Symptom-Checker: Was sie leisten, wo sie irren

Eine 22-jährige Studentin wacht mit Bauchschmerzen auf, die in der Nähe des Bauchnabels begannen und jetzt eher rechts zu spüren sind. Bevor sie entscheidet, ob sie in die Notaufnahme geht, öffnet sie eine App auf dem Handy, beantwortet eine Reihe von Fragen und erhält eine Liste möglicher Ursachen und einen Dringlichkeitsrat. Die App empfiehlt, noch am selben Tag Hilfe zu suchen. Sie zögert, weil die Schmerzen nach einem Schmerzmittel etwas besser geworden sind. Die Szene ist fiktiv und wurde für den Unterricht geschrieben.

Dieser Text behandelt Symptom-Checker, digitale Werkzeuge, die Laien helfen, die Dringlichkeit und die möglichen Ursachen der eigenen Beschwerden einzuschätzen. Ziel ist zu betrachten, was Studien über die Treffsicherheit von Diagnose und Triagierung, über die Nutzung durch Nutzende und über die Grenzen der Studien selbst zeigen. Wer den Fall des Tages in NEXO spielt, erkennt die Herausforderung: Die Hinweise kommen nach und nach, und die Reihenfolge der Hypothesen ändert sich, während sie eintreffen.

Die wichtigsten Punkte

• Im Jahr 2015 nannten 23 Checker in etwa einem Drittel der Bewertungen die richtige Diagnose an erster Stelle.
• Fünf Jahre später hatte sich die durchschnittliche Triagierung der Apps nicht verbessert, und sie waren weniger vorsichtig geworden.
• Die Treffsicherheit der Triagierung ist meist höher als die Treffsicherheit der Diagnose.
• Im Jahr 2020 lagen die Apps bei mindestens einer der beiden getesteten Triagierungsentscheidungen unter den Laien.
• Notaufnahmepatienten konnten einen Checker nutzen und fanden das Werkzeug hilfreich.
• Studien mit Vignetten können die Leistung überschätzen, weil die Apps eher die leichteren Fälle lösen.

Was ein Symptom-Checker ist

Symptom-Checker sind digitale Werkzeuge, die Laien anhand der selbst angegebenen Symptome und Vorgeschichte helfen einzuschätzen, ob und wo sie Hilfe suchen sollten und für welche Diagnosen (Schmieding und Mitarbeiter, 2022). Viele nutzen ein Gesprächsformat, etwa einen Chatbot, und versprechen eine schnelle Diagnose und eine einheitliche Triagierung (Morse und Mitarbeiter, 2020).

Eine Übersichtsarbeit zu ethischen Fragen beschreibt die zwei Hauptfunktionen. Die erste nennt die Erkrankungen, die die Symptome erklären könnten. Die zweite, die Triagierung, sagt, ob Hilfe nötig ist, wo, etwa beim Hausarzt oder in der Notaufnahme, und mit welcher Dringlichkeit, etwa innerhalb weniger Tage (Müller und Mitarbeiter, 2022). Dieselben Autoren erinnern daran, dass Handy-Apps Funktionen des Geräts nutzen können, etwa Standort und Kamera, und sich sogar mit Wearables verbinden lassen.

Warum dieses Thema für das Denken wichtig ist

Der Checker macht automatisch, was der Kliniker im ersten Gespräch tut: Er sammelt Beschwerden, fragt nach, was fehlt, und schlägt eine Liste von Hypothesen mit einer Dringlichkeitsentscheidung vor. Zu untersuchen, wo er irrt, hilft zu sehen, wo das eigene Denken irren kann. Der Text über Zeichen, Symptome und Vorgeschichte zeigt, wie man die Schilderung hört, ohne das Wichtige zu verlieren.

Wer ihn nutzt

In einem großen Gesundheitssystem der Vereinigten Staaten wurden 26.646 Bewertungen mit einem Checker im Chatbot-Format durchgeführt, die meisten von Frauen, mit einem Durchschnittsalter von 34,3 Jahren (Morse und Mitarbeiter, 2020). Fast die Hälfte der Bewertungen, 12.357, erfolgte außerhalb der Sprechzeiten der Praxen. Die Autoren schlossen, dass die Nutzer die versorgte Bevölkerung gut repräsentierten, auch wenn sie jünger und häufiger Frauen waren, und dass die Triagierungsempfehlungen mit denen von telefonischen Triagierungsdiensten mit Pflegekräften vergleichbar waren.

Im selben Dienst hatte der Triagierungsrat die Form einer von acht möglichen Empfehlungen, gruppiert in Stufen niedriger, mittlerer und hoher Dringlichkeit (Morse und Mitarbeiter, 2020). Die Autoren erinnern daran, dass man von diesen Apps eine Verringerung unnötiger Besuche in Praxen und Notaufnahmen erwartet, und nennen eine frühere Studie, in der eine Bewertung im Internet die Dringlichkeit der Hilfe verringerte, die die Patienten aufsuchen wollten (Morse und Mitarbeiter, 2020). Sie weisen auch darauf hin, dass man noch wenig über die summierten Empfehlungen eines Checkers weiß, der von einer großen Bevölkerung genutzt wird.

Die Nutzungszeiten fallen auf. Wenn fast die Hälfte der Bewertungen außerhalb der Sprechstundenzeiten stattfindet (Morse und Mitarbeiter, 2020), besetzt die App genau den Raum, in dem der Patient am wenigsten jemanden zum Reden hätte. In diesem Moment wiegt ein falscher Dringlichkeitsrat, ob zu viel oder zu wenig, am schwersten.

Die Referenzstudie von 2015

Die Arbeit, die zur Referenz wurde, testete 23 Prüfer mit 45 klinischen Vignetten, die wie von Patienten in die App eingegeben wurden (Semigran und Mitarbeiter, 2015). Die richtige Diagnose stand bei 34 von 100 Bewertungen an erster Stelle und unter den ersten 20 Vorschlägen bei 58 von 100 (Semigran und Mitarbeiter, 2015).

Die Triage war bei 80 von 100 Notfall-Vignetten angemessen, bei 55 von 100 Vignetten ohne Dringlichkeit und bei 33 von 100 Vignetten zur Selbstversorgung (Semigran und Mitarbeiter, 2015). Die Triage-Leistung lag je nach App zwischen 33 und 78 von 100 (Semigran und Mitarbeiter, 2015), und die Autoren kamen zu dem Schluss, dass es sowohl bei der Triage als auch bei der Diagnose Mängel gab. Die Apps neigten dazu, einen Arztbesuch zu empfehlen, auch wenn Selbstversorgung ausreichte, und der Durchschnitt verdeckt die Richtung des Fehlers. Der Text über künstliche Intelligenz im klinischen Denken behandelt dieselbe Vorsicht bei neueren Werkzeugen.

Fünf Jahre später

Ein Team wiederholte die Studie 2020 mit 22 Prüfern und denselben 45 Vignetten und verglich die Ergebnisse mit öffentlichen Daten zur Triage durch Laien ohne Hilfe (Schmieding und Mitarbeiter, 2022). Die Apps von 2020 waren weniger risikoscheu als die von 2015 und ließen mehr als 40 von 100 Notfällen durchgehen. Wenige übertrafen die Laien bei der Entscheidung, ob ein Notfall vorliegt, oder bei der Entscheidung, ob Selbstversorgung ausreicht, und keine übertraf die Laien bei beidem.

Die Autoren kamen zu dem Schluss, dass sich die durchschnittliche Triage der Prüfer in fünf Jahren nicht verbessert hat und bei zwei Anwendungen schlechter wurde: beim Rat, wann ein Notfall vorliegt, und beim Rat, wann aktuell keine Versorgung nötig ist (Schmieding und Mitarbeiter, 2022). Der Text über Triage in Katastrophen zeigt, wie einfache Regeln in einem anderen Kontext versuchen, zu viel und zu wenig Dringlichkeit auszugleichen.

Was die Übersichten fanden

Eine systematische Übersicht fasste 29 Veröffentlichungen zu Prüfern und digitalen Triage-Diensten zusammen (Chambers und Mitarbeiter, 2019). Die Evidenz zur Patientensicherheit war schwach, und die diagnostische Trefferquote war im Allgemeinen niedrig. Die Triage durch einen Algorithmus war risikoscheuer als die durch Gesundheitsfachkräfte. Die Autoren fanden zudem sehr wenig Evidenz dazu, ob Patienten die erhaltenen Ratschläge befolgten. Dieser letzte Punkt ist zentral: Ein richtiger Rat schützt den Patienten nur, wenn er befolgt wird, und ein falscher Rat verursacht nur Schaden, wenn er befolgt wird. Die Trefferquote zu messen, ohne zu messen, was der Nutzer danach tut, lässt die Hälfte der Frage unbeantwortet.

Eine neuere Übersicht fand eine Trefferquote der Hauptdiagnose zwischen 19 und 37,9 von 100 Bewertungen und eine Triage-Trefferquote zwischen 48,8 und 90,1 von 100 (Wallace und Mitarbeiter, 2022). Die Triage traf meist häufiger zu als die Diagnose. Die Ergebnisse schwankten selbst dann, wenn die eingegebenen Daten dieselben waren, was zeigt, dass auch die Art der Nutzung des Werkzeugs zählt.

Vergleich mit Hausärzten

Eine Studie mit 200 Vignetten aus der Grundversorgung verglich acht Apps mit sieben Hausärzten (Gilbert und Mitarbeiter, 2020). Die Abdeckung, also die Fähigkeit, für die Vignette irgendeine Antwort zu geben, lag zwischen 99,0 von 100 Vignetten bei Ada und 51,5 bei Babylon (Gilbert und Mitarbeiter, 2020). Unter den ersten drei Vorschlägen trafen die Ärzte im Durchschnitt bei 82,1 von 100 Vignetten zu, Ada bei 70,5 und Your.MD bei 23,5 (Gilbert und Mitarbeiter, 2020). Beim sicheren Dringlichkeitsrat erreichten die Ärzte im Durchschnitt 97,0 von 100 (Gilbert und Mitarbeiter, 2020).

Diese Studie hat eine wichtige Einschränkung: Die meisten Autoren arbeiteten bei Ada Health, dem Unternehmen hinter einer der bewerteten Apps (Gilbert und Mitarbeiter, 2020). Das entwertet das Ergebnis nicht, verlangt aber aufmerksames Lesen. Bei jedem Vergleich zwischen Produkten lohnt die Frage, wer die Studie gemacht hat.

Studie	Design	Wichtigstes Ergebnis	Quelle
Referenz von 2015	23 Apps, 45 Vignetten	Richtige Diagnose an erster Stelle bei 34 von 100	Semigran und Mitarbeiter, 2015
Wiederholung 2020	22 Apps, gleiche Vignetten	Mehr als 40 von 100 Notfällen übersehen	Schmieding und Mitarbeiter, 2022
Primärversorgung	8 Apps und 7 Ärzte, 200 Vignetten	Ärzte lagen unter den ersten drei Vorschlägen häufiger richtig	Gilbert und Mitarbeiter, 2020
Notfall	40 behandelte Patienten, mit Ada	Sensitivität nahe der von Ärzten, die dieselben Daten sahen	Fraser und Mitarbeiter, 2022
Rheumatologie	600 Patienten in einer randomisierten Studie	Mäßige Trefferquote bei entzündlicher rheumatischer Erkrankung	Knitza und Mitarbeiter, 2024
Primärversorgung und Notfall	Prototyp bei 581 Patienten	Häufiger richtig in der Triagierung als die Patienten selbst	Chan und Mitarbeiter, 2021

Nutzende statt Vignetten

Die meisten Studien nutzen simulierte Patienten, und es gibt wenig Evidenz zu Sicherheit und Treffsicherheit, wenn Nutzende den Checker verwenden (Chan und Mitarbeiter, 2021). Studien mit Nutzenden sind deshalb am aussagekräftigsten für alle, die wissen wollen, was außerhalb des Labors passiert.

Im Notfall

In einer Notaufnahme in den Vereinigten Staaten schlossen 40 der 50 eingeladenen Patienten die Bewertung mit Ada und eine Usability-Umfrage ab (Fraser und Mitarbeiter, 2022). Drei unabhängige Notfallärzte sahen dieselben von den Patienten eingegebenen Symptome und stellten ihre eigenen Diagnosen. Die Sensitivität von Ada für mindestens eine der endgültigen Diagnosen lag, bezogen auf ihre ersten fünf Vorschläge, bei 70 von 100, nahe dem Mittelwert von 68,9 der Ärzte, bezogen auf deren erste drei (Fraser und Mitarbeiter, 2022).

Bei einigen Bewertungen fehlten Daten oder es blieb keine klare Diagnose im Notfall, deshalb gingen 30 der 40 in die Diagnoseanalyse und 37 in die Triageanalyse ein (Fraser und Mitarbeiter, 2022). Die unabhängigen Ärzte folgten zudem einer festen Reihenfolge: Zuerst sahen sie nur die eingegebenen Symptome, dann die Vitalzeichen, und dann stellten sie ihre drei wichtigsten Hypothesen neu. Bei ihnen stimmte die erste Hypothese im Mittel in 14 von 30 analysierten Bewertungen mit der endgültigen Diagnose überein (Fraser und Mitarbeiter, 2022).

Die Autoren werteten das Ergebnis als vorläufigen Beleg dafür, dass ein Checker für Patienten mit verschiedenen dringlichen Zuständen eine akzeptable Usability und Treffsicherheit haben kann (Fraser und Mitarbeiter, 2022). Die kleine Stichprobe verlangt Vorsicht, und das Design zeigt einen nützlichen Punkt für das Denken: Selbst erfahrene Ärzte lagen mit ihrer ersten Hypothese in weniger als der Hälfte der Fälle richtig, wenn sie nur das sahen, was der Patient eingegeben hatte. Die vom Patienten geschriebene Geschichte ist ein wertvoller, aber unvollständiger Hinweis.

In der Rheumatologie

Entzündliche rheumatische Erkrankungen werden oft spät diagnostiziert, wegen wenig spezifischer Symptome und wegen fehlender Rheumatologen (Knitza und Mitarbeiter, 2024). Eine randomisierte Studie an drei Zentren umfasste 600 neue Patienten, von denen 214 die Diagnose einer entzündlichen rheumatischen Erkrankung erhielten. Der erste Vorschlag von Ada traf das Vorliegen oder Fehlen dieser Erkrankung bei 63 von 100 Patienten, die Liste der ersten fünf bei 58 von 100 (Knitza und Mitarbeiter, 2024).

Eine frühere Studie mit 33 Ärzten und 132 Vignetten fand ein anderes Bild (Gräf und Mitarbeiter, 2022). Ada erkannte eine entzündliche rheumatische Erkrankung häufiger als die Ärzte, 70 gegen 54 von 100, und traf die Hauptdiagnose in 54 gegen 32 von 100. Die Berufserfahrung hing nicht mit der Trefferquote zusammen. Die Autoren selbst erinnern daran, dass die Ärzte nur die grundlegende Anamnese hatten, ohne körperliche Untersuchung und ohne Zusatzuntersuchungen.

Ein kanadischer Prototyp

Ein Prototyp eines Checkers wurde an 281 Notfallpatienten und 300 Patienten aus Hausarztpraxen in Kanada getestet (Chan und Mitarbeiter, 2021). Die Sensitivität für Notfälle lag bei 10 von 10 Behandlungen. Für dringende Fälle lag sie bei 73 von 81 unter den Krankenhauspatienten und bei 34 von 35 unter den Patienten der Praxen. Der Prototyp traf die Triagierung besser als die Patienten selbst, 73 gegen 58 pro 100 (Chan und Mitarbeiter, 2021).

Was Patienten mit der Antwort machen

Eine Umfrage unter 329 Nutzern des Checkers Isabel zeigte die häufigsten Nutzungsgründe (Meyer und Mitarbeiter, 2020). An erster Stelle stand, die Ursache der Symptome besser zu verstehen, genannt von 232 von 304 Befragten, gefolgt von der Entscheidung, ob und wo sie eine Behandlung suchen sollten. Die meisten berichteten, nützliche Informationen erhalten zu haben, und die Hälfte berichtete positive Auswirkungen auf die Gesundheit.

Unter den Befragten besprachen 103 von 213 das Ergebnis mit dem Arzt, und in dieser Gruppe war es häufiger, Interesse des Fachpersonals an dem zu spüren, was die App zeigte, als Desinteresse (Meyer und Mitarbeiter, 2020). Patienten, die bereits einen Diagnosefehler erlebt hatten, nutzten den Checker häufiger, um zu entscheiden, wo sie eine Behandlung suchen sollten. Die Autoren schlossen, dass trotz der Zweifel an der Treffsicherheit viele Nutzer das Werkzeug für die Diagnose als nützlich ansahen.

Der Patient, der mit fertiger Liste kommt

Dieser Befund hat praktische Folgen. Der Patient, der mit einer Liste von Hypothesen aus der App kommt, bringt Informationen darüber mit, was ihn beunruhigt, und diese Sorge kann das Gespräch leiten. Der Text über diagnostische Unsicherheit zeigt, wie man die Zweifel des Patienten aufnimmt, ohne das eigene Denken aufzugeben, und der Text über Überdiagnose erinnert an das Risiko, zu viel zu untersuchen.

Ethische Fragen

Eine Übersichtsarbeit zu den ethischen und sozialen Herausforderungen dieser Apps fand kontroverse Debatten in der Literatur sowie das Fehlen einer spezifischen rechtlichen Perspektive und empirischer Daten (Müller und Mitarbeiter, 2022). Die Autoren erinnern daran, dass das Handy immer in der Nähe und immer eingeschaltet ist, eine sofortige Nutzung erlaubt und meist viele persönliche Daten speichert, auch Gesundheitsdaten. Diese Eigenschaften vergrößern die Reichweite des Werkzeugs und auch die nötige Sorgfalt beim Datenschutz.

Dieselbe Übersichtsarbeit hebt hervor, dass die Apps Verbesserungen auf mehreren Ebenen versprechen: Der Nutzer erhält Informationen über Symptome und Orientierung, um sich im Gesundheitssystem zurechtzufinden (Müller und Mitarbeiter, 2022). Die Autoren plädieren für empirische Forschung mit den Betroffenen, etwa Nutzern, Hausärzten und Fachleuten des Gesundheitssystems, um zu verstehen, wie das Werkzeug die Beziehung zwischen Patient und Versorgung verändert.

Die Grenzen der Studien selbst

Eine erneute Auswertung der öffentlichen Daten zweier Studien mit Vignetten wandte Kennzahlen der Testtheorie an (Kopka und Mitarbeiter, 2023). Als die Triagierung um die Schwierigkeit jeder Vignette bereinigt wurde, änderte sich für die meisten Apps die Position im Ranking. Die veröffentlichten Trefferquoten überschätzten häufig die Fähigkeit der Checker, weil diese dazu neigen, die leichteren Fälle selektiv zu bewerten.

Die Autoren fanden außerdem viele Vignetten mit sehr geringer oder sogar negativer Korrelation zum Gesamtset, was auf Items von geringer Qualität hindeutet (Kopka und Mitarbeiter, 2023). Der Vorschlag ist, die Schwierigkeit der Vignetten zu kontrollieren, die jede App bewerten konnte oder nicht. Für Leser dieser Studien lautet die Lehre, zu fragen, welche Fälle in die Rechnung eingingen.

Die folgenden Fragen fassen zusammen, was die in diesem Text zitierten Studien über die Lektüre solcher Vergleiche lehren:

• Handelte es sich bei den Fällen um Vignetten oder um behandelte Patienten (Chan und Mitarbeiter, 2021)?
• Wurde das Ergebnis um die Schwierigkeit der Vignetten bereinigt (Kopka und Mitarbeiter, 2023)?
• Wie viele Vignetten ließ die App unbeantwortet (Gilbert und Mitarbeiter, 2020)?
• Haben die Autoren Verbindungen zu einem der getesteten Produkte (Gilbert und Mitarbeiter, 2020)?
• Hatten die verglichenen Ärzte eine körperliche Untersuchung oder nur die Anamnese (Gräf und Mitarbeiter, 2022)?
• Wurde die Triage in beide Richtungen gemessen, Über- und Untertriage (Schmieding und Kollegen, 2022)?

Jede Frage entspricht einer Verzerrung, die die Leistung aufblähen oder schmälern kann. Eine App, die die Hälfte der Vignetten unbeantwortet lässt, kann bei den beantworteten sehr genau erscheinen. Ein Arzt ohne körperliche Untersuchung ist künstlich im Nachteil. Und eine Triage, die alle in die Notaufnahme schickt, trifft alle Notfälle, versagt aber bei denen, die nur Ruhe brauchten.

Und die Chatbots mit generativer KI

Eine Studie mit 30 von Hausärzten erstellten Vignetten testete ChatGPT-3 bei häufigen Beschwerden (Hirosawa und Kollegen, 2023). Die richtige Diagnose erschien in der Liste der zehn Hypothesen des Chatbots bei 28 der 30 Vignetten. Die Ärzte lagen in der Liste der fünf Hypothesen weiterhin besser, 98,3 gegen 83,3 pro 100, und bei der Hauptdiagnose, 93,3 gegen 53,3 pro 100 (Hirosawa und Kollegen, 2023). Der Text über klinische Entscheidungsfindung hilft, eine solche Liste danach zu gewichten, was sie am Vorgehen ändert, und nicht nach Länge oder guter Formulierung.

Zurück zur Studentin

Der Studentin in der Szene wurde geraten, noch am selben Tag Hilfe zu suchen. Nach den obigen Studien trifft die Triage der Apps meist besser als die Diagnose (Wallace und Kollegen, 2022), doch die Version von 2020 ließ viele Notfälle durch (Schmieding und Kollegen, 2022). Die Besserung durch das Schmerzmittel ist ein Hinweis, den die App möglicherweise nicht gewichtet. Eine gut überlegte Prätest-Wahrscheinlichkeit, mit Schmerz, der bei einer jungen Person nach rechts wanderte, spricht für die Entscheidung zu gehen. Der Text über Telemedizin und Denken ohne Untersuchung vor Ort erörtert ähnliche Grenzen, wenn die körperliche Untersuchung fehlt.

Wie NEXO hilft, dieses Denken zu trainieren

Bei NEXO ist der Fall des Tages fiktiv, mit echter klinischer Darstellung und bis zu sechs fortschreitenden Hinweisen, und Sie schlagen die Diagnose vor, indem Sie den Code in der ICD-10 suchen.

Die Grenzen der Nutzung des Spiels sind auf der Seite Wirtschaft von NEXO beschrieben. Wenn Sie die Vermittlung klinischen Denkens erforschen, erklärt die Seite für Researcher, wie Sie Kontakt aufnehmen. Fachleute, die Fälle schreiben oder prüfen, finden Informationen unter Curator und unter Creators, und Institutionen können das Angebot auf der Seite für Partnerschaften kennenlernen. Das Training mit Differenzialdiagnose und Hinweisen und das Wissen, den richtigen Code in der ICD-10 zu finden, vervollständigen dieses Training.

Häufige Fragen

Treffen Symptom-Checker die Diagnose?

Im Jahr 2015 erschien die richtige Diagnose bei 34 von 100 Bewertungen an erster Stelle und unter den ersten 20 bei 58 von 100 (Semigran und Kollegen, 2015).

Ist die Triage der Apps besser als die Diagnose?

Die Trefferquote der Triage ist meist höher als die Trefferquote der Hauptdiagnose (Wallace und Kollegen, 2022).

Haben sich die Apps mit der Zeit verbessert?

Eine Wiederholung im Jahr 2020 ergab eine durchschnittliche Triage gleich der von 2015 und schlechter bei zwei Anwendungen (Schmieding und Kollegen, 2022).

Können in der Notaufnahme behandelte Patienten diese Werkzeuge nutzen?

In einer Notaufnahme schlossen 40 von 50 eingeladenen Patienten die Bewertung und die Umfrage zur Nutzbarkeit ab (Fraser und Kollegen, 2022).

Wie liest man eine Studie, die Apps vergleicht?

Es lohnt sich zu prüfen, wer die Studie durchgeführt hat und ob das Ergebnis für die Schwierigkeit der Vignetten adjustiert wurde (Kopka und Kollegen, 2023).

Take-home messages

• Symptom-Checker schlagen Ursachen und ein Dringlichkeitsniveau vor, ausgehend von dem, was der Nutzer eingibt.
• Die richtige Diagnose an erster Stelle erschien 2015 bei etwa einem Drittel der Bewertungen.
• Die Triage trifft meist besser als die Diagnose, doch die Apps von 2020 verpassten viele Notfälle.
• Hausärzte lagen unter den ersten drei Hypothesen besser als die Apps.
• Bei tatsächlich behandelten Patienten schnitten einige Apps ähnlich ab wie Ärzte mit denselben Daten.
• Studien mit Vignetten können die Trefferquote überschätzen, wenn die Apps nur die leichten Fälle lösen.
• Der Patient, der mit der Liste der App kommt, bringt eine Sorge mit, die es wert ist, angehört zu werden.

Möchten Sie das Denken mit fortschreitenden Hinweisen üben? Spielen Sie den Fall des Tages.

Literatur

1. Chambers D, Cantrell AJ, Johnson M, et al. Digital and online symptom checkers and health assessment/triage services for urgent health problems: systematic review. BMJ Open. 2019. PMID 31375610.
2. Chan F, Lai S, Pieterman M, et al. Performance of a new symptom checker in patient triage: Canadian cohort study. PLoS One. 2021. PMID 34852016.
3. Fraser HSF, Cohan G, Koehler C, et al. Evaluation of Diagnostic and Triage Accuracy and Usability of a Symptom Checker in an Emergency Department: Observational Study. JMIR Mhealth Uhealth. 2022. PMID 36121688.
4. Gilbert S, Mehl A, et al. How accurate are digital symptom assessment apps for suggesting conditions and urgency advice? A clinical vignettes comparison to GPs. BMJ Open. 2020. PMID 33328258.
5. Gräf M, Knitza J, Leipe J, et al. Comparison of physician and artificial intelligence-based symptom checker diagnostic accuracy. Rheumatol Int. 2022. PMID 36087130.
6. Hirosawa T, Harada Y, Yokose M, et al. Diagnostic Accuracy of Differential-Diagnosis Lists Generated by Generative Pretrained Transformer 3 Chatbot for Clinical Vignettes with Common Chief Complaints: A Pilot Study. Int J Environ Res Public Health. 2023. PMID 36834073.
7. Knitza J, Tascilar K, Fuchs F, et al. Diagnostic Accuracy of a Mobile AI-Based Symptom Checker and a Web-Based Self-Referral Tool in Rheumatology: Multicenter Randomized Controlled Trial. J Med Internet Res. 2024. PMID 39042425.
8. Kopka M, Feufel MA, Berner ES, et al. How suitable are clinical vignettes for the evaluation of symptom checker apps? A test theoretical perspective. Digit Health. 2023. PMID 37614591.
9. Meyer AND, Giardina TD, Spitzmueller C, et al. Patient Perspectives on the Usefulness of an Artificial Intelligence-Assisted Symptom Checker: Cross-Sectional Survey Study. J Med Internet Res. 2020. PMID 32012052.
10. Morse KE, Ostberg NP, Jones VG, et al. Use Characteristics and Triage Acuity of a Digital Symptom Checker in a Large Integrated Health System: Population-Based Descriptive Study. J Med Internet Res. 2020. PMID 33170799.
11. Müller R, Klemmt M, Ehni HJ, et al. Ethical, legal, and social aspects of symptom checker applications: a scoping review. Med Health Care Philos. 2022. PMID 36181620.
12. Schmieding ML, Kopka M, Schmidt K, et al. Triage Accuracy of Symptom Checker Apps: 5-Year Follow-up Evaluation. J Med Internet Res. 2022. PMID 35536633.
13. Semigran HL, Linder JA, Gidengil C, et al. Evaluation of symptom checkers for self diagnosis and triage: audit study. BMJ. 2015. PMID 26157077.
14. Wallace W, Chan C, Chidambaram S, et al. The diagnostic and triage accuracy of digital and online symptom checker tools: a systematic review. NPJ Digit Med. 2022. PMID 35977992.