Dedução, Indução e a Arte do Raciocínio Clínico na Educação Médica: Revisão Sistemática e Proposta Bayesiana
Notice bibliographique
Résumé
BACKGROUND: Clinical reasoning is at the core of medical practice and entangled in a conceptual confusion. The duality theory in probability allows to evaluate its objective and subjective aspects. OBJECTIVES: To conduct a systematic review of the literature about clinical reasoning in decision making in medical education and to propose a "reasoning based on the Bayesian rule" (RBBR). METHODS: A systematic review on PubMed was conducted (until February 27, 2022), following a strict methodology, by a researcher experienced in systematic review. The RBBR, presented in the discussion section, was constructed in his undergraduate dissertation in Philosophy at Minas Gerais Federal University. Heart failure was used as example. RESULTS: Of 3,340 articles retrieved, 154 were included: 24 discussing the uncertainty condition, 87 on vague concepts (case discussion, heuristics, list of cognitive biases, choosing wisely) subsumed under the term "art", and 43 discussing the general idea of inductive or deductive reasoning. RBBR provides coherence and reproducibility rules, inference under uncertainty, and learning rule, and can incorporate those vague terms classified as "art", arguments and evidence, from a subjective perspective about probability. CONCLUSIONS: This systematic review shows that reasoning is grounded in uncertainty, predominantly probabilistic, and reviews possible errors of the hypothetico-deductive reasoning. RBBR is a two-step probabilistic reasoning that can be taught. The Bayes theorem is a linguistic tool, a general rule of reasoning, diagnosis, scientific communication and review of medical knowledge according to new evidence.
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 | 0,063 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».