Influence of familiar features on diagnosis: Instantiated features in an applied setting.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Medical diagnosis can be viewed as a categorization task. There are two mechanisms whereby humans make categorical judgments: "analytical reasoning," based on explicit consideration of features and "nonanalytical reasoning," an unconscious holistic process of matching against prior exemplars. However, there is evidence that prior experience can also operate at the level of individual "instantiated" features (Brooks & Hannah, 2006). The present studies examined instantiated features in medical diagnosis. Four "pseudopsychiatric" conditions, each described by four characteristic features, were taught to undergraduate psychology students. They practiced on additional cases, then were tested on new cases with features from two conditions. In Experiment 1, diagnoses associated with familiar features presented one or three times during practice were assigned a higher probability than those with novel features. Experiment 2 showed that the impact of feature frequency was dependent on its consistency with the case diagnosis. Experiment 3 showed that the effect of feature familiarity was not confined to cases with two equiprobable diagnoses. Experiment 4 showed that the effect remained after a 24 hour delay. These four studies demonstrated that features seen in practice have a greater influence on diagnosis than novel synonyms. In fact, seeing a feature once within the appropriate context (a patient case in which it is a member of the primary diagnosis) was sufficient to form a diagnostic association equivalent to instantiations seen four times in a different context. The results of these studies have implications for theories of categorization and for teaching clinical reasoning.
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.
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) | 0,001 | 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 | 0,001 |
| 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 découle