MétaCan
Menu
Retour à la cohorte
Enregistrement W2741148953 · doi:10.1097/acm.0000000000001794

More on the Causes of Errors in Clinical Reasoning

2017· letter· en· W2741148953 sur OpenAlexaffabout
Pat Croskerry

Notice bibliographique

RevueAcademic Medicine · 2017
Typeletter
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCognitive biasCognitionConfirmation biasPsychologyNormativeRationalityCognitive psychologyPerspective (graphical)OddsIrrational numberScrutinyDebiasingSocial psychologyPositive economicsEpistemologyMedicineLawPsychiatryPolitical scienceComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

To the Editor: The Perspective by Norman and colleagues1 is at odds with the literature on rationality in decision making. Efforts to devalue cognitive bias by claiming the effects have only been demonstrated in undergraduates should be put to rest. Leading cognitive scientists describe such claims as “nonsense,”2 and Kahneman himself dismissed the notion as “cartoonish.”3 Widespread deviations from normative decision making, experimentally demonstrated over the last 40 years, have been replicated many times over in representative populations.2 Cognitive biases are real, abundant, and a major problem in clinical decision making. To deny their existence is irrational. Early in the article a straw man is erected by attributing clinical reasoning errors to either a lack of medical knowledge or to cognitive bias. Several studies have found cognitive failings are more likely due to how physicians think rather than what they know, and most clinicians confirm this is what happens in practice. Throughout the article, findings from a variety of studies are interpreted in a biased fashion. Demonstrations of the impact of cognitive bias on medical decision making are minimized or ignored. Major reviews are omitted, and there is a puzzling acquiescence by coauthors to discount their own published demonstrations of cognitive biases. The potential of cognitive bias mitigation (CBM) strategies is also minimized, and erroneous statements are made. An article of mine is cited to support their statement that “evidence is consistent in demonstrating that such strategies have no or limited effectiveness.”1 In fact, I was saying the opposite. In contrast to the view presented in this Perspective,1 a recent systematic review of 28 studies in CBM and dual process thinking led the authors to conclude, “Results to date are promising and this relatively young field is now close to a point where these kinds of cognitive interventions can be recommended to educators.”4 To delay this important initiative to reduce diagnostic failure would be unconscionable and unethical. Pat Croskerry, MD, PhDProfessor, Department of Emergency Medicine, Dalhousie University, Halifax, Nova Scotia, Canada; [email protected]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,115
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,115
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,004
Communication savante0,0060,010
Science ouverte0,0040,002
Intégrité de la recherche0,0200,025
Charge utile insuffisante (le modèle a refusé de juger)0,0190,005

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,452
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207