خطای اطلاعات در دسترس یا Availability Bias

فرض کنید که اخیرا خبر سقوط هواپیمایی منتشر شده‌است. حال شما قصد سفر دارید. کدام را انتخاب می‌کنید؟

سفر با قطار یا هواپیما؟

بسیاری از افراد به هنگام طرح این پرسش، قطار را انتخاب می‌کنند.

اما چرا؟ بیایید بحثمان را با این سوال کانمن پیش ببریم:

افراد به هنگام تخمین تعداد یک دسته چه می‌کنند؟

مثلا به نظر شما روزانه چه تعداد کودک مبتلا به Gastroenteritis به اورژانس مراجعه می‌‍کند؟ یا در یک ماه تعداد بیماران مبتلا به Pneumonia بیش‌تر است یا Kawasaki؟

کانمن و تورسکی در مطالعه‌ای از شرکت کنندگان خواستند که به این سوال پاسخ دهند:

اگر بخواهیم در یک متن انگلیسی به صورت تصادفی تعدادی واژه انتخاب کنیم، احتمال اینکه واژه‌ها با حرف K شروع شوند بیش‌تر است یا این‌که k سومین حرف واژه باشد؟

جالب است که افراد تعداد واژگانی که k سومین حرفشان بود را کم‌تر از حد واقعی حدس زدند، حال آن‌که در واقع تعداد این واژه‌ها سه برابر آن‌هایی ست که با K شروع می‌شوند.

کانمن معتقد است:

تعداد نمونه‌های یک دسته از حافظه بازیابی می‌شوند و اگر بازیابی ساده و روان باشد، [اندازه‌ی] آن دسته بزرگ‌تر قضاوت می‌شود.

به همین خاطر وقتی از ما می‌خواهند که درباره‌ی تعداد دفعات وقوع یک پدیده قضاوت کنیم، با مراجعه به حافظه‌ی خود در دسترس‌ترین اطلاعات مرتبط با آن پدیده را بازیافته و طبق آن‌ها قضاوت می‌کنیم.

به گفته‌ی کانمن این قضاوت ما توسط دو ریشه‌ی مختلف تقویت می‌شود:

  1. تعداد نمونه‌های بازیافته شده [از حافظه]
  2. سادگی فرایند بازیافتن هر نمونه

بدین ترتیب هر چه تعداد نمونه‌های مرتبط در دسترس حافظه‌ی ما بیش‌تر بوده و فرایند بازیافتن هر کدام ساده و روان‌تر باشد، این احتمال بیش‌تر است که قضاوت ما سریع‌تر و بر اساس آن‌ها صورت گیرد.

یک مثال

اتندینگ به هنگام آموزش تفسیر Chest x ray در حال بررسی انواع تشخیص‌های افتراقی Widened Mediastinum بود و پس از ارائه‌ی سه نمونه‌ که هر سه از قضا دچار Aortic Dissection بودند، با رسیدن به چهارمین نمونه، در انتظار پاسخ دانشجویان بود که یکی بی درنگ گفت: Aortic Dissection

فارغ از این‌که پاسخ Left Atrial Enlargement بود، او در دسترس‌ترین اطلاعات را از حافظه‌اش جهت تشخیص برداشته بود و بر اساس آن قضاوت کرد.

با گسترش شبکه‌های اجتماعی و فضای وب آسیب‌پذیری پزشکان نسبت به این سوگیری شناختی افزایش یافته است زیرا با بودن در معرض تازه‌ترین اطلاعات(اگر فرض کنیم اطلاعات درستی باشند) هر فرد می‌تواند مستعد قضاوت بر اساس در دسترس‌ترین اطلاعات باشد.

هنک اشمیت و همکارانش در مطالعه‌ای این موضوع را مطرح نمودند.

در این تحقیق 38 رزیدنت داخلی از 4 دانشگاه به مطالعه‌ی دو بیماری در ویکی‌پدیا پرداختند. به این افراد گفتند که هدف از مطالعه، ارزیابی اطلاعات موجود در ویکی‌پدیا به علت جستجوی زیاد مردم درباره‌ی بیماری‌شان است.

18 نفر به ارزیابی Legionnaires’ disease نشستند و 20 نفر Q fever را بررسی کردند.

پس از این مرحله دستیاران به کار کلینیکال خود بازگشتند. هم‌چنین متقاعد شدند که 6 ساعت بعد در مطالعه‌ای جداگانه به تشخیص 8 بیمار بپردازند.(حال آن‌که این تحقیق ادامه‌ی قبلی بود)

از این 8 نمونه دو تا مشابه Legionnaires’ disease و دو تا مشابه Q fever بود و مابقی به عنوان Filler و متفاوت بودند. در واقع در این مرحله آن‌ها را در معرض اطلاعات در دسترس(حاصل از مطالعه‌ی ویکی‌پدیا) قرار دادند.

پس از بررسی دیدند که دقت تشخیصی افراد با افزایش تعداد تشخیص‌های نادرست Legionnaires’ disease وQ fever کاهش پیدا کرده بود.

در کار روزمره‌ی بالینی نیز پزشک می‌تواند به وفور تحت تاثیر این سوگیری باشد.

پزشکی را تصور کنید که در اورژانس یک بیمار با Bilateral Lower Extremity Edema داشته که ابتدا با توجه به Ejection Fraction پایین بیمار آن را از عوارض Heart Failure می‌پندارد و بعدا پس از تشدید ناگهانی تنگی نفس و مشخص شدن Pulmonary Embolism دیگر تا چند هفته هر بیماری را با Peripheral Edema می‌بیند از نظر DVT و PE ارزیابی می‎‌کند. چرا که داده‌هایی را که بیش‌ترین و سریع‌ترین دسترسی به آن‌ها دارد، مناسب‌ترین و مرتبط‌ترین اطلاعات ممکن می‌پندارد.

خطای اطلاعات در دسترس هم‌چنین می‌تواند درک پزشک را از Risk : Benefit Ratio یک درمان مختل کند. اگر درمانی در رابطه با یک بیمار نتیجه‌بخش بود و یا بالعکس این احتمال وجود دارد که پزشک تحت تاثیر این نتایج اخیر درباره‌ی بیماران بعدی صرف نظر از شرایط خاصشان تصمیم گیری کند.

در آخر خوب است خطرناک‌ترین واژه‌های پزشکی را به عقیده‌ی Mark Crislip مرور کنیم:

In My Experience

منابع:

کتاب Diagnosis: Interpreting the Shadows

کتاب Thinking, Fast and Slow

کتاب Cognitive Errors and Diagnostic Mistakes


دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *