A Critical Examination of the Clinical Diagnosis of Functional Tic‐like Behaviors
Notice bibliographique
Résumé
BACKGROUND: Since the COVID-19 pandemic, movement disorder clinics have seen an increase in patients with an unusual type of tic-like symptoms: young adults with abrupt onset complex behaviors. It was quickly suspected that these patients suffered from functional neurological symptoms, later named Functional Tic-Like Behaviors (FTLB). Subsequent research on the differential diagnosis between FTLB and tics has been substantial and led to the development of diagnostic checklists. OBJECTIVES: We conducted a theoretical reappraisal of the FTLB literature to clarify the validity of the concept and its diagnostic implications. METHODS: This paper addresses several key aspects of the current FTLB literature: circular reasoning, the complications of the FTLB phenomenology and demographics, the impact of FTLB on tic literature at large, and issues with alignment of the FTLB concept with the diagnostic criteria for functional disorders. RESULTS: The clinical approach to FTLB might involve circular reasoning due to a lack of clinical benchmarks. The FTLB phenomenology and demographics may need more work to ensure a lack of bias and a proper description of this patient group including a clear distinction from tics. The impact of the FTLB discussion on the wider literature needs consideration. The validation of positive signs may help with both these endeavors and pave way to the inclusion of FTLB within psychiatric classification systems. Furthermore, the coexistence of FTLB and tics within the same patient needs to be addressed. CONCLUSION: More research may be needed to fully establish the diagnosis of FTLB and differentiate it from tics.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».