编辑推荐：
为探究德国本科医学生图表素养水平，研究人员开展了一项观察性横断面调查研究。结果显示，医学生图表素养总体高于德国标准人群，但 “读数据之外” 能力参差不齐。该研究对优化医学教育、提升医患沟通质量意义重大。
在当今信息爆炸的时代，数据可视化成为传递信息的重要方式，图表在医学领域更是随处可见。无论是医生解读检查报告、研究人员分析实验数据，还是向患者解释病情，都离不开对图表的理解。然而，现实中存在诸多问题。一方面，虽然图表能将复杂信息直观呈现，但并非所有人都能准确理解其中含义。患者由于缺乏专业知识，可能难以解读图表中的医疗信息，导致在医疗决策上出现偏差。另一方面，对于未来的医生 —— 医学生而言，他们在图表理解能力上的水平也亟待了解。此前，针对患者或医生图表解读能力的研究较多，但关于本科医学生图表素养的研究却很匮乏，且仅有的相关研究存在样本局限性等问题。为了填补这一空白，深入了解本科医学生的图表素养状况，德国明斯特大学（University of Muenster）的研究人员 Janina Soler Wenglein、Andreas Heidenreich 和 Hendrik Friederichs 开展了一项重要研究，该研究成果发表在《BMC Medical Education》上。
这项研究的意义非凡。医学生作为未来医疗行业的主力军，他们的图表素养直接关系到临床实践中的信息处理能力、医患沟通效果以及医疗决策的准确性。提升医学生的图表素养，有助于他们更准确地理解医学数据，做出更科学的医疗决策，进而提高整体医疗质量，改善患者的就医体验和治疗效果。
研究人员采用了观察性横断面调查研究方法。研究对象为德国明斯特大学 1 - 5 年级的本科医学生，这些学生直接从中学升入医学院，学制为六年，前两年为基础临床阶段，后四年为临床阶段，由于六年级学生处于临床实习阶段，学术重点与 1 - 5 年级不同，因此被排除在研究之外。研究人员使用 “图表素养量表（Graph Literacy Scale）” 来评估学生的图表理解能力，该量表包含 13 个问题，从 “读数据（reading the data）”“读数据之间（reading between the data）”“读数据之外（reading beyond the data）” 三个维度进行测量。学生需要回答 9 个数值问题和 4 个选择题，答对一题得一分，满分为 13 分。研究人员利用 “R” 编程语言对收集到的数据进行分析，计算平均测试分数、标准差，并进行组间比较等统计分析。
研究结果主要包括以下几个方面：
- 招募过程和人口统计学特征：研究共发放 500 份问卷，最终获得 449 份完整问卷纳入分析。样本中性别分布与该校医学生总体性别分布相符，因数据保护要求，未提供具体年龄数据。
- 主要和次要结果：
- 总体得分：医学生平均得分 11.42（SD = 1.42）分，显著高于德国标准人群的 9.4（SD = 2.6）分（t (790)= - 14.75，p < 0.001）。
- 年级差异：一年级学生平均得分 11.33 分（SD = 1.40），五年级学生平均得分 11.65 分（SD = 1.18），虽有上升趋势，但差异不显著（t (192)= - 1.78，p = 0.076）。
- 性别差异：双变量比较显示，男性参与者得分（11.59，SD = 1.32）显著高于女性参与者（11.31，SD = 1.51）（t (341)= 2.01，p = 0.045）。然而，在多线性回归中，调整年级因素后，性别（β = - 0.27，95% CI: - 0.56 至 0.01，p = 0.061）不是测试成绩的显著预测因素，年级（β = 0.08，95% CI: - 0.01 至 0.17，p = 0.10）也不是，且模型解释的方差比例较小（调整 R2 = 0.01）。
- 具体问题得分：学生总体正确回答率为 87.7%，但第 11 题正确回答率仅为 48.3%。第 11 题测试 “读数据之外” 的能力，该题要求比较两个未标注刻度的折线图以判断哪种治疗使患病患者比例下降更多，正确答案是 “无法判断”。学生在这道题上的表现差异较大，反映出他们在 “读数据之外” 能力上的不一致性。
在研究结论和讨论部分，研究人员指出，本科医学生在 “读数据” 和 “读数据之间” 方面表现出色，平均得分分别达到 98.2% 和 89.0%，表明他们对图形数据表示有扎实的基础理解。然而，他们在 “读数据之外” 的能力存在不足，这可能受到认知偏差（如基础比率忽视）和对模糊性的容忍度等因素影响。基础比率忽视是指人们倾向于忽略基础比率（一般频率），而专注于具体案例信息，在图表解读中可能导致错误判断。对模糊性容忍度低的学生，在面对答案为 “无法判断” 的图表时，可能因无法接受不确定性而选择错误答案。
尽管该研究存在一定局限性，如研究在有限时间和强制考试背景下进行，可能影响学生表现；未调查学生的统计培训情况等，但仍具有重要意义。它为医学教育提供了重要参考，提示在医学课程中应加强针对性的图表素养培训，帮助医学生提升解读复杂数据的能力，确保在未来的医疗工作中能够准确、有效地与患者沟通，避免因图表解读错误而导致的医疗失误，对提高医疗服务质量具有重要的推动作用。
