MétaCan
Menu
Retour à la cohorte
Enregistrement W3114496789

The New Medical Model: Chronic Disease and Evidence-based Medicine

2016· dissertation· en· W3114496789 sur OpenAlexfundno aff
Jonathan Fuller

Notice bibliographique

RevueTSpace (University of Toronto) · 2016
Typedissertation
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of California, San DiegoUniversity of Toronto
Mots-clésMedicineData scienceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the traditional medical model, physicians cure acute diseases using knowledge from the basic biomedical sciences. With the rise of chronic disease and evidence-based medicine (EBM) in the second half of the Twentieth Century, ‘the new medical model’ emerged. In the new medical model, physicians prevent or manage chronic diseases using the principles of EBM. Chronic diseases and EBM have created a host of daunting problems for modern medicine. In this thesis dissertation, my Central Aim is a philosophical analysis of chronic disease and of EBM, especially concerning treatment and prevention. I also maintain a Central Thesis: many practical problems in chronic disease care and in EBM are intimately connected to conceptual, metaphysical and epistemic problems. The practical problems include: reductionism; fractured care; multifactorialism; the growing burden of chronic diseases; treatment effect heterogeneity, treatment futility and treatment harm; cookbook medicine; the tyranny of aggregate outcomes; RCT worship; unrepresentative trials; and multimorbidity. The philosophical problems I explore are the following. In Chapter 2, I examine the nature of chronic diseases and advance a metaphysical account in which chronic diseases are bodily properties. In Chapter 3, I re-examine existing models of disease classification and argue for a new descriptive model (the ‘constitutive model’) as well as a new guiding principle for disease prevention (‘the monomechanism ideal’). In Chapter 4, I develop a general account of why mechanistic models often fail to predict the results of medical interventions. In Chapter 5, I reconstruct the standard model of prediction in medicine, the ‘Risk Generalization-Particularization (Risk GP) Model’. In Chapter 6, I develop a theory of causal inference in comparative group studies that illuminates the roles of randomization, confounders and causes. Finally, in Chapter 7 I show why EBM’s preferred approach to generalizing trial results, ‘simple extrapolation’, is a deeply problematic solution to the problem of extrapolation. Throughout the ongoing discussion, we indeed find that many practical problems in modern medicine are tangled up with philosophical problems. It will require both medical and philosophical wisdom to unravel them.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0410,000

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 Opus0,069
Tête enseignante GPT0,431
Écart entre enseignants0,362 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetObesity and Health PracticesTravaux en français237 207