Preventing overdiagnosis and the harms of too much sport and exercise medicine
Notice bibliographique
Résumé
Do I really need this test, treatment or procedure? What are the downsides? What happens if I do nothing? And are there simpler, safer options? These four questions, promoted by Choosing Wisely Canada, featured prominently at the two 2018 conferences, Too Much Medicine in Helsinki, Finland (figure 1), and the sixth annual Preventing Overdiagnosis conference in Copenhagen, Denmark. Over 600 of the world’s leading researchers and thinkers in preventing overdiagnosis came together for two weeks in August 2018 to highlight the problems caused by medical excess and to identify evidence-informed practices to wind back the harms of too much medicine. Figure 1 You can review highlights from the Too Much Medicine symposium on Twitter @TooMuchMed. This education review aims to bring the sport and exercise medicine reader up to date on this topic. An expanded version with additional references and resources is provided in the online supplementary file. ### Supplementary data [bjsports-2018-100039supp001.docx] Too many people are being overdiagnosed, leading to overtreatment and wasted resources that could be better spent preventing or treating genuine illness. While debates about its definition continue, narrowly defined, overdiagnosis refers to deviations, abnormalities, risk factors and pathologies that would never cause symptoms or early death. It relates to problems of overmedicalisation and disease mongering, resulting in what one keynote speaker described as a ‘tsunami of overtreatment’. As a review in BMJ discovered1 (figure 2), many factors drive overdiagnosis and cause harm, including cultural beliefs that ‘more is better’, financial incentives, expanding disease definitions and lowering treatment thresholds. While clinicians have been, and will forever be, challenged to balance Hippocratic notions of beneficence and non-maleficence, the scales are heavily tipped by the underlying influence of industry—such as Big Pharma, divisions of the media more interested in promotion than journalism, and medical journals serving professional rather than public interest. Attempting to summarise discussions …
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 | 0,013 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».