Advertisement

Die Überweisung von Patienten als Bestandteil des Ärztlichen Interaktionssystems

  • Hans Joachim Hummell
  • Heidrun Kaupen-Haas
  • Wolfgang Kaupen
Chapter
Part of the Abhandlungen zur Mittelstandsforschung book series (ABHMI)

Zusammenfassung

Die vorliegende Studie beschäftigt sich mit der Frage, wodurch die unterschiedliche Frequenz der Überweisung von Patienten innerhalb der Ärzteschaft zu erklären ist. Anlaß zu dieser Fragestellung gab die Beobachtung1, daß fast die Hälfte der niedergelassenen Kassenärzte im Erhebungsbereich während eines Vierteljahres2 keine Patienten von Kollegen überwiesen bekam, während auf der anderen Seite etwa ein Drittel der Ärzte über 40 Äberweisungen im Quartal erhielt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 11.
    Da wir im folgenden von dem weit verbreiteten Verfahren, Signifikanzwerte für die einzelnen Kontingenztabellen zu berechnen, abweichen, seien einige methodische Anmerkungen hierzu erlaubt. Anknüpfend an einen Artikel von Hanan C. Selvin („A Critique of Tests of Significance in Survey Research“ in: American Sociological Review, Bd. 22, 1957, S. 519 bis 527) gab es in den letzten Jahren eine lebhafte Diskussion der Frage nach der Legitimität von Signifikanztesten in der Umfrageforschung. Das Ergebnis dieser Kontroverse läßt sich vorläufig ungefähr folgendermaßen zusammenfassen: Während in experimentellen Anordnungen Signifikanzteste nützlich und notwendig sind, erfüllt die Umfrageforschung, wenn sie erklärend (und nicht deskriptiv) ist, nicht die nach der statistischen Theorie erforderlichen Voraussetzungen, die eine Berechnung von Signifikanzwerten als sinnvoll erscheinen lassen. Vgl. hierzu James S. Coleman, Statistical Problems, Appendix I B in: Seymour M. Lipset, Martin Trow und J. S. Coleman, Union Democracy, New York 1962 (ursprünglich Glencoe/Ill. 1956) und als Zusammenfassung Johan Galtung, Theory and Methods of Social Research, Oslo 1967. Aus diesen Gründen, die im folgenden zum Teil aufgeführt werden, werden wir in unserer Studie nur Prozentsätze anführen und unsere Hypothesen durch Berechnung von Prozentsatzdifferenzen bzw. von Differenzen solcher Differenzen testen (zu letzterem siehe Tabellen 9 und 18). Das grundsätzlichste Argument gegen die Anwendung von Signifikanztesten ist folgendes: Die Teste setzen eine Situation voraus, in der die Elemente einer Population nach einem Zufallsverfahren in einzelne Teilklassen aufgeteilt werden. Da alle etwaigen ursächlichen Faktoren für irgendeine abhängige Variable in diesen Teilklassen nur zufällig verteilt sind, ist es möglich, eine theoretische Verteilung für diese abhängige Variable zu errechnen. Durch den Vergleich einer empirisch ermittelten Differenz in den Werten der abhängigen Variable mit dieser theoretischen Verteilung kann man nun mit Hilfe der Signifikanzteste feststellen, ob die Klassen, zwischen denen diese Differenz beobachtet wurde, ebenfalls eine Zufallsaufteilung der Population sind oder nicht. Bei der normalen Vorgehensweise nimmt das Testen von Hypothesen im einfachsten Falle die Form der Aufteilung des Samples gemäß zwei Werten einer Dimension an, welche als die kausal unabhängige angesehen wird, wobei man dann die Häufigkeiten der Werte der abhängigen Variable für diese zwei Kategorien vergleicht. Da aber eine solche Aufteilung nicht garantiert, daß alle anderen Faktoren, welche möglicherweise ebenfalls kausal relevant sein können, zufällig auf diese Teilklassen verteilt sind, gibt es keine theoretische Verteilung der abhängigen Variablen, mit der eine empirische Differenz verglichen werden kann.Google Scholar
  2. Nach H. C. Selvin (Durkheim’s ‚uicide ‘and Problems of Empirical Research, in: The American Journal of Sociology, 63, 1958, S. 607–619) müssen Wege aus diesem Dilemma anderer Art sein als Signifikanzteste, nämlich: mehrdimensionale Tabulierungen, Replikation statistischer Relationen innerhalb homogener Subgruppen, Replikation mit anderen Einheiten unter verschiedenen Bedingungen und Replikation unter Verwendung verschiedener Indikatoren. Einige spezielle Gründe, die gegen die Anwendung von Signifikanztesten in erklärenden Untersuchungen sprechen, sollen noch kurz angeführt werden: Erstens setzen Teste einer einzelnen Kontingenztabelle voraus, daß die entsprechende Hypothese isoliert ist; im allgemeinen sind jedoch bei theoretischen Untersuchungen die Hypothesen logisch miteinander verbunden, auch dann, wenn diese Bindung nur schwach ist. Daher gilt für jede einzelne Hypothese, die zu einer solchen Menge gehört, daß sie nicht nur direkt durch die offensichtlich relevanten Kontingenztabellen, sondern auch indirekt durch andere Tabellen überprüft wird. So kann durchaus der Fall eintreten, daß jede Tabelle isoliert für sich keine Signifikanz im statistischen Sinne aufweist, obgleich nichtsdestoweniger die Gesamtheit aller Tabellen indirekt auf jede einzelne Tabelle Signifikanz übertragen kann. Wie J. S. Coleman (a.a.O., S. 483) es ausdrückt: „... what should be tested is the significance of the total set of interlocking tables.“ Das jedoch ist heute noch nicht möglich, es sei denn, alle in den betreffenden Kontingenztabellen dargestellten Beobachtungen wären unabhängig voneinander. Zweitens kann angenommen werden, daß soziologische Analysen im allgemeinen an den Beziehungen zwischen theoretischen Variablen interessiert sind, nicht jedoch an denen zwischen einzelnen mit Meßfehlern behafteten Indikatoren. Da Signifikanzteste aller Tabellen jedoch nur die Beziehungen zwischen Indikatoren betrachten, ist es besser, dieselbe theoretische Beziehung unter Verwendung mehrerer verschiedener Indikatoren zu überprüfen, wie wir es in den Tabellen 2, 3 und 4 getan haben. Drittens unterscheiden sich Kausalhypothesen jedoch grundsätzlich von statistischen Relationen. Es ist theoretisch wenig ergiebig, Signifikanzwerte von Beziehungen zu haben, die nur scheinbar kausaler Art sind, wie groß ihre Signifikanz statistisch auch immer sein mag. Aber eine Strategie beim Test von Scheinkorrelationen besteht gerade darin, solche Faktoren zu finden, bei deren Kontrolle die ursprüngliche Beziehung wegfällt. In derselben Richtung liegt das Ziel der theoretischen Interpretation, mit deren Hilfe oft gezeigt wird, daß ursprüngliche Differenzen kleiner werden (vgl. z. B. Tabelle 3 mit Tabelle 10), sich umkehren (s. Tabellen 2 und 9) oder ganz wegfallen. Auch hierbei ist es unnötig, Signifikanzwerte für die Ausgangsdaten zu berechnen. Der gewichtigste Grund gegen die Anwendung von Signifikanztesten gerade in dieser Studie ist jedoch die Tatsache, daß die Gesamtheit der interviewten Ärzte gar kein Sample, sondern ein unvollständiges Universum bilden. Alle beobachteten Werte, Differenzen und Relationen gelten notwendig für das Universum (unter Modifikation der aus Verweigerungen resultierenden Verzerrungen), da sie für eben dieses Universum ermittelt wurden. Das bedeutet aber, daß eine Generalisierung unserer Aussagen für andere Gesamtheiten, z. B. für alle Ärzte der Bundesrepublik oder alle Ärzte überhaupt, nicht möglich ist. Man könnte vielleicht versucht sein, sich mit der Fiktion eines zweistufigen Samples helfen zu wollen: zuerst Auswahl eines „Klumpens“ von Ärzten aus einer Menge solcher Klumpen, also aus einer Menge verschiedener lokaler Interaktionssysteme, dann Analyse aller der Einheiten, die diesen Klumpen bilden. Da wir beim ersten Schritt nur einen einzigen Klumpen ausgewählt haben, ist jedoch eine Generalisierung, die auf einer Einheit basiert, für die Gesamtheit solcher Einheiten unmöglich. Kurz: Signifikanzteste sind für die Verallgemeinerung auf das lokale Interaktionssystem nicht notwendig; bei der Verallgemeinerung auf einen umfassenderen Bereich würden sie erst recht nicht helfen. Um für solche umfassenderen Universa Aussagen machen zu können, wäre die Auswahl mehrerer solcher Klumpen notwendig, d. h. es muß also externe Replikationen unserer Studie geben — soweit wie möglich unter verschiedenen Bedingungen. Je heterogener diese Bedingungen sind, um so größer ist die Wahrscheinlichkeit für den Fall der Bestätigung unserer Aussagen, daß diese allgemeingültig sind, daß sie also keiner Spezifikation durch explizite Erwähnung einschränkender Faktoren bedürfen. Wir glauben jedoch, daß das, was an Generalisierbarkeit in unserer Studie verlorenging, durch die Möglichkeit, ein Netzwerk miteinander interagierender Individuen zu analysieren, mehr als wettgemacht wird. Von dieser Möglichkeit wird leider viel zu wenig Gebrauch gemacht. Zur endgültigen theoretischen Sicherung unserer Aussagen wäre jedoch eine Vielzahl solcher Netzwerke notwendig.CrossRefGoogle Scholar
  3. 24.
    Dieses Ergebnis zeigt selbst für die freien Praxen, die sich zu 91% aus Solopraxen zusammensetzen, daß die Merkmale, nach denen ein Zielarzt im Überweisungssystem ausgewählt wird, typischerweise dem professionellen System entnommen sind. Da das Überweisungssystem eine Abweichung von dem Recht der freien Arztwahl darstellt, stehen diese Ergebnisse nicht im Widerspruch zu den Annahmen von Eliot Freidson (Client Control and Medical Practice, in: The American Journal of Sociology, 65, 1960, S. 374–382), der davon ausgeht, daß insbesondere der Solopraktiker über die institutionelle Regelung der freien Arztwahl besonders dem Druck von Laien ausgesetzt ist und für die Übernahme von nicht-professionellen Mustern anfällig wird.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1968

Authors and Affiliations

  • Hans Joachim Hummell
  • Heidrun Kaupen-Haas
  • Wolfgang Kaupen

There are no affiliations available

Personalised recommendations