Leading-Digit Bias Influences the Decision to Transfuse Hospitalized Patients
Notice bibliographique
Résumé
Leading-digit bias is a heuristic whereby people overemphasize the left-most digit when evaluating numbers (eg 19.99 vs 20). We hypothesized that leading-digit bias influences the interpretation of hemoglobin (Hb) values and therefore red cell transfusion decisions among hospitalized patients. To test our hypothesis, we examined all inpatient red cell transfusions at the University Health Network from January 2016 to September 2021 (n=226,378 units; 4 months missing). We performed a retrospective analysis of pre-transfusion Hb levels compared the frequency of transfusion at 79 vs. 80 g/L in a quadratic regression discontinuity design. Secondary analysis explored other leading-digit thresholds and Benford numbers served as tracer analyses. All analyses performed using R-Studio Version 4.0.2. Our primary analysis included 9,585 red cell units, of which 1,150 were transfused at Hb=79 and 610 at Hb=80. Regression discontinuity analysis showed the threshold accounted for 572 additional red cell units transfused (p=0.006) (Figure 1). The effect was consistent across all subgroups larger than 5000, present in data with and without exclusions, and absent for Benford numbers. Our study is the first to establish leading-digit bias in red cell transfusion. Our findings might be translated into research utilizing quasi-experimental methodology and inform guidelines for transfusion thresholds. Figure 1. Unadjusted regression discontinuity analysis of pre-transfusion hemoglobin (g/L) comparing transfusion frequency above and below bias threshold Figure 1View largeDownload PPTFigure 1View largeDownload PPT Close modal
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».