Herding: a new phenomenon affecting medical decision-making in multiple sclerosis care? Lessons learned from DIScUTIR MS
Notice bibliographique
Résumé
PURPOSE: Herding is a phenomenon by which individuals follow the behavior of others rather than deciding independently on the basis of their own private information. A herding-like phenomenon can occur in multiple sclerosis (MS) when a neurologist follows a therapeutic recommendation by a colleague even though it is not supported by best practice clinical guidelines. Limited information is currently available on the role of herding in medical care. The objective of this study was to determine the prevalence (and its associated factors) of herding in the management of MS. METHODS: We conducted a study among neurologists with expertise in MS care throughout Spain. Participants answered questions regarding the management of 20 case scenarios commonly encountered in clinical practice and completed 3 surveys and 4 experimental paradigms based on behavioral economics. The herding experiment consisted of a case scenario of a 40-year-old woman who has been stable for 3 years on subcutaneous interferon and developed a self-limited neurological event. There were no new magnetic resonance imaging (MRI) lesions. Her neurological examination and disability scores were unchanged. She was advised by an MS neurologist to switch from interferon to fingolimod against best practice guidelines. Multivariable logistic regression analysis was conducted to evaluate factors associated with herding. RESULTS: =0.12). In multivariate analyses, the number of MS patients seen per week was positively associated with herding (odds ratio [OR] 1.08, 95% CI 1.01-1.14). Conversely, physician's age, gender, years of practice, setting of practice, or risk preferences were not associated with herding. CONCLUSION: Herding was a common phenomenon affecting nearly 8 out of 10 neurologists caring for MS patients. Herding may affect medical decisions and lead to poorer outcomes in the management of MS.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».