Dual Diagnosis or Dual Confusion: Limitations When Utilizing Non-specialist Clinical Data
Notice bibliographique
Résumé
In this paper, we review challenges encountered when utilizing clinical data collected from non-specialists about persons with intellectual disabilities and psychiatric disorders. We draw on our experience with a dataset of adult inpatients and outpatients drawn from the nine psychiatric hospitals in Ontario (see Lunsky et al., 2003). First we discuss the problem of identifying patients with intellectual disabilities based on standard information collected in hospitals. Many hospitals categorize their patients by primary or secondary diagnosis only, so that a co-existing intellectual disability may or may not be recorded. Then we discuss problems related to the accuracy of psychiatric diagnoses made by individuals with limited training with the population. We found major differences in diagnostic patterns between specialized dual diagnosis programs and more generic programs. We conclude the paper with the argument that it is important to study dual diagnosis not just within the population of persons with intellectual disabilities but also within the broader mental health system. Doing so, however, can lead to problems as such data has its limitations. Dual diagnosis generally refers to persons with intellectual disabilities and mental health disorders. The majority of dual diagnosis research is published in intellectual disability journals and is either descriptive in nature or is a comparison of intellectually disabled people with and without mental health problems. There are significantly fewer studies that compare individuals with dual diagnosis to individuals who have psychiatric disorders but no intellectual disabilities. Such research is essential because it allows us to directly compare symptoms, patient characteristics and treatment outcomes of those with dual diagnosis to the general population with mental health
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 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 | 0,178 | 0,469 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,020 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».