Эвристические алгоритмы и принятие решений: каково влияние на приверженность терапии у пациентов с головокружением?
Основные положения:
- Человеческий мозг устроен так, чтобы принимать решения и делать наиболее правдоподобные выводы независимо от качества доступной информации.
- На процесс принятия решений влияют эвристические алгоритмы, или когнитивные упрощения, которые могут оказать значительное влияние на приверженность терапии в случаях, когда соответствующей информации мало.
- Понимание эвристических алгоритмов, таким образом, способно значительно помочь нам разобраться в механизмах приверженности терапии, а пациентам — принимать препараты согласно назначениям врачей.
Как описано в предыдущей статье («Две системы взглядов: почему «рациональные» люди делают «нерациональный» выбор»), мозг имеет две системы мышления: Систему 1 и Систему 2. Первая является быстрой и спонтанной. Вторая — рефлексивной и осознанной, но она требует когнитивных усилий и поэтому используется реже. Система 1, наша быстрая, импульсивная реакция, отвечает за 95% всех принимаемых нами решений. Она основывается на эвристических алгоритмах (т. е. когнитивных упрощениях), что делает ее более быстрой, менее утомительной и подверженной ошибкам. В данной статье будут описаны некоторые из этих алгоритмов, имеющих отношение к поведению пациентов1, в том числе влияющих на их приверженность терапии.
Люди принимают решения даже тогда, когда им доступна не вся необходимая информация
Согласно последним данным исследователей-бихевиористов мозг человека «запрограммирован» реагировать на окружение, в котором он находится, и большую часть времени принимать решения автоматически, тратя на это как можно меньше умственных усилий. Система 1 дает быстрый ответ, что очень полезно в тех случаях, когда нам нужно избежать непосредственной опасности, но часто доступная информация неполна или не имеет отношения к ситуации. Однако даже в ситуациях, когда необходимая информация ограничена, Система 1 продолжает делать выводы и принимать решения, используя воображаемые заменители, основанные на опыте и на том, что мозг через Систему 2 узнал ранее. Такие когнитивные упрощения, или эвристические алгоритмы, оказывают значительное влияние на взгляды и поведение1, включая приверженность терапии.
Пациенты обрабатывают информацию и ведут себя в соответствии со стереотипным для них пониманием этой информации
Даниэль Канеман (Daniel Kahneman) описал ум как «машину для поспешных выводов». Согласно его утверждению, в результате эволюции у нас развилось стереотипное отношение к окружению, основывающееся на имеющихся данных. Количество и качество данных не имеют значения для Системы 1, которая будет выбирать простейший когнитивный вывод1 из всех возможных в соответствии с имеющимися у нее стереотипными реакциями. Предположим, что пациенту с болезнью Меньера задали следующий вопрос: «Хотите ли вы, чтобы доктор Браун был вашим врачом? Он изучал медицину в лучшем университете страны и в ходе своей деятельности успешно лечил более 10 000 пациентов». Ответом быстрой Системы 1 пациента на этот вопрос, вероятно, будет «да», но он будет основываться лишь на частичной информации. Например, что, если продолжение утверждения про доктора Брауна звучало бы как «он опытный онколог»? Эти выводы определяются эвристическими алгоритмами, составляющими неотъемлемую часть Системы 11.
Сходным образом рассмотрим вопрос: «Вежлив ли доктор Браун со своими пациентами?» Первоначальная реакция отлична по сравнению с реакцией на вопрос: «Груб ли доктор Браун со своими пациентами?» Нахождение верного ответа на эти вопросы потребует анализа Системой 2 соответствующей информации, которой может не оказаться. В этом случае Система 1 склонна искать данные, которые подтвердят ее немедленную реакцию. Этот эвристический алгоритм, который Канеман называет предвзятостью подтверждения, может вести к избыточной эмоциональной однозначности и известен как эффект ореола1. Например, пациент, скорее всего, будет оценивать клинические навыки своего врача на основании навыков врача в общении с пациентом, поскольку с такими навыками пациент знаком, а об аспектах медицины может ничего не знать. Аналогичным образом эффект ореола может сильно повлиять на приверженность пациента терапии, поскольку плохие отношения с врачом являются одним из важнейших факторов несоблюдения режима терапии2. Поэтому пациент, которому нравится его врач, с большей вероятностью будет соблюдать назначения, чем пациент, которому его врач не нравится.
Понимание поведения пациента в отношении приверженности терапии требует глубокого понимания эвристических алгоритмов
Понимание этих алгоритмов, или эмпирических правил, может помочь врачу лучше понять, как пациенты принимают решения относительно своей лекарственной терапии и насколько их решения предвзяты. Помимо предвзятости подтверждения и эффекта ореола, которые уже обсуждались выше, такие эвристические алгоритмы включают в себя:
- Эффект привязки. Это тенденция к принятию решений с оглядкой на определенный ориентир1. Рассмотрим следующий эксперимент: трем группам людей задают один из следующих вопросов:
- Пожертвовали бы вы благотворительному фонду 5 долларов?
- Сколько бы вы могли пожертвовать благотворительному фонду? (нет привязки)
- Пожертвовали бы вы благотворительному фонду 400 долларов?
Результаты этого эксперимента были следующими: люди готовы были в среднем пожертвовать 20 долларов в случае привязки, составлявшей 5 долларов, 64 доллара в случае, когда привязки не было, и 143 доллара, когда упоминалась сумма в 400 долларов1. Таким образом, упоминание первоначальной суммы сильно влияло на участников. Этот эвристический алгоритм часто используется при переговорах, но легко может быть применим и в сфере здравоохранения. В недавнем дерматологическом исследовании ежемесячной инъекционной терапии группу пациентов (т. е. группу вмешательства) попросили оценить свое желание ежедневно получать инъекцию по поводу псориаза. Такая регулярность использовалась в качестве привязки, поскольку после этого пациентов спросили, желают ли они получать инъекцию раз в месяц. Результаты показали, что пациенты, входящие в данную группу, проявили больше желания начать ежемесячное инъекционное лечение по сравнению с контрольной группой, для которой привязки не было (медиана показателя 7,5 к 2)3. Этот метод может быть применим к заболеваниям, сопровождающимся головокружением (например, болезни Меньера), для улучшения приверженности терапии — пациенты с большей вероятностью будут соблюдать режим терапии, если их проинформируют о стандартных методах лечения (т. е. дадут привязку).
- Эвристический алгоритм доступности (видимости) информации. Люди оценивают вероятность не на основании данных о реальной вероятности, а, скорее, на основании того, насколько легко вообразить данный исход. Например, человек переживший землетрясение, с высокой вероятностью будет переоценивать частоту этого явления. Некоторые даже после просмотра художественного фильма о землетрясении могут быть склонны переоценивать вероятность его возникновения. Эвристический алгоритм подразумевает, что человек, который видел или испытал землетрясение, будет более склонен приобрести страховку от его последствий. Однако это подразумевает также, что, когда память о землетрясении сотрется, влияние на поведение в отношении покупок тоже исчезнет1. Тот же принцип можно применить к приверженности терапии при заболеваниях, сопровождающихся головокружением (например, при болезни Меньера): пациент, у которого недавно было головокружение, с большей вероятностью будет соблюдать режим лечения, но его приверженность терапии будет снижаться со временем, по мере исчезновения симптомов. В недавнем исследовании страдающих ВИЧ-инфекцией было показано, что процент пациентов со средней приверженностью терапии 90% или более возрастает с 31,1 до 48,3% у тех, кто недавно получил положительную обратную связь (видимую информацию) о препаратах для лечения заболевания от других пациентов4.
- Репрезентативность. Этот эвристический алгоритм также основывается на нашем представлении о вероятности события. Он часто связан со стереотипами о других людях. Например, рассмотрим человека с образованием в области антропологии, который активно пропагандирует защиту окружающей среды, является убежденным феминистом и склоняется к левым политическим взглядам. Какая из двух работ для этого человека более вероятна: в благотворительном экологическом фонде или бухгалтером? Репрезентативная предвзятость будет означать, что предпочтительно будет выбран вариант работы в фонде — именно так представляет этого человека Система 1. Однако бухгалтеров в мире гораздо больше, чем работников благотворительных фондов, независимо от их взглядов. Статистика говорит, что вероятность того, что этот человек — бухгалтер, намного выше. Сходным образом, существуют стереотипы о том, как будут вести себя люди в определенной роли. Например, от фермера будут ожидать, что он усердно работает, любит находиться вне дома и отличается выносливостью. Библиотекарь же будет представляться как тихий, организованный и сдержанный человек5. Этот алгоритм может быть очень полезен для понимания приверженности терапии. В исследовании лечения боли при артрите исследователи сообщали пациентам противоречивую информацию о том, следует ли принимать прописанный препарат вместе с приемом пищи или отдельно от него. Несколько пациентов решили принимать его во время еды, поскольку принимать препараты для лечения артрита с пищей — стандартная практика6. Такой прием препарата для них представлял собой стереотип.
- Неприятие потерь / дарение. Люди, как правило, острее переживают потерю чего-то, чем радуются получению того же самого1. Например, потеря 100 долларов обычно ощущается сильнее, чем радость от их приобретения. Ричард Талер (Richard Thaler) приводит в качестве примера группу студентов, разделенную на две подгруппы. В одной из них студентам давали кружки с эмблемой университета, а в другой — не давали. После этого каждого студента спрашивали, по какой цене он купил бы или, соответственно, продал кружку. Продавцы кружки оценили ее вдвое выше, чем покупатели. Как использовать данный эвристический алгоритм в отношении приверженности терапии? Врач может подчеркнуть, что каждый раз, когда пациент принимает препарат или правильно ведет себя, например занимается спортом, он улучшает свое здоровье, а перестав это делать, он будет терять достигнутый прогресс.
- Оптимизм / чрезмерный оптимизм. Люди склонны думать, что они оценивают ситуацию и действуют лучше, чем другие (т. е., грубо говоря, большинство людей считает себя выше среднего уровня)1. В своей книге «Подталкивание» Ричард Талер приводит такой пример. Людям, начинающим собственное небольшое дело, задают два вопроса: 1) «Какова частота успеха для бизнеса, сходного с вашим?»; 2) «Каковы ваши шансы на успех?» На первый вопрос люди отвечали «50%», а на второй — «90%». Эта предвзятость может быть причиной неверных представлений врачей о приверженности их пациентов терапии: они признают, что приверженность терапии является проблемой, но могут переоценивать ее в отношении их собственных пациентов7. В недавнем исследовании было показано, что избыточно оптимистичные пациенты с ВИЧ-инфекцией (полагающие, что результат их лечения будет лучше, чем у других пациентов в клинике) с меньшей вероятностью достигают желаемой степени приверженности терапии по сравнению с другими пациентами — различие составляет около 10%4. Врачи должны помнить, что не всегда стоит полагаться на оценку самими пациентами их приверженности терапии.
Эвристические алгоритмы определяют решения и поведение людей, включая их отношение к терапии хронических заболеваний (в том числе тех, которые сопровождаются головокружением) и приверженность такой терапии. Всестороннее понимание этих алгоритмов дает врачам, руководству больниц и другим медицинским работникам информацию, позволяющую положительно влиять на поведение пациентов. В дальнейших статьях будут обсуждаться другие поведенческие теории и соответствующие вмешательства, направленные на повышение приверженности пациентов терапии.
Литература
- Daniel Kahneman (2011). Thinking Fast and Slow. New York: Farrar, Straus, and Giroux.
- Charitini Stavropoulou (2011). “Non-adherence to medication and doctor–patient relationship: Evidence from a European survey,” Patient Education and Counseling, (83):1, pp. 7–13. https://doi.org/10.1016/j.pec.2010.04.039
- Elias Oussedik, Leah A. Cardwell, & Nupur U. Patel (2017). “An anchoring-based intervention to increase patient willingness to use injectable medication in psoriasis,” JAMA Dermatology, (153):9, pp. 932–934. https://doi:10.1001/jamadermatol.2017.1271
- Sebastian Linnemayr & Chad Stecher (2015). “Behavioral economics matters for HIV research: The impact of behavioral biases on adherence to antiretrovirals (ARVs),” AIDS & Behavior, (19):11, pp. 2069–2075. https://doi: 10.1007/s10461-015-1076-0
- Kendra Cherry (2019). “Representativeness heuristic and our judgments: Representativeness heuristic affects judgments but can lead to errors,” VeryWell Mind. https://www.verywellmind.com/representativeness-heuristic-2795805
- Emily Elstad, Delesha M. Carpenter, Robert F. Devellis, & Susan J. Blalock (2012). “Patient decision making in the face of conflicting medication information, International Journal of Qualitative Studies on Health and Well-being, (7):1, Article 18523. https://doi.org/10.3402/qhw.v7i0.18523
- M. Robin DiMatteo, Kelly B. Haskard-Zolnierek, & Leslie R. Martin (2011). “Improving patient adherence: A three-factor model to guide practice,” Health Psychology Review, (6):1, pp. 74–91. https://doi.org/10.1080/17437199.2010.537592