Dataverwerkingsstrategieën
Op basis van dezelfde data zijn soms, zeker in het begin, diverse diagnosen mogelijk. Om te komen van diverse, eerste associaties tot die ene, gewenste en robuuste diagnose, kan men verschillende wegen bewandelen, waarvoor men echter altijd eerst enige data moet verzamelen. Dit gebeurt in het begin van het contact daarom doorgaans globaal en oppervlakkig om vervolgens in de loop van het contact steeds verder te worden verfijnd.
Hoe doe ik dat?
Wie van grof naar fijn of van geringe naar intensieve bemoeienis wil werken kan, in oplopende mate van bewerkelijkheid, zijn toevlucht nemen tot:
- patroonherkenning; indien A (en B; gegeven C en D), dan is sprake van X. Met name ervaren hulpverleners kunnen bij een aantal typische klachten feilloos op grond van een dergelijk patroon de juiste diagnose stellen.
- het bevestigen van één diagnose; soms ligt een bepaalde diagnose dusdanig voor de hand dat slechts bevestiging op een enkele parameter nodig is om de gewenste zekerheid te hebben.
- gebruik van algoritmes of beslisbomen; als een bepaald patroon niet onmiddellijk uitsluitsel geeft, kan men het patroon m.b.v. een vast zoekproces dusdanig verfijnen dat uiteindelijk alsnog de juiste diagnose wordt gevonden.
- de sequentieel hypothesetoetsende methode; indien er geen sprake is van een bekende, vaststaande beslisboom om te volgen, kan men die als het ware zelf maken door de meest waarschijnlijke diagnose in de vorm van een hypothese te formuleren en vervolgens trachten deze hypothese afdoende te onderbouwen. Lukt dit niet, dan vervolgt men met de volgende, op één na meest waarschijnlijke diagnose etc.