Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Vorsprungszeit-Bias

Auch bekannt als: Nullzeit-Verschiebungsbias
Aspect ID: lead_time_bias

Definition

Der Vorsprungszeit-Bias entsteht, wenn eine frühere Krankheitserkennung durch Screening die Überlebenszeit scheinbar verlängert, obwohl sich das tatsächliche Sterbedatum nicht ändert. Wird eine Krankheit klinisch mit 60 Jahren entdeckt, durch Screening aber schon mit 55, erscheint der Patient 10 Jahre zu überleben statt 5, obwohl er im selben Alter 65 stirbt.

Beispiele

Eine Lungenkrebsstudie berichtet, dass gescreente Patienten durchschnittlich 15 Monate nach Diagnose leben, nicht gescreente nur 9 Monate. Wurde die Krankheit aber 6 Monate früher durch Screening entdeckt, ist der tatsächliche Überlebensvorteil möglicherweise null.

Eine Pharmafirma bewirbt einen neuen Bluttest zur Früherkennung von Bauchspeicheldrüsenkrebs und betont, dass gescreente Patienten im Schnitt zwei Jahre länger leben als nicht gescreente. Dabei wird nicht berücksichtigt, dass die Diagnose durch den Test schlicht früher gestellt wird – der eigentliche Todeszeitpunkt bleibt unverändert.

Ein öffentliches Gesundheitsprogramm zur Früherkennung von Alzheimer meldet stolz, dass diagnostizierte Patienten im Durchschnitt vier Jahre länger mit der Diagnose leben als frühere Vergleichsgruppen ohne Frühscreening. Kritiker weisen jedoch darauf hin, dass die Erkrankung lediglich früher festgestellt wird, ohne dass die tatsächliche Lebenserwartung oder Lebensqualität der Betroffenen gestiegen ist.

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Wird das Überleben ab dem Diagnosezeitpunkt statt ab Symptombeginn oder Tod gemessen?

    Typ: binary
  2. 2

    Scheint eine frühere Erkennung durch Screening die Überlebenszeit zu verlängern?

    Typ: binary
  3. 3

    Gibt es Belege, dass die frühere Diagnose tatsächlich das Sterbedatum verändert hat?

    Typ: binary
  4. 4

    Werden Mortalitätsraten (Todesfälle pro Bevölkerung pro Jahr) neben Überlebensraten berichtet?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.