Distinctiveness of disease prototypes in lay illness diagnosis: An exploratory observational study
Notice bibliographique
Résumé
Research on disease prototypes has revealed that lay illness diagnosis is influenced by symptom typicality, suggesting that it represents a "prototype-matching process". This study further investigates the role of disease prototypes by examining associations of prototype distinctiveness with diagnostic expectancies. One hundred and eight lay participants rated the typicality of 30 symptoms for nine common physical diseases. On this basis, two structural features of individual disease prototypes were calculated: (a) distinctiveness, that is, the dissimilarity of a prototype relative to the others (Euclidean distance measure), and (b) richness, that is, the sum of symptoms' typicality. Moreover, prototype confidence and illness experience were assessed. Finally, as a proxy to diagnostic behaviour, diagnostic expectancies, that is, prospective beliefs actually to diagnose a disease when experiencing relevant symptoms, were measured. Multiple regression analyses revealed prototype confidence as strongest predictor of diagnostic expectancies. However, positive and partly significant associations were also found with prototype distinctiveness on all levels of data aggregation (disease-specific, disease-cluster-specific, and overall). Results are discussed as to their implications for studies in lay illness diagnosis and designing health education materials. Specifically, it is concluded that such materials should include symptomatic information not only as to symptoms' typicality, but also their distinctiveness, that is, information aiding in distinguishing different diseases.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».