MétaCan
Menu
Retour à la cohorte
Enregistrement W2981877078 · doi:10.1097/acm.0000000000002797

In Reply to Eichbaum

2019· letter· en· W2981877078 sur OpenAlexaffabout
Geoffrey R. Norman, Henk G. Schmidt, Jonathan S. Ilgen

Notice bibliographique

RevueAcademic Medicine · 2019
Typeletter
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensImpactMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDebiasingHindsight biasPsychologyCognitive biasPerspective (graphical)Confirmation biasExperiential learningMetacognitionMalpracticeCognitionCognitive psychologyOverconfidence effectCredibilitySocial psychologyEpistemologyComputer sciencePsychiatryPedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

We thank Dr. Eichbaum for the opportunity to elaborate on some of the points we raised in our Perspective. Dr. Eichbaum claims that there is little evidence that errors are caused by knowledge gaps. Actually, several studies demonstrate a relationship between measures of knowledge (indicated by board exam scores) and peer review in practice,1 malpractice claims,2 and coronary care mortality.3 Dr. Eichbaum claims that experience “encompasses the gradual acquisition of complex skills and attributes, such as the metacognitive capacity to monitor and regulate one’s own thinking [and emotions].” Conspicuously absent is evidence to justify this claim. We believe that experience is critically important because it involves a different kind of experiential knowledge, not because it enhances “metacognitive capacity.” Dr. Eichbaum then takes issue with our reliance on written case protocols, failing to mention that much of the evidence used to argue that cognitive biases cause diagnostic errors is also from written cases. Other evidence of cognitive bias comes from retrospective reviews, but these findings are compromised in that reviewers show zero agreement in identifying such biases, and hindsight bias causes them to systematically overestimate the presence of cognitive bias.4 Faced with the absence of evidence that debiasing strategies have any impact on diagnostic errors, Dr. Eichbaum takes refuge in the claim that “debiasing strategies are … difficult to test under general experimental conditions.” Perhaps that is why he finds it necessary to customize instruction to specific contexts. If physicians have to show specific clinical examples of bias to reduce errors in those contexts, that sounds like knowledge to us. No doubt this topic could use more research; for the moment, we remain content with Dr. Eichbaum’s tacit admission that there is no evidence debiasing strategies work. Geoffrey Norman, PhDEmeritus professor, Department of Health Methodology, Evidence and Impact, McMaster University, Hamilton, Ontario, Canada; [email protected]Henk G. Schmidt, PhDProfessor, Department of Psychology, Erasmus University, Rotterdam, the Netherlands.Jonathan S. Ilgen, MDAssociate professor, Department of Emergency Medicine, University of Washington, Seattle, Washington.

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)0,009
score de la tête « metaresearch » (Gemma)0,079
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 enseignants0,030
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0050,011
Science ouverte0,0040,004
Intégrité de la recherche0,0300,075
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,048
Tête enseignante GPT0,390
Écart entre enseignants0,342 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207