the data evaluation. The students on average were 25.3 (SD=3.3) years old and had 3.3 (SD=1.0) months of clinical experience. The final average grade was 1.6 (SD=0.6), the grade in internal medicine was 2.2 (SD=1.3), and the oral and written physics grade was 2.3 (SD=1.0) or 2.5 (SD=0.9).Diagnostic evidence and forms of diagnostic reasoningIn total, over 2,000 diagnostic processes were recorded, of which 814 ended with a misdiagnosis. The correct diagnosis was made in 1,135 diagnostic processes.Many of the diagnostic explanations (between 86 and 100%) were correct, except for case 7 (heart failure), where only 70% of the explanations were correct. There was no correlation between the overall difficulty of a case – reflected by the diagnostic accuracy – and the rate of erroneous reasoning (see table 3 ). Almost none of the correct solutions were guessed: the rate of correctly guessed diagnoses was between 0 and 4.5% per case (see table 3 ). The diagnostic explanations did not improve in thematically similar cases with the same diagnosis.In all cases, 80 reasons were wrong (7%). These were assigned to the four categories mentioned above. Examples of all categories are shown in table 4 . Lack of pathophysiological knowledge was the most common reason for errors, with 50% (40 out of 80 errors), followed by a lack of diagnostic skills (30%). ErgebnisseProbandencharakterisierung148 von 151 Teilnehmer bearbeiteten alle Fälle und wurden in die Datenauswertung eingeschlossen. Die Probanden waren im Durchschnitt 25,3 (SD=3,3) Jahre alt und hatten 3,3 (SD=1,0) Monate klinische Erfahrung. Die Abiturdurchschnittsnote lag bei 1,6 (SD=0,6), die Note im Schein „Innere Medizin“ bei 2,2 (SD=1,3) und die mündliche und schriftliche Physikumsnote bei 2,3 (SD=1,0) bzw. 2,5 (SD=0,9). Diagnoserichtigkeit und Formen der DiagnosebegründungenInsgesamt wurden über 2.000 Diagnoseprozesse erfasst, davon endeten 814 mit einer Fehldiagnose. Bei 1.135 Diagnoseprozessen wurde die korrekte Diagnose gestellt. Ein Großteil der Diagnosebegründungen bei richtig gestellter Diagnose (zwischen 86 und 100%) war korrekt, abgesehen von Fall 7 (Herzinsuffizienz), in dem nur 70% der Begründungen korrekt waren. Es zeigte sich kein Zusammenhang zwischen der allgemeinen Schwierigkeit eines Falls – widergespiegelt anhand der Lösungsrichtigkeit in den Fällen – und der Rate an fehlerhaften Begründungen (siehe Tabelle 3 ). Für alle Fälle gilt, dass fast keine der korrekten Lösungen erraten wurden: Die Rate an zufällig richtig geratenen Diagnosen lag zwischen 0 und 4,5% pro Fall (siehe Tabelle 3 ). Die Diagnosebegründungen verbesserten sich nicht bei thematisch ähnlichen Fällen mit gleicher Diagnose. Über alle Fälle hinweg waren 80 Begründungen fehlerhaft (7%). Diese wurden den vier oben genannten Kategorien zugeordnet. Beispiele für alle Kategorien sind in Tabelle 4 gezeigt. Mangelndes pathophysiologisches Wissen war mit 50% (40 von 80 Fehlern) der häufigste Fehler in den Begründungen, gefolgt von mangelnden diagnostischen Fähigkeiten (30%). DiscussionWe were able to show in this study that a faulty diagnostic process was behind 7% of correct diagnoses. There are four different causes for these errors: Lack of pathophysiological knowledge, lack of diagnostic skills, incorrect causal relationships and the inability to reduce the diagnostic uncertainty through the diagnostic process.Considering the results, the following aspects are striking: The number of correctly guessed diagnoses is low, and clearly below the statistically expected rate of probability: apart from cases 10 and 15, the cases all had the main symptom of dyspnoea, for which only a limited number of diagnoses is possible other than exotic diagnoses and atypical outcomes.Each case was designed to have 3 possible differential diagnoses following examination of the medical history; the additional information (physical examination and technical examination) then in each case pointed towards a specific diagnosis. Therefore, an approximate probability rate of about 30% can be assumed. However, very few students randomly made the right diagnosis. There was a well-thought-out diagnostic process behind almost all mentioned diagnoses. In another study, it was demonstrated regarding incorrect diagnoses that only a small number of diagnoses are due to a complete lack of knowledge .Overall, this is a good result: Diagnoses are not guessed in experimental and virtual settings but are usually based on a well-thought-out – even if incorrect – diagnostic process. Comparable to the causes of diagnostic errors, similar sources of errors could also be identified in this study. A lack of knowledge and a lack of diagnostic skills should not be underestimated as a source of errors despite the somewhat contradictory study situation , and should be addressed in the medical curriculum. Overall, it has been confirmed that determining the diagnostic process is essential because giving a correct diagnosis does not always imply a faultless diagnostic process. For future studies in the field of clinical reasoning, therefore, both the diagnostic result and the diagnostic process should be recorded in order to gain a comprehensive picture of a person’s diagnostic competence. Computer-aided methods of text analysis could be helpful here.Despite a large number of over 2,000 diagnostic processes analyzed, the results of this study are limited to the field of internal medicine and should also be replicated with cases from other specializations. Furthermore, we were only about to formulate statements regarding the diagnostic processes of medical students; it is not possible to draw conclusions about other levels of expertise.It is advantageous that the diagnostic processes were not disturbed by the methodology of our study design – as can be the case with the use of think-aloud-protocols, for example . For teaching purposes, it would be desirable in the future, if in addition to feedback on the case solution in the processing of virtual patient cases, individual feedback on the reasoning could be given. DiskussionIn dieser Studie konnte gezeigt werden, dass hinter 7% der richtig gestellten Diagnosen ein fehlerhafter Diagnoseprozess steckt. Vier verschiedene Ursachen bedingen diese Fehler: Mangelndes pathophysiologisches Wissen, mangelnde diagnostische Fähigkeiten, falsche Kausalzusammenhänge sowie die Unfähigkeit durch den Diagnoseprozess die diagnostische Unsicherheit abzubauen. Bei Betrachtung der Ergebnisse sind folgende Aspekte auffällig: Die Anzahl an richtig geratenen Diagnosen ist sehr gering und zwar deutlich unter der statistisch zu erwartenden Ratewahrscheinlichkeit: Die Fälle hatten (abgesehen von Fall 10 und 15) alle das Leitsymptom Dyspnoe, zu welchem nur eine begrenzte Anzahl an Diagnosen in Frage kommt – wenn von exotischen Diagnosen und atypischen Verläufen abgesehen wird. Jeder Fall wurde so konzipiert, dass nach der Anamnese 3 mögliche Differentialdiagnosen wahrscheinlich waren; die weiteren Informationen (körperliche Untersuchung und technische Untersuchung) unterstützten dann in jedem Fall eine bestimmte Diagnose. Daher kann von einer ungefähren Ratewahrscheinlichkeit von ca. 30 % ausgegangen werden. Dennoch haben sehr wenige Probanden zufällig die richtige Diagnose genannt. Hinter fast allen genannten Diagnosen steht also ein durchdachter Diagnoseprozess. In einer anderen Studie konnte auch für fehlerhafte Diagnosen gezeigt werden, dass nur eine geringe Anzahl auf völlige Unkenntnis zurückgeht . Dies ist insgesamt ein gutes Ergebnis: Diagnosen werden auch in experimentellen und virtuellen Settings nicht erraten, sondern fußen in der Regel auf einem durchdachten – wenn zum Teil auch fehlerhaften – Diagnoseprozess. Ähnlich zu den Ursachen für Diagnosefehler konnten auch in dieser Studie ähnliche Fehlerquellen ausgemacht werden. Mangelndes Wissen und mangelnde diagnostische Fähigkeiten dürfen als Fehlerquelle trotz der diesbezüglich recht widersprüchlichen Studienlage , nicht unterschätzt werden und sollten im medizinischen Curriculum adressiert werden. Insgesamt hat sich bestätigt, dass die Erfassung des Diagnoseprozesses wichtig ist, da die Nennung einer korrekten Diagnose nicht immer auf einen fehlerlosen Diagnoseprozess schließen lässt. Für zukünftige Studien im Bereich der klinischen Entscheidungsfindung gilt also, dass sowohl Diagnoseergebnis als auch Diagnoseprozess erfasst werden sollten, um ein umfassendes Bild von der Diagnosekompetenz einer Person zu gewinnen. Computergestützte Verfahren der Textauswertung könnten hier hilfreich sein. Trotz der hohen Anzahl von über 2.000 analysierten Diagnoseprozessen sind die Ergebnisse dieser Studie auf den Bereich der Inneren Medizin limitiert und sollten auch mit Fällen aus anderen Fachgebieten repliziert werden. Zudem können nur Aussagen zu den Diagnoseprozessen von Medizinstudierenden getroffen werden; es können keine Rückschlüsse auf andere Expertise-Stufen geschlossen werden. Vorteilhaft ist, dass durch die Methodik und das Studiendesign die Diagnoseprozesse nicht gestört wurden – wie es beispielsweise bei der Nutzung von Laut-Denk-Protokollen der Fall sein kann . Für Lehrzwecke wäre es zukünftig wünschenswert, wenn neben Feedback zur Falllösung bei der Bearbeitung virtueller Patientenfälle auch ein individuelles Feedback zu den Diagnosebegründungen gegeben werden könnte. ConclusionsIn this study, for the first time, the diagnostic explanations of correct diagnoses were analyzed in a controlled setting. 7% of the correct diagnoses are based on erroneous diagnostic processes; 1% of the diagnoses were simply guessed right. KonklusionIn dieser Studie wurden erstmals die Diagnosebegründungen bei korrekter Diagnosestellung in einem kontrollierten Setting an Medizinstudierenden untersucht. 7% der korrekten Diagnosen liegt ein fehlerhafter Diagnoseprozess zugrunde, 1% der Diagnosen wurden richtig geraten. Competing interestsThe authors declare that they have no competing interests. InteressenkonfliktDie Autoren erklären, dass sie keine Interessenkonflikte im Zusammenhang mit diesem Artikel haben. Rieser S Ärztemonitor: Zufrieden - aber es fehlt an Zeit 2014 Dtsch Arztebl Int 1278 Rieser S. Ärztemonitor: Zufrieden - aber es fehlt an Zeit. Dtsch Arztebl Int. 2014;111(29-30):1278. Braun LT Zottmann JM Adolf C Lottspeich C Then C Wirth S Fischer MR Schmidmaier R Representation scaffolds improve diagnostic efficiency in medical students 2017 Med Educ 1118-1126 Braun LT, Zottmann JM, Adolf C, Lottspeich C, Then C, Wirth S, Fischer MR, Schmidmaier R. Representation scaffolds improve diagnostic efficiency in medical students. Med Educ. 2017;51(11):1118-1126. DOI: 10.1111/medu.13355 https://doi.org/10.1111/medu.13355 Mamede S van Gog T Sampaio AM de Faria RM Maria JP Schmidt HG How can students' diagnostic competence benefit most from practice with clinical cases? The effects of structured reflection on future diagnosis of the same and novel diseases 2014 Acad Med 121-127 Mamede S, van Gog T, Sampaio AM, de Faria RM, Maria JP, Schmidt HG. How can students' diagnostic competence benefit most from practice with clinical cases? The effects of structured reflection on future diagnosis of the same and novel diseases. Acad Med. 2014;89(1):121-127. DOI: 10.1097/ACM.0000000000000076 https://doi.org/10.1097/ACM.0000000000000076 Ilgen JS Bowen JL McIntyre LA Banh KV Barnes D Coates WC Druck J Fix ML Rimple D Yarris LM Eva KW Comparing diagnostic performance and the utility of clinical vignette-based assessment under testing conditions designed to encourage either automatic or analytic thought 2013 Acad Med 1545-51 Ilgen JS, Bowen JL, McIntyre LA, Banh KV, Barnes D, Coates WC, Druck J, Fix ML, Rimple D, Yarris LM, Eva KW. Comparing diagnostic performance and the utility of clinical vignette-based assessment under testing conditions designed to encourage either automatic or analytic thought. Acad Med. 2013 Oct;88(10):1545-51. DOI: 10.1097/ACM.0b013e3182a31c1e https://doi.org/10.1097/ACM.0b013e3182a31c1e Schmidmaier R Eiber S Ebersbach R Schiller M Hege I Holzer M Fischer MR Learning the facts in medical school is not enough: which factors predict successful application of procedural knowledge in a laboratory setting? 2013 BMC Med Educ 28 Schmidmaier R, Eiber S, Ebersbach R, Schiller M, Hege I, Holzer M, Fischer MR. Learning the facts in medical school is not enough: which factors predict successful application of procedural knowledge in a laboratory setting? BMC Med Educ. 2013;13:28. DOI: 10.1186/1472-6920-13-28 https://doi.org/10.1186/1472-6920-13-28 Ilgen JS Eva KW Regehr G What's in a Label? Is Diagnosis the Start or the End of Clinical Reasoning? 2016 J Gen Intern Med 435-437 Ilgen JS, Eva KW, Regehr G. What's in a Label? Is Diagnosis the Start or the End of Clinical Reasoning? J Gen Intern Med. 2016;31(4):435-437. DOI: 10.1007/s11606-016-3592-7 https://doi.org/10.1007/s11606-016-3592-7 Braun LT Zwaan L Kiesewetter J Fischer MR Schmidmaier R Diagnostic errors by medical students: results of a prospective qualitative study 2017 BMC Med Educ 191 Braun LT, Zwaan L, Kiesewetter J, Fischer MR, Schmidmaier R. Diagnostic errors by medical students: results of a prospective qualitative study. BMC Med Educ. 2017;17(1):191. DOI: 10.1186/s12909-017-1044-7 https://doi.org/10.1186/s12909-017-1044-7 Kiesewetter J Ebersbach R Gorlitz A Holzer M Fischer MR Schmidmaier R Cognitive problem solving patterns of medical students correlate with success in diagnostic case solutions 2013 PLoS One e71486 Kiesewetter J, Ebersbach R, Gorlitz A, Holzer M, Fischer MR, Schmidmaier R. Cognitive problem solving patterns of medical students correlate with success in diagnostic case solutions. PLoS One. 2013;8(8):e71486. DOI: 10.1371/journal.pone.0071486 https://doi.org/10.1371/journal.pone.0071486 Graber ML Franklin N Gordon R Diagnostic error in internal medicine 2005 Arch Intern Med 1493-1499 Graber ML, Franklin N, Gordon R. Diagnostic error in internal medicine. Arch Intern Med. 2005;165(13):1493-1499. Braun LT Borrmann KF Lottspeich C Heinrich DA Kiesewetter J Fischer MR Schmidmaier R Scaffolding clinical reasoning of medical students with virtual patients: effects on diagnostic accuracy, efficiency, and errors 2019 Diagnosis (Berl) 137-149 Braun LT, Borrmann KF, Lottspeich C, Heinrich DA, Kiesewetter J, Fischer MR, Schmidmaier R. Scaffolding clinical reasoning of medical students with virtual patients: effects on diagnostic accuracy, efficiency, and errors. Diagnosis (Berl). 2019;6(2):137-149. DOI: 10.1515/dx-2018-0090 https://doi.org/10.1515/dx-2018-0090 Fischer MR Schauer S Gräsel C Baehring T Mandl H Gärtner R Scherbaum W Scriba PC Modellversuch CASUS. Ein computergestütztes Autorensystem für die problemorientierte Lehre in der Medizin 1996 Z Arztl Fortbild (Jena) 385-9 Fischer MR, Schauer S, Gräsel C, Baehring T, Mandl H, Gärtner R, Scherbaum W, Scriba PC. Modellversuch CASUS. Ein computergestütztes Autorensystem für die problemorientierte Lehre in der Medizin [CASUS model trial. A computer-assisted author system for problem-oriented learning in medicine]. Z Arztl Fortbild (Jena). 1996 Aug;90(5):385-9. Huwendiek S De leng BA Zary N Fischer MR Ruiz JG Ellaway R Towards a typology of virtual patients 2009 Med Teach 743-748 Huwendiek S, De leng BA, Zary N, Fischer MR, Ruiz JG, Ellaway R. Towards a typology of virtual patients. Med Teach. 2009;31(8):743-748. DOI: 10.1080/01421590903124708 https://doi.org/10.1080/01421590903124708 Zwaan L de Bruijne M Wagner C Thijs A Smits M van der Wal G Timmermann DR Patient record review of the incidence, consequences, and causes of diagnostic adverse events 2010 Arch Iintern Med 1015-1021 Zwaan L, de Bruijne M, Wagner C, Thijs A, Smits M, van der Wal G, Timmermann DR. Patient record review of the incidence, consequences, and causes of diagnostic adverse events. Arch Iintern Med. 2010;170(12):1015-1021. Konrad K 2010 Lautes Denken. Handbuch qualitative Forschung in der Psychologie 476-490 Konrad K. Lautes Denken. Handbuch qualitative Forschung in der Psychologie. Heidelberg: Springer; 2010. p.476-490. DOI: 10.1007/978-3-531-92052-8_34 https://doi.org/10.1007/978-3-531-92052-8_34 11en1de

Table 1: Exemplary typology of a patient case

Tabelle 1: Beispielhafte Typologie eines Patientenfalls

22en2de

Table 2: Examples of diagnostic explanations

Tabelle 2: Beispiele für Diagnosebegründungen

33en3de

Table 3: Frequency of right and wrong explanations and guessed diagnosis

Tabelle 3: Häufigkeit von richtigen Diagnosebegründungen, fehlerhaften und geratenen

44en4de

Table 4: Categorization of wrong justifications

Tabelle 4: Kategorisierung der Fehlbegründungen

4 0 0 0