Unwanted patients and unwanted diagnostic errors
Notice bibliographique
Résumé
Real people have real emotions that motivate their thinking. For example, the hopes of having a child can lead women with infertility to undergo courses of intense hormonal treatments and the fear of dying can lead men with prostate cancer to undergo surgical castration.1 Much of the attention towards advanced directives and discussions about goals of care are intended to document and legitimize a patient's emotions related to death and dying. Indeed, guidelines for physician-aided-dying suggest that a patient's emotions are sometimes more important than life itself.2 In contrast, the emotions of a physician are usually considered as unwanted intrusions into medical decision-making that have no legitimate relevance. Psychiatrists use the term ‘countertransference’ to denote a psychotherapist's emotions towards a patient. The basic concept is that a physician's own feelings may become entangled in the doctor–patient relationship and lead to missed diagnoses and ineffective care. Sigmund Freud first popularised the concept about a century ago emphasising how a physician's unconscious thoughts might include latent hostility or erotic feelings towards a patient.3 Different authorities over subsequent decades have also confirmed that countertransference is an undesirable but unavoidable component of medical diagnosis and treatment. The importance of these potentially disruptive physician emotions, however, is hard to judge in the absence of objective data. Schmidt et al present two articles testing whether disruptive patient behaviours might provoke unhelpful physician emotions and thereby decrease a physician's diagnostic accuracy.4 ,5 The studies involve clinical scenarios eliciting diagnostic judgements. Each scenario appeared in either a ‘negative’ or a ‘neutral’ version depending on changing a few fragments of text. The negative version described the patient with unpleasant features such as “He is angry about the long waiting time and starts speaking harshly …”. The neutral version described the same patient with innocuous …
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 | 0,002 | 0,232 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,002 |
| 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 ».