Evidence‐informed person‐centered healthcare part I: Do ‘cognitive biases plus’ at organizational levels influence quality of evidence?
Notice bibliographique
Résumé
INTRODUCTION: There is increasing concern about the unreliability of much of health care evidence, especially in its application to individuals. HYPOTHESIS: Cognitive biases, financial and non-financial conflicts of interest, and ethical violations (which, together with fallacies, we collectively refer to as 'cognitive biases plus') at the levels of individuals and organizations involved in health care undermine the evidence that informs person-centred care. METHODS: This study used qualitative review of the pertinent literature from basic, medical and social sciences, ethics, philosophy, law etc. RESULTS: Financial conflicts of interest (primarily industry related) have become systemic in several organizations that influence health care evidence. There is also plausible evidence for non-financial conflicts of interest, especially in academic organizations. Financial and non-financial conflicts of interest frequently result in self-serving bias. Self-serving bias can lead to self-deception and rationalization of actions that entrench self-serving behaviour, both potentially resulting in unethical acts. Individuals and organizations are also susceptible to other cognitive biases. Qualitative evidence suggests that 'cognitive biases plus' can erode the quality of evidence. CONCLUSIONS: 'Cognitive biases plus' are hard wired, primarily at the unconscious level, and the resulting behaviours are not easily corrected. Social behavioural researchers advocate multi-pronged measures in similar situations: (i) abolish incentives that spawn self-serving bias; (ii) enforce severe deterrents for breaches of conduct; (iii) value integrity; (iv) strengthen self-awareness; and (v) design curricula especially at the trainee level to promote awareness of consequences to society. Virtuous professionals and organizations are essential to fulfil the vision for high-quality individualized health care globally.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | medium |
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,390 | 0,712 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,027 |
| Communication savante | 0,020 | 0,019 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».