The information distortion bias: implications for medical decisions
Notice bibliographique
Résumé
CONTEXT: Every diagnosis involves an act of decision making, which requires proper evaluation of information. However, even seemingly objective information can require interpretation, often without our conscious awareness. In this cross-cutting edge article we describe the phenomenon of leader-driven information distortion (ID) and its implications for medical education. INFORMATION DISTORTION: Recent research indicates that one threat to good decisions is a biased interpretation of information to favour one alternative course of action over another. Once an alternative emerges as a leader during a decision there is a strong tendency to evaluate subsequent information as supporting that option. This can occur when deciding between two competing diagnoses. It is particularly a concern if diagnostic tests provide potentially ambiguous results. This leader-driven ID is pre-decisional in nature, in that it develops during a decision and involves the interpretation of information available prior to the final decision or diagnosis, with different interpretations possible depending on whichever alternative is the leader. Studies reveal that the distortion bias is pervasive in decisions, and that awareness of the act of distortion is low in decision makers. APPLICATION TO MEDICAL EDUCATION: Empirical research has confirmed the presence of leader-driven ID in hypothetical diagnoses made by physicians. ID creates two threats to medical decisions: First, it can make a diagnosis sticky in that it is resistant to being overturned by contradictory information. Second, it can promote unwarranted certainty in a diagnosis. The outcome may be premature closure, unnecessary testing or incorrect treatment, resulting in delayed or missed diagnoses. METHODS: This paper summarises research related to leader-driven ID in medical and professional decisions and discusses various approaches directed towards reducing ID. A framework and language are provided for thinking about and discussing ID in medical decisions and medical education. Courses of action for mitigating the effects of ID are suggested.
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 | 0,136 | 0,450 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,028 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».