MEDIZIN: Übersichtsarbeit
Einsatz verhaltensökonomischer Interventionen zur Verbesserung ärztlicher Entscheidungen
Behavioral economics interventions to improve medical decision-making
; ;
Hintergrund: In der Medizin existiert eine große Lücke zwischen dem, was nach dem Stand der medizinischen Forschung im Bezug auf die Versorgung von Patientinnen und Patienten machbar wäre, und dem, was tatsächlich erreicht wird. Wichtige Gründe dafür sind Verhaltensverzerrungen und Verhaltensfehler.
Methode: Anhand einer selektiven Literaturrecherche zeigt dieser Beitrag exemplarisch auf, inwiefern verhaltensökonomisch fundierte Interventionen Ärztinnen und Ärzten helfen können, bessere Entscheidungen zu treffen, und somit den Behandlungserfolg zu verbessern.
Ergebnisse: Eine Reihe von verhaltensökonomischen Interventionen, die beispielsweise Standardeinstellungen, aktive Entscheidungsregelungen, soziale Normen und Selbstverpflichtungen verwenden, können zu einer Verbesserung klinischer Entscheidungen von Ärztinnen und Ärzten führen. Eine Evidenz zur Nachhaltigkeit der Effekte liegt bisher allerdings kaum vor.
Schlussfolgerung: Trotz des aufgezeigten Potenzials stehen die Untersuchung und die Anwendung verhaltensökonomischer Prinzipien zur Verbesserung ärztlicher Entscheidungen, insbesondere in Deutschland, noch am Anfang.
In der Medizin besteht eine große Lücke zwischen dem, was machbar wäre, und dem, was tatsächlich erreicht wird. Ein wichtiger Grund dafür ist eingeschränkt rationales Verhalten. Zahlreiche Gesundheitsprobleme wie Hypertonie, Diabetes und Adipositas werden hierdurch verstärkt. Schätzungen zufolge sind bis zu 40 % der vorzeitigen Todesfälle in Industrieländern auf vermeidbare Verhaltensweisen zurückzuführen (1). Ärztliche Empfehlungen werden nicht befolgt, Alkohol und Nikotin werden übermäßig konsumiert, Menschen ernähren sich ungesund und bewegen sich zu wenig (1, 2, 3). Aktuell stellt sich die Frage, ob sich genügend Menschen gegen COVID-19 impfen lassen (4, 5).
Eine Reduktion von Morbidität und Mortalität kann nicht nur durch neue Behandlungsmethoden erzielt werden. Den Menschen kann geholfen werden, Entscheidungen zu treffen und auszuführen, die mit ihren eigenen Ansprüchen und Zielen übereinstimmen (1, e1). Oft wird vermutet, dass ausreichende Aufklärung bereits zu guten Entscheidungen führen könnte. Dahinter steckt ein optimistisches Selbstbild vom Menschen, nämlich das Bild eines (vollständig) rationalen Entscheiders, der klar definierte Ziele verfolgt, dabei alle verfügbaren Informationen rational verarbeitet und Entscheidungen unter perfekter Selbstkontrolle trifft. Doch dieses Selbstbild ist irreführend (e2). Wir wissen, dass beispielsweise Rauchen, mangelnde Bewegung, unzureichende Medikamenten-Compliance und die Nutzung des Handys während der Autofahrt uns Schaden zufügen könnten, handeln aber mitunter nicht entsprechend.
Auch gut informierte Ärztinnen und Ärzte sind nicht immer vor solchen Verhaltensfehlern gefeit: Eine aktuelle empirische Studie aus den USA zeigt, dass sich Ärzte oft nicht signifikant anders verhalten, wenn es um die Gesundheit geht, als die Allgemeinbevölkerung mit ähnlichem Bildungsstand (6). Auch die Leitlinien-konforme Adhärenz bei der Medikamenteneinnahme kann bei Ärzten signifikant geringer ausgeprägt sein als bei Menschen ohne medizinische Expertise (7). Die Ursache liegt in unseren Angewohnheiten sowie in Entscheidungsarchitekturen (damit ist die sprachliche, physische, emotionale und soziale Umgebung, in der Menschen entscheiden, gemeint), die es uns erschweren, gute Entscheidungen zu treffen. Dazu kommen systematische Verzerrungen der Informationsverarbeitung und Entscheidungsfindung. Hier setzt die verhaltensökonomische Forschung an.
Das Bild des rationalen Entscheiders hat die Wirtschaftswissenschaften jahrzehntelang geprägt und ist die Grundlage vieler gesundheitspolitischer Maßnahmen (zum Beispiel die Erhebung von Tabaksteuern). In den letzten Jahren wurden jedoch vermehrt verhaltensökonomische Ansätze in der Gesundheitspolitik eingesetzt, um gesundes Verhalten etwa im Hinblick auf die Ernährung zu stärken, übermäßigen Zigaretten- und Alkoholkonsum zu reduzieren sowie Impfquoten zu erhöhen (3, e3, e4, e5). Adressaten dieser Maßnahmen waren bisher primär Versicherte und Patienten, und nicht Ärzte (8, 9). Die Relevanz verhaltensökonomischer Ansätze wird unterstrichen durch die Schaffung von Behavioral Insights Teams oder Nudge Units in Großbritannien und vielen anderen Ländern, in internationalen Organisationen (zum Beispiel Weltgesundheitsorganisation), in Krankenversicherungen und in digitalen Unternehmen, die sich mit Wissenschaft und Praxis von Verhaltensänderungen beschäftigen. Nudge Units sind wichtigen Entscheidungsebenen zugeordnet (zum Beispiel dem britischen Cabinet Office, das die Regierungsarbeit unterstützt).
Bei der Verbesserung klinischer Entscheidungen von Ärzten steckt die Nutzung des verhaltensökonomischen Ansatzes dagegen noch in den Kinderschuhen (10). Ärzte treffen täglich zahlreiche, mitunter komplexe Entscheidungen über Diagnosen und Behandlungspläne von Patientinnen und Patienten, zuweilen mit begrenzten Informationen und unter Zeitdruck (11, 12). Der Entscheidungsprozess wird notwendigerweise auch von Heuristiken geleitet. Dies sind verkürzte kognitive Operationen, um unter unvollständigen Informationen schnelle, praktikable Entscheidungen zu treffen (e2). Heuristiken sind anfällig für kognitive Verzerrungen, die auch ärztliche Entscheidungen bei der Patientenversorgung beeinflussen (13). Verhaltensökonomische Ansätze können helfen, Informationsflüsse für Ärzte und Entscheidungsprozesse von Ärzten zu gestalten, um die Patientenversorgung zu verbessern (14, e6, e7).
Eingeschränkt rationales Verhalten
Die Verhaltensökonomik kombiniert Konzepte aus Wirtschaftswissenschaft, Psychologie und Informatik, um die Entscheidungsfindung und das menschliche Verhalten zu entschlüsseln und Abweichungen von der vollständig rationalen Entscheidung zu erklären (15, 16). Auf dieser Basis können Entscheidungsarchitekturen gestaltet werden, die gute Entscheidungen erleichtern (17, 18).
Zum Beispiel neigen Menschen zu zeitinkonsistentem Verhalten, in dem der Gegenwart oft ein übermäßig hohes Gewicht beigemessen wird („present bias“) und dadurch unangenehme Tätigkeiten in die Zukunft aufgeschoben werden („procrastination“) (19, 20). Ein Experiment von Reed und van Leeuwen zeigt, dass 74 % der Versuchsteilnehmerinnen und -teilnehmer für ein Treffen, das in der Zukunft liegt, gesunde Speisen bestellt. Dagegen ordern die Versuchspersonen für ein gegenwärtig stattfindendes Treffen mehrheitlich (70 %) lieber Schokolade (e8). Morgen ist man immer ein „besserer“ Mensch – das Problem: Man lebt nicht morgen, sondern im Hier und Jetzt.
Menschen werden stärker durch die Vermeidung von Verlusten als durch gleichwertige Gewinne motiviert („loss aversion“) und sie überschätzen die Wahrscheinlichkeit positiver Ereignisse („optimism bias“), während sie die Wahrscheinlichkeit negativer Ereignisse (zum Beispiel gesundheitsschädliche Auswirkungen ihres Verhaltens) unterschätzen (21, 22). Die Verfügbarkeitsverzerrung („availability heuristic“) beschreibt, wie Menschen die Wahrscheinlichkeit eines Ereignisses falsch einschätzen, je nachdem, wie leicht ein Ereignis ihnen in den Sinn kommt (23). Zum Beispiel treffen Ärzte, die bei einem Patienten auf eine Bakteriämie gestoßen sind, dieselbe Diagnose auch häufiger in der Folge (24). Die Status-quo-Verzerrung („status quo bias“) führt zu einer Bevorzugung des aktuellen Zustandes, sodass alternative Auswahlmöglichkeiten übermäßig häufig abgelehnt werden (25). Diese Liste ließe sich lange fortsetzen. Die Frage ist: Gibt es dagegen ein Mittel?
Der vorliegende Artikel stellt exemplarisch verhaltensökonomische Interventionen dar, die auf die Verbesserung ärztlicher Entscheidungen im klinischen Kontext abzielen. Behandlungs- und Präventionsstrategien aus Sicht des Patienten und gesundheitspolitische Interventionen stehen hier nicht im Fokus. Die beschriebenen Interventionen wurden anhand einer selektiven Literaturrecherche in PubMed (englische Suchbegriffe: „behavioral economics+intervention+physician“, Erscheinungsjahr nach 2013) und aus uns bekannten Studien zusammengestellt.
Einfluss verhaltensökonomischer Interventionen auf ärztliche Entscheidungen
Standardeinstellung und aktive Entscheidungsregelung
Entscheidungen hängen vom Kontext ab, und der Kontext (die „Entscheidungsarchitektur”) kann oft aktiv gestaltet werden (e9). So können Standardeinstellungen, die bestehen bleiben, bis sie aktiv verändert werden, unterschiedlich gewählt werden und somit das Verhalten beeinflussen. Beispiele sind Voreinstellungen bei Computerprogrammen, Mobiltelefonen und Datenschutzbestimmungen, die Widerspruchsregelung bei der Organspende und die automatische Teilnahme in der privaten Altersvorsorge (US-401[k]-Plan) (e10, e11, e12). Üblicherweise wird zwischen einer Standardeinstellung („default“) mit Zustimmungs- („opt-in“) oder Widerspruchsregelung („opt-out“) unterschieden. Bei der Entscheidungspflicht („active choice“) wird der Entscheider direkt aufgefordert, ohne eine vorausgewählte Option, eine Entscheidung zu treffen (e10, e13).
Erste wissenschaftliche Studien im klinischen Kontext zeigen, dass Änderungen der Entscheidungsarchitektur das Verhalten von Ärzten beeinflussen (e14). Durch eine Veränderung der Standardeinstellung konnte die übermäßige Verschreibung von Originalpräparaten anstelle äquivalenter Generika reduziert werden. In einer quasi-experimentellen Studie mit Internistinnen und Internisten sowie Allgemeinärztinnen und -ärzten wurde bei der Entscheidungsunterstützung in elektronischen Patientenakten die Standardeinstellung für die Ärzte von „Originalpräparat und Generika” hin zu „Generika” umgestellt, mit der Möglichkeit die Standardeinstellung zu ändern. Hierdurch steigerte sich die Verschreibung von generikaäquivalenten β-Blockern, Statinen und Protonenpumpen-Inhibitoren aggregiert um 5,4 Prozentpunkte im Vergleich zum Zeitpunkt vor der Intervention (95-%-Konfidenzintervall: [2,2; 8,7], p < 0,001) (26, 27) (Tabelle 1 a–c).
Eine Entscheidungspflicht kann dazu beitragen, medizinische Entscheidungen insbesondere in Bezug auf die Inanspruchnahme von Präventionsleistungen zu verbessern. Die Aufforderung an Ärzte nach dem Einlesen der elektronischen Gesundheitskarte zu entscheiden, ob für Patientinnen und Patienten eine Darmspiegelung oder Mammografie zu empfehlen ist, führte in einer randomisierten kontrollierten Studie zu einer signifikanten Erhöhung der Zahl der Anordnungen dieser Präventionsleistungen um 12 Prozentpunkte im Vergleich zu einer Kontrollgruppe ohne Aufforderung zur Entscheidung (Darmspiegelung: 11,8 %, [8,0; 15,6], p < 0,001; Mammografie: 12,4 %, [8,7; 16,2], p < 0,001). Eine signifikant höhere Inanspruchnahme durch Patienten konnte lediglich für Darmspiegelungen beobachtet werden (3,5 %, [1,1; 5,9], p = 0,004) (28). Ähnliche Effekte wurden durch die Einführung von aktiven Entscheidungsregeln bei Grippeimpfungen, leitlinienkonformen Verschreibungen von Statinen, Blutspenden, HIV-Tests und Medikamentenlieferungen festgestellt (e15, e16, e17, e18).
Soziale Normen
Eine wichtige Erkenntnis aus der verhaltensökonomischen Forschung ist, dass Menschen Ergebnisse als Gewinne oder Verluste relativ zu einem Referenzpunkt bewerten (21). Eigene Leistungen und Ergebnisse werden mit denen anderer Personen in einer Gruppe „(peer comparison“) oder mit vorherrschenden sozialen Normen verglichen („social norm comparison“) (e19, e20). Soziale Normen können als Standards innerhalb einer Gruppe verstanden werden, die ein wünschenswertes Verhalten signalisieren, an dem sich Gruppenmitglieder orientieren können (e21). Verhaltensökonomische Interventionen machen sich dies zu eigen (29).
Die Verwendung von Normen kann in der Kommunikation mit Ärzten eine Rolle spielen – beispielsweise wenn sie über ihre individuelle Position im Verschreibungsverhalten relativ zu Ärzten aus vergleichbaren Fachgebieten und Regionen oder zu einer aus medizinischer Sicht wünschenswerten Norm (zum Beispiel Leitlinie) informiert werden. In einer randomisierten kontrollierten Studie konnte durch eine Briefintervention, die einen Gruppenvergleich beinhaltete („extrem hohe Antipsychotika-Verschreibung verglichen zu anderen Ärzten in Maryland”), die übermäßige Antipsychotika-Verschreibung um etwa 11 % der verordneten Therapietage pro Behandler im Vergleich zur Verschreibungspraxis in einer Kontrollgruppe ohne Gruppenvergleich reduziert werden ([−13,1; −9,2], p < 0,001) (30).
Weitere Gruppenvergleiche beziehen sich auf die Anpassung von Antibiotikaverschreibungen. In einer randomisierten kontrollierten Studie wurden Allgemeinmediziner unter Verwendung elektronischer Gesundheitsdaten über eigene ungeeignete Antibiotikaverschreibungen im Vergleich zu den „Top Performern (10 % der Ärzte mit den wenigsten unnötigen Antibiotikaverschreibungen)” per Mail informiert. Die Intervention konnte unnötige Antibiotikaverschreibungen um 5,2 % verglichen mit der Verordnungspraxis in einer Kontrollgruppe reduzieren [−6,9 ;−1,6 ], p < 0,001; Reduktion in der Interventionsgruppe von 19,9 % auf 3,7 %) (31). Ähnliche Effekte wurden für die Antibiotikaverschreibung bei Infektionen der Atemwege festgestellt (Odds Ratio 0,73 [0,53; 0,995], p < 0,05) (e22).
Eine randomisierte kontrollierte Studie in Großbritannien nutzte die Norm „unnötige Antibiotikaverschreibungen vermeiden” in einer Intervention, in der der Chief Medical Officer, der wichtigste Berater der britischen Regierung zu Gesundheitsfragen, Briefe an Allgemeinärzte richtete, die mit ihren Antibiotikaverschreibungen mehr als 80 % über den -verordnungen aller Ärzte ihrer lokalen Distrikte lagen. Es resultierte eine 3,3 % geringere Antibiotikaverschreibung im Vergleich zur Verordnungspraxis in einer Kontrollgruppe, die keinen Brief erhielt (Inzidenzratenverhältnis [„incidence rate ratio“, IRR] 0,967 [0,957; 0,977], p < 0,001) (32). Ein kontrolliertes Feldexperiment in Deutschland zeigte, dass sich durch Experten-Feedback zur Therapiedauer (Referenzpunkt) die von Kinderärzten empfohlene Antibiotikagabe für Routinefälle um 10 % reduzierte (p < 0,001) (33).
Selbstverpflichtung
Viele Menschen beabsichtigen, sich gesünder zu ernähren, Medikamente regelmäßiger einzunehmen oder das Rauchen aufzugeben. Wenn die Zukunft näher rückt, werden diese Ziele zuweilen verfehlt. Die Gründe dafür sind zeitinkonsistente Präferenzen („present bias“) und mangelnde Selbstkontrolle. Um die eigenen Ziele zu erreichen, können verbindliche Selbstverpflichtungen („commitments“) nützlich sein. Selbstverpflichtungen nutzen beispielsweise die Verlustaversion oder die Vermeidung von Enttäuschungen durch Menschen, um Selbstkontrollproblemen entgegenzuwirken. Eine Form sind Aufbewahrungsverträge („deposit contracts“), in die Menschen freiwillig Geld einzahlen, über das sie nur wieder verfügen können, wenn sie ein gesetztes Ziel erreichen (34). Diese Selbstverpflichtungen können Menschen helfen, sich gesünder zu ernähren, mehr Sport zu treiben und sich das Rauchen abzugewöhnen (e23). Selbstverpflichtungen haben zwei Eigenschaften: Menschen nutzen einerseits Verpflichtungen freiwillig (das heißt, sie sind sich möglicher Diskrepanzen zwischen Zielen und künftigem Verhalten bewusst) und sie haben andererseits Konsequenzen, wenn Ziele nicht erreicht werden. Selbstverpflichtungen können die Lücke zwischen Intentionen und Verhalten schließen.
Auch im klinischen Umfeld gibt es einige Studien zur Wirkung von Selbstverpflichtungen durch Ärzte (e24, e25, e26). Eine randomisierte kontrollierte Studie untersuchte den Effekt einer öffentlichen Selbstverpflichtung im Hinblick auf Antibiotikaverschreibungen. In US-amerikanischen Allgemeinarztpraxen wurden Selbstverpflichtungen zur „rationalen Antibiotikaverschreibung” von Ärzten unterschrieben und für Patienten sichtbar im Untersuchungsraum als Poster aufgehängt. Diese Intervention bewirkte eine signifikante Reduzierung unangemessener Antibiotikaverschreibungen im Vergleich zur Verordnungspraxis in der Kontrollgruppe (−19,7 % [−5,8; −33,04], p = 0,02) (35). Anzumerken ist, dass die groß angelegten randomisierten Feldstudien zur Antibiotikaverschreibung bei der Analyse der Effekte von verhaltensökonomischen Interventionen typischerweise nicht berücksichtigen können, ob für einzelnen Patienten, für die ein Antibiotikum hätte eingesetzt werden sollen, die Verordnung unterlassen wurde. Zwar ist ein solches Verhalten nicht auszuschließen, allerdings zeigen Eilermann et al., in deren Studie die Entscheidungen der am Experiment teilnehmenden Ärzte für jeden Patientenfall nachvollziehbar sind, dass die Reduktion der Antibiotikagabe nicht auf ein solches Verhalten zurückgeführt werden kann (33).
Eine weitere randomisierte Studie mit US-amerikanischen Allgemeinarztpraxen untersuchte verbindliche Selbstverpflichtungen zur Vermeidung von Leistungen mit geringem medizinischem Wert im „Choosing Wisely“-Portal bezogen auf Bildgebung bei unkomplizierten Schmerzen im unteren Rückenbereich, Bildgebung bei leichten Kopfschmerzen und unnötige Antibiotikaverordnung bei akuter Sinusitis. Die Selbstverpflichtungen wurden durch regelmäßige Erinnerungen („reminder“) verstärkt. Die Intervention resultierte in einem kleinen, statistisch signifikanten Effekt auf die Reduzierung der Bildgebung bei Schmerzen im unteren Rückenbereich (−1,2 % [−2,0; −0,5], p = 0,001). Die Wirkung hielt jedoch drei Monate nach der Intervention nicht mehr an (−0,3 % [−1,3; 0,8], p = 0,620). Die anderen Leistungen von geringem Wert wurden nicht signifikant verändert (36). Auch in Deutschland wurde 2013 die Initiative „Klug entscheiden“ von der Deutschen Gesellschaft für Innere Medizin eingeführt, um vielversprechende evidenzbasierte Maßnahmen der Diagnostik und Therapie zu identifizieren (37). Die Frage, ob die resultierenden Empfehlungen effektiv in der Patientenversorgung umgesetzt werden, kann noch nicht abschließend beantwortet werden (e27). Auch hier könnten verhaltensökonomische Erkenntnisse und experimentelle Untersuchungen ergänzend zur Optimierung der Entscheidungsprozesse eingesetzt werden.
Ausblick
Die Verhaltensökonomik kann mit Therapien gegen Verhaltensfehler und -verzerrungen dazu beitragen, die große Lücke zwischen dem medizinisch Machbaren und dem tatsächlich Erreichten zu schließen. Menschen scheitern an ihren eigenen Zielen und verarbeiten Informationen nur unzureichend oder verzerrend – doch sie verhalten sich nicht einfach nur irrational oder chaotisch. Menschliches Verhalten genügt seinen eigenen, systematischen und vorhersehbaren Gesetzen. Dies eröffnet Möglichkeiten für Interventionen bei der Präsentation von Informationen und der Gestaltung der Entscheidungsarchitektur, die Ärzten und Patienten helfen können, bessere Entscheidungen zu treffen. Ein aktuelles, wichtiges Beispiel sind die Beiträge der Verhaltensökonomik zu gesundheitspolitischen Maßnahmen, um die COVID-19-Impfquote zu erhöhen (e28, e29, e30).
Vorherrschende Inkonsistenzen in ärztlicher Urteilsbildung sind nicht nur getrieben durch Verzerrungen, sondern auch durch Rauschen („noise“), der unsystematischen Variabilität bei der Urteilsbildung (38). Verschiedene Experten können die gleichen Fakten sehr unterschiedlich beurteilen. Um das Rauschen zu reduzieren ist die Schaffung einer effektiven Entscheidungshygiene empfehlenswert (38). Bei der Beurteilung chirurgischer Eingriffe bei Krebspatienten haben sich interdisziplinäre Tumorboards als hilfreich erwiesen, in denen initiale Behandlungsentscheidungen oftmals revidiert werden (38, e31). Zudem könnten erfolgreiche Ansätze in Qualitätszirkeln (e32, e33) durch verhaltensökonomische Ansätze weiter geschärft werden.
Bei allen Interventionen dürfen ethische Standards nicht außer Acht gelassen werden. Mögliche Einwände gegen Verhaltensinterventionen, einschließlich der Einschränkung zentraler moralischer Werte – wie Freiheit, Autonomie und Respekt – müssen berücksichtigt werden. In jedem Fall sollten verhaltensökonomische Interventionen transparent gemacht werden, Ziele müssen klar definiert werden und die Handlungsfreiheit der Adressaten darf in der Regel nicht eingeschränkt werden (e34, 39, 40). Dies gilt umso mehr, da technologische Fortschritte und eine größere Datenverfügbarkeit die Effektivität von Interventionen zur Verhaltensänderung ständig erhöhen (e35). Gleichzeitig wäre es aber in vielen Fällen fahrlässig, darauf zu verzichten, Entscheidungsarchitekturen daraufhin zu überprüfen und kontinuierlich zu evaluieren, ob sie Fehlanreize verursachen oder Fehlverhalten begünstigen (e34). Unabdingbar ist schließlich eine Betrachtung von Langfristeffekten sowie von möglicherweise unterschiedlichen Auswirkungen verhaltensökonomischer Maßnahmen auf unterschiedliche Personengruppen, die bisher in der Literatur kaum vorliegt (e36, e37).
Neben einem konzeptionellen Rahmen bietet die Verhaltensökonomik in Kombination mit der experimentellen Methodik einen praktischen Werkzeugkasten. Theoriegeleitete, randomisierte Labor- und Feldexperimente liefern nützliche Erkenntnisse über die kausalen Wirkungsmechanismen von Interventionen (33, e38, e39, e40, e41). Die Erkenntnisse über Biases und Präferenzen tragen zudem dazu bei, patientenzentrierte Präventions- und Behandlungsstrategien zu entwickeln.
Durch den zunehmenden Einsatz von Algorithmen und künstlicher Intelligenz werden verhaltenswissenschaftliche Erkenntnisse über den Wirkungszusammenhang der Gestaltung von Informationsprozessen und Entscheidungsumgebungen bei klinischen Entscheidungen wichtiger und digitale Interventionen effektiver (10, e35). Eine interdisziplinäre Zusammenarbeit von Medizinerinnen und Medizinern, Verhaltenswissenschaftlerinnen und -wissenschaftlern sowie Informatikerinnen und Informatikern gehört in vielen Bereichen der Wirtschaft und Gesellschaft bereits zum Tagesgeschäft, und erste Kooperationen im klinischen Kontext sind kürzlich entstanden (zum Beispiel Penn Medicine Nudge Unit) (e42). Darüber hinaus existiert ein großes und bisher weitgehend ungenutztes Potenzial, gemeinsam innovative Therapien gegen irrationales Verhalten zum Wohle der Patienten zu entwickeln.
Danksagung
Prof. Ockenfels dankt dem European Research Council (ERC, im Rahmen des European Union’s Horizon 2020 research and innovation programme, GA No 741409 – EEC) und der Deutschen Forschungsgemeinschaft (DFG, im Rahmen der Exzellenzstrategie des Bundes und der Länder – EXC 2126/1– 390838866) für die Unterstützung seiner Forschung.
Interessenkonflikt
Die Autoren erklären, dass kein Interessenkonflikt besteht.
Manuskriptdaten
eingereicht: 30.09.2021, revidierte Fassung angenommen: 04.07.2022
Anschrift für die Verfasser
Prof. Dr. Daniel Wiesen
Seminar für ABWL und Management im Gesundheitswesen
Universität zu Köln
Albertus-Magnus-Platz
50931 Köln
wiesen@wiso.uni-koeln.de
Zitierweise
Hallek M, Ockenfels A, Wiesen D: Behavioral economics interventions to improve medical decision-making. Dtsch Arztebl Int 2022; 119: 633–9. DOI: 10.3238/arztebl.m2022.0275
►Die englische Version des Artikels ist online abrufbar unter: www.aerzteblatt-international.de
Zusatzmaterial
eLiteratur:
www.aerzteblatt.de/m2022.0275 oder über QR-Code
cme plus
Dieser Beitrag wurde von der Nordrheinischen Akademie für ärztliche Fort- und Weiterbildung zertifiziert. Die Fragen zu diesem Beitrag finden Sie unter http://daebl.de/RY95. Einsendeschluss ist der 22.09.2023.
Universität zu Köln, Fachbereich für Volkswirtschaftslehre, Zentrum für Soziales, Ökonomisches Verhalten (C-SEB) und Exzellenzcluster ECONtribute: Prof. Dr. Axel Ockenfels
Universität zu Köln, Seminar für ABWL und Management im Gesundheitswesen und Zentrum für Soziales, Ökonomisches Verhalten (C-SEB): Prof. Dr. Daniel Wiesen
| 1. | Schroeder SA: We can do better—improving the health of the American people. New Engl J Med 2007; 357: 1221–8 CrossRef MEDLINE |
| 2. | McGinnis JM, Williams-Russo P, Knickman R: The case for more active policy attention to health promotion. Heal Aff 2002; 21: 78–93 CrossRef MEDLINE |
| 3. | Cawley J, Ruhm CJ: The economics of risky health behaviors. In: Handbook of Health Economics. 2011; vol. 2, 95–199. DOI: 10.1016/B978–0–444–53592–4.00003–7 CrossRef |
| 4. | Ockenfels A: Marktdesign für eine resiliente Impfstoffproduktion. Perspektiven der Wirtschaftspolitik 2021; 22: 259–69 CrossRef |
| 5. | Milkman KL, Patel MS, Gandhi L, et al.: A megastudy of text-based nudges encouraging patients to get vaccinated at an upcoming doctor’s appointment. Proc Natl Acad Sci 2021; 118: e2101165118. |
| 6. | Frakes M, Gruber J, Jena A: Is great information good enough? Evidence from physicians as patients. J Heal Econ 2021; 75: 102406 CrossRef MEDLINE PubMed Central |
| 7. | Finkelstein A, Persson P, Polyakova M, Shapiro J: A taste of their own medicine: guideline adherence and access to expertise. Am Econ Rev (Insights) 2022; (in print) CrossRef |
| 8. | Downs JS, Loewenstein G, Wisdom J: Strategies for promoting healthier food choices. Am Econ Rev 2009; 99: 159–64 CrossRef MEDLINE |
| 9. | Loewenstein G, Asch DA, Volpp KG: Behavioral economics holds potential to deliver better results for patients, insurers, and employers. Heal Aff 2013; 32: 1244–50 CrossRef MEDLINE |
| 10. | Patel MS, Volpp KG, Asch DA: Nudge units to improve the delivery of health care. New Engl J Med 2018; 378: 214–6 CrossRef MEDLINE PubMed Central |
| 11. | Blumenthal-Barby JS, Krieger H: Cognitive biases and heuristics in medical decision making: a critical review using a systematic search strategy. Med Decis Mak 2015; 35: 539–57 CrossRef MEDLINE |
| 12. | Khullar D, Jha AK, Jena AB: Reducing diagnostic errors—why now? New Engl J Med 2015; 373: 2491 CrossRef MEDLINE PubMed Central |
| 13. | Peters E, Hibbard J, Slovic P, Dieckmann N: Numeracy skill and the communication, comprehension, and use of risk-benefit information. Heal Aff 2007; 26: 741–8 CrossRef MEDLINE |
| 14. | King D, Greaves F, Vlaev I, Darzi A: Approaches based on behavioral economics could help nudge patients and providers toward lower health spending growth. Heal Aff 2013; 32: 661–8 CrossRef MEDLINE |
| 15. | Thaler RH: Behavioral economics: past, present, and future. Am Econ Rev 2016; 106: 1577–600 CrossRef |
| 16. | Loewenstein G, Asch DA, Volpp KG: Behavioral economics holds potential to deliver better results for patients, insurers, and employers. Heal Aff 2013; 32: 1244–50 CrossRef MEDLINE |
| 17. | Bolton GE, Ockenfels A: Behavioral economic engineering. J Econ Psychol 2012; 33: 665–76 CrossRef |
| 18. | Chen Y, Cramton P, List JA, Ockenfels A: Market design, human behavior, and management. Manag Sci 2021; 67: 5317–48 CrossRef |
| 19. | Laibson D: Golden eggs and hyperbolic discounting. Q J Econ 1997; 112: 443–78 CrossRef |
| 20. | O’Donoghue T, Rabin M: Doing it now or later. Am Econ Rev 1999; 89: 103–24 CrossRef |
| 21. | Kahneman D, Tversky A: Prospect theory: an analysis of decision under risk. Econometrica 1979; 47: 263–91 CrossRef |
| 22. | Sharot T: The optimism bias. Curr Biol 2011; 21: R941–R5 CrossRef MEDLINE |
| 23. | Tversky A, Kahneman D: Judgment under uncertainty: heuristics and biases. Science 1974; 185: 1124–31 CrossRef MEDLINE |
| 24. | Poses RM, Anthony M: Availability, wishful thinking, and physicians’ diagnostic judgments for patients with suspected bacteremia. Med Decis Mak 1991; 11: 159–68 CrossRef MEDLINE |
| 25. | Samuelson W, Zeckhauser R: Status quo bias in decision making. J Risk Uncertain 1988; 1: 7–59 CrossRef |
| 26. | Patel MS, Day S, Small DS, et al.: Using default options within the electronic health record to increase the prescribing of generic-equivalent medications: a quasi-experimental study. Ann Intern Med 2014; 161 (10 Suppl): S44–52 CrossRef MEDLINE |
| 27. | Patel MS, Day SC, Halpern SD, et al.: Generic medication prescription rates after health system–wide redesign of default options within the electronic health record. JAMA Intern Med 2016; 176: 847–8 CrossRef MEDLINE PubMed Central |
| 28. | Patel MS, Volpp KG, Small DS, et al.: Using active choice within the electronic health record to increase physician ordering and patient completion of high-value cancer screening tests. Healthc (Amst) 2016; 4: 340–5 CrossRef MEDLINE PubMed Central |
| 29. | Ockenfels A, Sliwka D, Werner P: Bonus payments and reference point violations. Manag Sci 2015; 61: 1496–513 CrossRef |
| 30. | Sacarny A, Barnett ML, Le J, Tetkoski F, Yokum D, Agrawal S: Effect of peer comparison letters for high-volume primary care prescribers of quetiapine in older and disabled adults: a randomized clinical trial. JAMA Psychiatry 2018; 75: 1003–11 CrossRef MEDLINE PubMed Central |
| 31. | Meeker D, Linder JA , Fox CR, et al.: Effect of behavioral interventions on inappropriate antibiotic prescribing among primary care practices: a randomized clinical trial. JAMA 2016; 315: 562–70 CrossRef MEDLINE PubMed Central |
| 32. | Hallsworth M, Chadborn T, Sallis A, et al.: Provision of social norm feedback to high prescribers of antibiotics in general practice: a pragmatic national randomised controlled trial. Lancet 2016; 387: 1743–52 CrossRef |
| 33. | Eilermann K, Halstenberg K, Kuntz L, Martakis K, Roth B , Wiesen D: The effect of expert feedback on antibiotic prescribing in pediatrics: experimental evidence. Med Decis Mak 2019; 39: 781–95 CrossRef MEDLINE PubMed Central |
| 34. | Rogers T, Milkman KL, Volpp KG: Commitment devices: using initiatives to change behavior. JAMA 2014; 311: 2065–6 CrossRef MEDLINE |
| 35. | Meeker D, Knight TK, Friedberg MW, et al.: Nudging guideline-concordant antibiotic prescribing: a randomized clinical trial. JAMA Intern Med 2014; 174: 425–31 CrossRef MEDLINE PubMed Central |
| 36. | Kullgren JT, Krupka E, Schachter A, et al.: Precommitting to choose wisely about low-value services: a stepped wedge cluster randomised trial. BMJ Qual Saf 2018; 27: 355–64 CrossRef MEDLINE |
| 37. | Hasenfuß G, Märker-Herrmann E, Hallek M, Fölsch UR: Initiative “Klug entscheiden”: Gegen Unter- und Überversorgung. Dtsch Arztebl 2016; 113: A-600. |
| 38. | Kahneman D, Sibony O, Sunstein CR: Noise: a flaw in human judgment. New York: Little, Brown & Company 2021. |
| 39. | Ambuehl S, Ockenfels A, Roth AE: Payment in challenge studies from an economics perspective. J Med Ethics 2020; 46: 831–2 CrossRef MEDLINE PubMed Central |
| 40. | Kübler D, Ockenfels A: Überkreuznierenspenden in Deutschland? Medizinrecht 2020; 38: 89–94 CrossRef |
| e1. | Loewenstein G, Brennan T, Volpp KG: Asymmetric paternalism to improve health behaviors. JAMA 2007; 298: 2415–7 CrossRef MEDLINE |
| e2. | Kahneman D: Thinking, fast and slow. New York: Farrar, Straus and Giroux 2011. |
| e3. | Matjasko JL, Cawley JH, Baker-Goering MM, Yokum DV: Applying behavioral economics to public health policy: illustrative examples and promising directions. Am J Prev Medicine 2016; 50: S13–S9 CrossRef MEDLINE PubMed Central |
| e4. | Roberto CA, Kawachi I: Behavioral economics and public health. Oxford: Oxford University Press 2015 CrossRef |
| e5. | Hanoch Y, Barnes A, Rice T: Behavioral economics and healthy behaviors: key concepts and current research. London: Routledge 2017 CrossRef |
| e6. | Emanuel EJ, Ubel PA, Kessler JB, et al.: Using behavioral economics to design physician incentives that deliver high-value care. Ann Intern Med 2016; 164: 114–9 CrossRef MEDLINE |
| e7. | Patel MS, Kurtzman GW, Kannan S, et al.: Effect of an automated patient dashboard using active choice and peer comparison performance feedback to physicians on statin prescribing: the prescribe cluster randomized clinical trial. JAMA Netw Open 2018; 1: e180818 CrossRef MEDLINE PubMed Central |
| e8. | Reed D, Van Leeuwen B: Predicting hunger: the effects of appetite and delay on choice. Organ Behav Hum Decis Process 1998; 76: 189–205 CrossRef MEDLINE |
| e9. | Thaler RH, Sunstein CR: Libertarian paternalism. Am Econ Rev 2003; 93: 175–9 CrossRef |
| e10. | Johnson EJ, Goldstein D: Do defaults save lives? Science 2003; 302: 1338–9 CrossRef MEDLINE |
| e11. | Carroll GD, Choi JJ, Laibson D, Madrian BC, Metrick A: Optimal defaults and active decisions. Q J Econ 2009; 124: 1639–74 CrossRef MEDLINE PubMed Central |
| e12. | Johnson EJ, Shu SB, Dellaert BGC, et al.: Beyond nudges: tools of a choice architecture. Mark Lett 2012; 23: 487–504 CrossRef |
| e13. | Thaler RH: Misbehaving: The making of behavioral economics. New York: WW Norton 2015. |
| e14. | Halpern SD, Ubel PA, Asch DA: Harnessing the power of default options to improve health care. New Engl J Med 2007; 357: 1340–4 CrossRef MEDLINE |
| e15. | Patel MS, Volpp KG, Small DS, et al.: Using active choice within the electronic health record to increase influenza vaccination rates. J Gen Intern Medicine 2017; 32: 790–5 CrossRef MEDLINE PubMed Central |
| e16. | Stutzer A, Goette L, Zehnder M: Active decisions and prosocial behaviour: a field experiment on blood donation. Econ J 2011; 121: F476–F93 CrossRef |
| e17. | Montoy JCC, Dow WH, Kaplan BC: Patient choice in opt-in, active choice, and opt-out hiv screening: randomized clinical trial. BMJ 2016; 352: h6895 CrossRef MEDLINE PubMed Central |
| e18. | Beshears J, Choi JJ, Laibson D, Madrian BC: Active choice, implicit defaults, and the incentive to choose. Organ Behav Hum Decis Process 2021; 163: 6–16 CrossRef MEDLINE PubMed Central |
| e19. | Kiefe CI, Allison JJ, Williams OD, Person SD, Weaver MT, Weissman NW: Improving quality improvement using achievable benchmarks for physician feedback: a randomized controlled trial. JAMA 2001; 285: 2871–9 CrossRef MEDLINE |
| e20. | Schultz PW, Nolan JM, Cialdini RB, Goldstein NJ, Griskevicius V: The constructive, destructive, and reconstructive power of social norms. Psychol Sci 2007; 18: 429–34 CrossRef MEDLINE |
| e21. | Cialdini RB, Reno RR, Kallgren CA: A focus theory of normative conduct: recycling the concept of norms to reduce littering in public places. J Pers Soc Psychol 1990; 58: 1015 CrossRef |
| e22. | Persell SD, Doctor JN, Friedberg MW, et al.: Behavioral interventions to reduce inappropriate antibiotic prescribing: a randomized pilot trial. BMC Infect Dis 2016; 16: 373 CrossRef MEDLINE PubMed Central |
| e23. | Gine X, Karlan D, Zinman J: Put your money where your butt is: a commitment contract for smoking cessation. Am Econ Journal: Appl Econ 2010; 2: 213–35 CrossRef |
| e24. | Halpern SD, Asch DA, Volpp KG: Commitment contracts as a way to health. BMJ 2012; 344: e522 CrossRef MEDLINE PubMed Central |
| e25. | Wang SY, Groene O: The effectiveness of behavioral economics-informed interventions on physician behavioral change: a systematic literature review. PloS One 2020; 15: e0234149 CrossRef MEDLINE PubMed Central |
| e26. | Waddell KJ, Shah PD, Adusumalli S, Patel MS: Using behavioral economics and technology to improve outcomes in cardio-oncology. JACC CardioOncology 2020; 2: 84–96 CrossRef MEDLINE PubMed Central |
| e27. | Galle J: Klug entscheiden: ... in der Inneren Medizin. Dtsch Arztebl 2019; 116: A-790–6 VOLLTEXT |
| e28. | Van Bavel JJ, Baicker K, Boggio PS, et al.: Using social and behavioural science to support covid-19 pandemic response. Nat Hum Behav 2020; 4: 460–71 CrossRef MEDLINE |
| e29. | Loomba S, de Figueiredo A, Piatek SJ, de Graaf K, Larson HJ: Measuring the impact of covid-19 vaccine misinformation on vaccination intent in the UK and USA. Nat Hum Behav 2021; 5: 337–48 CrossRef MEDLINE |
| e30. | Milkman KL: Building trust and battling barriers: The urgent need to overcome vaccine hesitancy. www.//docs.house.gov/meetings/vc/vc00/20210701/112865/hhrg-117-vc00-wstate-milkmanphdk-20210701.pdf. Tech Rep, U.S. House of Representatives Select Subcommittee on the Coronavirus Crisis 2021 (last accessed on 10 February 2022). |
| e31. | Specchia ML, Frisicale EM, Carini E, et al.: The impact of tumorboard on cancer care: evidence from an umbrella review. BMC Health Serv Res 2020; 20: 73 CrossRef MEDLINE PubMed Central |
| e32. | Wensing M, Broge B, Riens B, et al.: Quality circles to improve prescribing of primary care physicians. Three comparative studies. Pharmacoepidemiol Drug Saf 2009; 18: 763–9 CrossRef MEDLINE |
| e33. | Schneider A, Wensing M, Biessecker K, et al.: Impact of quality circles for improvement of asthma care: results of a randomized controlled trial. J Eval Clin Pract 2008; 14: 185–90 CrossRef MEDLINE PubMed Central |
| e34. | Sunstein CR: How change happens. Cambridge: MIT Press 2019 CrossRef PubMed Central |
| e35. | Topol EJ: High-performance medicine: the convergence of human and artificial intelligence. Nat Medicine 2019; 25: 44–56 CrossRef MEDLINE |
| e36. | Wang, SY, Groene O: The effectiveness of behavioral economics-informed interventions on physician behavioral change: a systematic literature review. PLoS One 2020; 15: e0234149 CrossRef MEDLINE PubMed Central |
| e37. | Galizzi MM, Wiesen D: Behavioral experiments in health economics. Oxford research encyclopedia of economics and finance. 2018. https://doi.org/10.1093/acrefore/9780190625979.013.244 (last accessed on 10 February 2022) CrossRef |
| e38. | Hennig-Schmidt H, Selten R, Wiesen D: How payment systems affect physicians’ provision behaviour—an experimental investigation. J Heal Econ 2011; 30: 637–46 CrossRef MEDLINE |
| e39. | Brosig-Koch J, Hennig-Schmidt H, Kairies-Schwarz N, Kokot J, Wiesen D: Physician performance pay: experimental evidence. HERO Online Working Paper Series 2020: 3, University of Oslo, Health Economics Research Programme 2020 CrossRef |
| e40. | Waibel C, Wiesen D: An experiment on referrals in health care. Eur Econ Rev 2021; 131: 103612 CrossRef |
| e41. | Huesmann K, Christian CW, Wiesen D: Rankings in healthcare organizations.Semantic Scholar 2021. doi: 10.2139/ssrn.3690851 CrossRef |
| e42. | Patel MS, Volpp KG, Asch DA: Nudge units to improve the delivery of health care. New Engl J Med 2018; 378: 214–6 CrossRef MEDLINE PubMed Central |
