MétaCan
Menu
Retour à la cohorte
Enregistrement W3143575090 · doi:10.1136/bcr-2020-240462

Avoiding anchoring bias in unexplained chronic pain: an unexpected diagnosis of synovial osteochondromatosis

2021· article· en· W3143575090 sur OpenAlexaff
Rehana Murani, Ranita Harpreet Kaur Manocha

Notice bibliographique

RevueBMJ Case Reports · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal synovial abnormalities and treatments
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical diagnosisReferralPhysical examinationClinical historyAnchoringIntensive care medicinePhysical therapySurgeryRadiologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Unconscious biases may influence clinical decision making, leading to diagnostic error. Anchoring bias occurs when a physician relies too heavily on the initial data received. We present a 57-year-old man with a 3-year history of unexplained right thigh pain who was referred to a physiatry clinic for suggestions on managing presumed non-organic pain. The patient had previously been assessed by numerous specialists and had undergone several imaging investigations, with no identifiable cause for his pain. Physical examination was challenging and there were several 'yellow flags' on history. A thorough reconsideration of the possible diagnoses led to the discovery of hip synovial osteochondromatosis as the cause for his symptoms. Over-reliance on the referral information may have led to this diagnosis being missed. In patients with unexplained pain, it is important to be aware of anchoring bias in order to avoid missing rare diagnoses.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,317
Écart entre enseignants0,275 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Case ReportsMême sujetMusculoskeletal synovial abnormalities and treatmentsTravaux en français237 207