Methods of Detecting Malingering and Estimated Symptom Exaggeration Base Rates in Australia
Notice bibliographique
Résumé
Abstract Neuropsychology malingering base rates have not been widely investigated in Australia. Estimates in North America vary with as many as 4 in 10 people evaluated for personal injury or compensation cases suspected of exaggerating symptoms. Data on Australian neuro-psychology symptom exaggeration base rates were estimated using a modified and expanded version of a survey previously designed for this purpose (Mittenberg, Patton, Canyock, & Condit, 2002). Figures were based on an estimated 1818 annual cases involved in personal injury (n = 542), disability (n = 109), criminal (n = 108), or medical (n = 1059) matters. Symptom exaggeration base rates associated with referral type and diagnoses were variable. Specifically, 17% of criminal, 13% of personal injury, 13% of disability or workers compensation, and 4% of medical or psychiatric cases were reported to involve symptom exaggeration or probable symptom exaggeration. The highest rates of symptom exaggeration included cases referred for mild head injury (23%), pain or somatoform disorders (15%), moderate to severe head injury (15%), and fibromyalgia or chronic fatigue (15%). Overall, Australian symptom exaggeration base rates reported in this study were lower compared with base rates previously reported in North America.
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
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».