Flawed Studies of SIMS’s Diagnostic Accuracy by Teams of Puente-López and Capilla Ramírez
Notice bibliographique
Résumé
Background: The teams of Puente-López and Capilla Ramírez evaluated diagnostic accuracy of the Structured Inventory of Malingered Symptomatology (SIMS), a test often used to assess malingering by persons injured in motor vehicle accidents (MVAs). Yet all SIMS items represent legitimate medical symptoms, and more than 50% of them are those experienced by severely injured motorists, but they are fallaciously scored as indicative of malingering. Thus, more injured patients with more symptoms obtain higher SIMS scores for malingering. Method: The studies by Puente-López and by Capilla Ramírez were carried out on SIMS scores of injured motorists. The present article assesses the severity of their injuries, as documented by Puente-López and by Capilla Ramírez. Results and Discussion: The study by Capilla Ramírez’s team excluded patients with pathological results on physical examinations, or on X-Rays, EMG, and MRI: thus, only mildly injured motorists were included. The patients of Puente-López had signs of only a mild cervical whiplash. Almost none reported lower back pain or dizziness. Thus, both studies included patients with only mild symptoms that resulted in very low SIMS scores: they scored within the non-malingering range as defined by the SIMS manual. Their scores were below SIMS scores of healthy persons instructed to feign whiplash symptoms from an MVA. The teams of Capilla Ramírez and of Puente-López erroneously interpreted these results as demonstrating diagnostic accuracy of the SIMS for detection of malingering in injured motorists. Conclusions: The two studies of very mildly injured motorists fail to demonstrate “diagnostic accuracy of the SIMS” because the SIMS is mostly used by insurance contracted psychologists on more severely injured MVA patients (those with whiplash and post-concussion syndrome), i.e., those with more symptoms and thus, with higher SIMS scores that fallaciously classify them as “malingerers.”
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 | 0,179 | 0,496 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».