MétaCan
Menu
Retour à la cohorte
Enregistrement W2795715142 · doi:10.1016/j.ijchp.2018.03.001

A case-controlled field study evaluating ICD-11 proposals for relational problems and intimate partner violence

2018· article· en· W2795715142 sur OpenAlexaff
Richard E. Heyman, Cary S. Kogan, Heather M. Foran, Samantha C. Burns, Amy M. Smith Slep, Alexandra K. Wojda, Jared W. Keeley, Tahilia J. Rebello, Geoffrey M. Reed

Notice bibliographique

RevueInternational Journal of Clinical and Health Psychology · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesWorld Health Organization
Mots-clésMental healthPsychologyOperationalizationNeglectDomestic violenceICD-10Clinical psychologyVignettePsychiatryMedical diagnosisSuicide preventionPoison controlMedicineSocial psychologyMedical emergency

Résumé

récupéré en direct d'OpenAlex

Background/Objective: Intimate partner relationship problems and intimate partner abuse and neglect — referred to in this paper as “relational problems and maltreatment” — have substantial and well-documented impact on both physical and mental health. However, classification guidelines, such as those found in the International Classification of Diseases (ICD-10), are vague and unlikely to support consistent application. Revised guidelines proposed for ICD-11 are much more operationalized. We used standardized clinical vignette conditions with an international panel of clinicians to test if ICD-11 changes resulted in improved classification accuracy. Method: English-speaking mental health professionals (N = 738) from 65 nations applied ICD-10 or ICD-11 (proposed) guidelines with experimentally manipulated case presentations of presence or absence of (a) individual mental health diagnoses and (b) relational problems or maltreatment. Results: ICD-11, compared with ICD-10, guidelines resulted in significantly better classification accuracy, although only in the presence of co-morbid mental health problems. Clinician factors (e. g., gender, language, world region) largely did not impact classification performance. Conclusions: Despite being considerably more explicated, raters’ performance with ICD-11 guidelines reveals training issues that should be addressed prior to the release of ICD-11 in 2018 (e. g., overriding the guidelines with pre-existing archetypes for relationship problems and physical and psychological abuse). Antecedentes/Objetivo: Los problemas en la relación de pareja y relacionados con abuso y negligencia de pareja, referidos como “problemas relacionales y maltrato”, tienen un importante impacto en la salud física y mental. Sin embargo, guías de clasificación, como la Clasificación Internacional de Enfermedades (CIE-10), son vagas y su aplicación es inconsistente. Las guías propuestas por el CIE-11 son más operacionales. Junto con un panel de clínicos, utilizamos viñetas clínicas estandarizadas, para evaluar si los cambios propuestos por CIE-11 mejoraban la precisión de la clasificación. Método: Profesionales de la salud de habla inglesa (N=738) de 65 naciones compararon la aplicación del CIE-10 y CIE-11 en casos experimentales, estableciendo presencia o ausencia de (a) diagnósticos individuales de salud mental y (b) problemas de relaciones o maltrato. Resultados: CIE-11 tuvo resultados significativamente más precisos, aunque solo en presencia de comorbilidades de salud mental. Factores como género, idioma y región no presentaron mayor alteración. Conclusiones: Aunque el CIE-11 está mejor explicado, este estudio revela problemas de capacitación que deberían abordarse antes de su publicación en 2018.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,343
Tête enseignante GPT0,614
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Clinical and Health PsychologyMême sujetIntimate Partner and Family ViolenceTravaux en français237 207