Herding-like behaviour in medical decision making: An experimental study investigating general practitioners’ prescription behaviour
Notice bibliographique
Résumé
Previous observational studies have indicated that social influences, such as arising from herding-like behaviour, can contribute to medical errors. In this study, we experimentally examined whether general practitioners (GPs) would follow incorrect prescription recommendations from fellow GP or specialists. To investigate this, we conducted an online survey with 475 GPs practicing in England that included two case vignettes. Case vignette 1 focused on sleeping tablets, and case vignette 2 was centred around antibiotics. The vignettes were presented in random order, and within each vignette, study participants were assigned to one of three experimental conditions: control condition (lacking peer recommendation), fellow GP condition (including a recommendation from a fellow GP not aligned with best practice clinical guidelines), or specialist condition (including a recommendation from a specialist not aligned with best practice clinical guidelines). The primary outcome measure was the proportion of GPs who prescribed medication that deviated from best practice clinical guidelines. We found that, in both case vignettes, the percentage of respondents prescribing such medication was highest in those assigned to the specialist condition, followed by those assigned to the control condition. It was lowest in those assigned to the fellow GP condition (case vignette 1: 73.8% vs. 55.6% vs. 36.6% and case vignette 2: 24.0% vs. 12.4% vs. 10.1%). In the case of vignette 1, the difference between the fellow GP condition and the control condition is statistically significant, suggesting that GPs are less likely to prescribe sleeping tablets when recommended by a fellow GP. This implies that GPs are more inclined to prescribe non-guideline-recommended medication when advised by specialists. This study is the first to experimentally demonstrate that physician herding behaviour can result in prescription errors. Future research could extend this inquiry to diverse contexts, including diagnosis.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».