Effects of Patient Gender on Clinicians’ Diagnostic Assessment of Youth Disruptive Mood and Behavior
Notice bibliographique
Résumé
OBJECTIVE: Youth disruptive behavior disorders (DBDs) have a male preponderance, but the extent to which gender biases in clinical assessment influence this imbalance remains unclear. The present study investigates whether a child patient's gender affects clinicians' diagnostic decision-making regarding Oppositional Defiant Disorder (ODD), Conduct Dissocial Disorder (CDD), and Intermittent Explosive Disorder (IED). METHOD: = 11.09) participated in a global ICD-11 field study. Following an experimental design, participants were asked to use ICD-10 or ICD-11 diagnostic guidelines to evaluate two clinical case vignettes, randomly manipulating the patients' gender (boy, girl) and symptom presentation (ODD-Defiant, ODD-Irritable, CDD, IED). Analyses tested whether clinicians' diagnostic accuracy and perceptions of impairment and severity were affected by the patient's gender. RESULTS: s| = 0.04-0.19). This pattern of nonsignificant differences and negligible/small effect sizes was consistent across all clinical presentations and analyses. CONCLUSIONS: We found no evidence of an association between patient gender, diagnostic accuracy, or perceived severity or impairment when assessing youth DBDs in the present study. Results suggest that diagnostic judgments may be driven by clinical presentation rather than gender and that the male DBD preponderance may not be due to gender diagnostic biases. Further research is needed to replicate these findings among youths in clinical settings, with diverse gender identities, and with other mental health conditions.
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 | 0,023 | 0,122 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».