Defining and Evaluating Overdiagnosis in Mental Health: A Meta-Research Review
Notice bibliographique
Résumé
BACKGROUND: Overdiagnosis is thought to be common in some mental disorders, but it has not been defined or examined systematically. Assessing overdiagnosis in mental health requires a consistently applied definition that differentiates overdiagnosis from other problems (e.g., misdiagnosis), as well as methods for quantification. OBJECTIVES: Our objectives were to (1) describe how the term "overdiagnosis" has been defined explicitly or implicitly in published articles on mental disorders, including usages consistent (overdefinition, overdetection) and inconsistent (misdiagnosis, false-positive test results, overtreatment, overtesting) with accepted definitions of overdiagnosis; and (2) identify examples of attempts to quantify overdiagnosis. METHOD: We searchedPubMed through January 5, 2019. Articles on mental disorders, excluding neurocognitive disorders, were eligible if they usedthe term "overdiagnosis" in the title, abstract, or text. RESULTS: We identified 164 eligible articles with 193 total explicit or implicit uses of the term "overdiagnosis." Of 9 articles with an explicit definition, only one provided a definition that was partially consistent with accepted definitions. Of all uses, 11.4% were consistent, and 76.7% were related to misdiagnosis and thus inconsistent. No attempts to quantify the proportion of patients who were overdiagnosed based on overdetection or overdefinition were identified. CONCLUSIONS: There are few examples of mental health articles that describe overdiagnosis consistent with accepted definitions and no examples of quantifying overdiagnosis based on these definitions. A definition of overdiagnosis based on diagnostic criteria that include people with transient or mild symptoms not amenable to treatment (overdefinition) could be used to quantify the extent of overdiagnosis in mental disorders.
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 | 0,051 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,027 |
| Bibliométrie | 0,016 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».