Decision making under uncertainty, therapeutic inertia, and physicians’ risk preferences in the management of multiple sclerosis (DIScUTIR MS)
Notice bibliographique
Résumé
BACKGROUND: The management of multiple sclerosis (MS) is rapidly changing by the introduction of new and more effective disease-modifying agents. The importance of risk stratification was confirmed by results on disease progression predicted by different risk score systems. Despite these advances, we know very little about medical decisions under uncertainty in the management of MS. The goal of this study is to i) identify whether overconfidence, tolerance to risk/uncertainty, herding influence medical decisions, and ii) to evaluate the frequency of therapeutic inertia (defined as lack of treatment initiation or intensification in patients not at goals of care) and its predisposing factors in the management of MS. METHODS/DESIGN: This is a prospective study comprising a combination of case-vignettes and surveys and experiments from Neuroeconomics/behavioral economics to identify cognitive distortions associated with medical decisions and therapeutic inertia. Participants include MS fellows and MS experts from across Spain. Each participant will receive an individual link using Qualtrics platform(©) that includes 20 case-vignettes, 3 surveys, and 4 behavioral experiments. The total time for completing the study is approximately 30-35 min. Case vignettes were selected to be representative of common clinical encounters in MS practice. Surveys and experiments include standardized test to measure overconfidence, aversion to risk and ambiguity, herding (following colleague's suggestions even when not supported by the evidence), physicians' reactions to uncertainty, and questions from the Socio-Economic Panel Study (SOEP) related to risk preferences in different domains. By applying three different MS score criteria (modified Rio, EMA, Prosperini's scheme) we take into account physicians' differences in escalating therapy when evaluating medical decisions across case-vignettes. CONCLUSIONS: The present study applies an innovative approach by combining tools to assess medical decisions with experiments from Neuroeconomics that applies to common scenarios in MS care. Our results will help advance the field by providing a better understanding on the influence of cognitive factors (e.g., overconfidence, aversion to risk and uncertainty, herding) on medical decisions and therapeutic inertia in the management of MS which could lead to better outcomes.
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».