MétaCan
Menu
Retour à la cohorte
Enregistrement W4399295615 · doi:10.1111/jep.13998

Dual process models of clinical reasoning: The central role of knowledge in diagnostic expertise

2024· review· en· W4399295615 sur OpenAlexaff
Geoff Norman, Thierry Pelaccia, Peter Wyer, Jonathan Sherbino

Notice bibliographique

RevueJournal of Evaluation in Clinical Practice · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCognitionProcess (computing)Dual process theory (moral psychology)Computer scienceCognitive scienceCognitive psychologyExperiential knowledgeExperiential learningPsychologyCognitive biasDual (grammatical number)EpistemologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

RATIONALE: Research on diagnostic reasoning has been conducted for fifty years or more. There is growing consensus that there are two distinct processes involved in human diagnostic reasoning: System 1, a rapid retrieval of possible diagnostic hypotheses, largely automatic and based to a large part on experiential knowledge, and System 2, a slower, analytical, conscious application of formal knowledge to arrive at a diagnostic conclusion. However, within this broad framework, controversy and disagreement abound. In particular, many authors have suggested that the root cause of diagnostic errors is cognitive biases originating in System 1 and propose that educating learners about the types of cognitive biases and their impact on diagnosis would have a major influence on error reduction. AIMS AND OBJECTIVES: In the present paper, we take issue with these claims. METHOD: We reviewed the literature to examine the extent to which this theoretical model is supported by the evidence. RESULTS: We show that evidence derived from fundamental research in human cognition and studies in clinical medicine challenges the basic assumptions of this theory-that errors arise in System 1 processing as a consequence of cognitive biases, and are corrected by slow, deliberative analytical processing. We claim that, to the contrary, errors derive from both System 1 and System 2 reasoning, that they arise from lack of access to the appropriate knowledge, not from errors of processing, and that the two processes are not essential to the process of diagnostic reasoning. CONCLUSIONS: The two processing modes are better understood as a consequence of the nature of the knowledge retrieved, not as independent processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,003
Études des sciences et des technologies0,0010,019
Communication savante0,0070,015
Science ouverte0,0050,005
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,245
Tête enseignante GPT0,591
Écart entre enseignants0,346 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Evaluation in Clinical PracticeMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207