Symptom Profile of Injured Motorists on the Structured Inventory of Malingered Symptomatology
Notice bibliographique
Résumé
Background: Recent extensive content analyses demonstrated that the items of the Structured Inventory of Malingered Symptomatology (SIMS) have no capacity to differentiate malingerers from legitimate medical patients: all items list or assess legitimate medical symptoms. We examined which SIMS items are the most frequently endorsed by injured motorists. Method: De-identified archival data of 23 survivors (mean age=38.0, SD=12.8) of high impact motor vehicle accidents (MVAs) contained their SIMS scores, their responses to the Brief Pain Inventory, Morin’s Insomnia Severity Index, Rivermead Post-Concussion Symptoms Questionnaire, and to the Post-MVA Neurological Symptoms scale. Results: All SIMS items which were endorsed by more than 43% of the patients in the directions scored by the SIMS as indicative of “malingering” were selected. Twenty-five items met this criterion. On a closer examination, all these 25 items are legitimate psychological and neuropsychological symptoms typically experienced by injured motorists, such as depression, impaired sleep, and postconcussive symptoms (memory and concentration problems, impaired balance) and whiplash symptoms (numbness in the limbs, instances of reduced muscular control over some of the limbs). Discussion and Conclusions: The 25 endorsed items are consistent with the polytraumatic symptom profile of injured patients. In a travesty of psychological assessment, these symptoms are scored in the SIMS as denoting “malingering”.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».