Neurologists' understanding and management of conversion disorder
Notice bibliographique
Résumé
BACKGROUND: Conversion disorder is largely managed by neurologists, for whom it presents great challenges to understanding and management. This study aimed to quantify these challenges, examining how neurologists understand conversion disorder, and what they tell their patients. METHODS: A postal survey of all consultant neurologists in the UK registered with the Association of British Neurologists. RESULTS: 349 of 591 practising consultant neurologists completed the survey. They saw conversion disorder commonly. While they endorsed psychological models for conversion, they diagnosed it according to features of the clinical presentation, most importantly inconsistency and abnormal illness behaviour. Most of the respondents saw feigning as entangled with conversion disorder, with a minority seeing one as a variant of the other. They were quite willing to discuss psychological factors as long as the patient was receptive but were generally unwilling to discuss feigning even though they saw it as their responsibility. Those who favoured models in terms of feigning were older, while younger, female neurologists preferred psychological models, believed conversion would one day be understood neurologically and found communicating with their conversion patients easier than it had been in the past. DISCUSSION: Neurologists accept psychological models for conversion disorder but do not employ them in their diagnosis; they do not see conversion as clearly different from feigning. This may be changing as younger, female neurologists endorse psychological views more clearly and find it easier to discuss with their patients.
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 | 0,000 | 0,000 |
| 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 ».