Challenging cognitive cases among physician populations: case vignettes and recommendations
Notice bibliographique
Résumé
BACKGROUND: Physicians are not immune to cognitive impairment. Because of the risks created by practising doctors with these issues, some have suggested developing objective, population-specific measures of evaluation and screening guidelines to assess dysfunction. However, there is very little published information from which to construct such resources. AIMS: To highlight the presentation characteristics and provide evaluation recommendations specific to the needs of physicians with actual or presumed cognitive impairment. METHODS: A retrospective database and chart review of cognitively impaired doctors who presented to a physician health programme (PHP). Complex cases were highlighted using simple descriptives and clinical vignettes. RESULTS: A total of 124 cases were included. Clients presented with a variety of issues other than cognitive concerns. We identified four principal domains of impairment: (i) diseases of (or in) the brain (48%); (ii) mood/ anxiety disorders or treatment side effects (28%); (iii) substance use (9%) and (iv) traumatic brain injury (7%). Age was not a good predictor of impairment and brief screening using the Montreal Cognitive Assessment demonstrated a ceiling effect with this cohort. Although many clients underwent some type of professional or personal transition, impairment did not necessarily indicate worse functioning after care. CONCLUSIONS: Physician cognitive evaluations should consider a variety of secondary sources of information, particularly vocational performance reports. It may take time before cognitive impairment can be diagnosed or ruled-out in this population. Prior assumptions, especially for non-cognitive referrals, can lead to inaccurate diagnosis and referrals. PHPs must manage cognitive cases carefully, not only in their clinical complexity but also in their psychosocial aspects.
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 | 0,002 |
| 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) | 0,001 | 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 ».