New diagnosis in psychiatry: beyond heuristics
Notice bibliographique
Résumé
BACKGROUND: Diagnosis in psychiatry faces familiar challenges. Validity and utility remain elusive, and confusion regarding the fluid and arbitrary border between mental health and illness is increasing. The mainstream strategy has been conservative and iterative, retaining current nosology until something better emerges. However, this has led to stagnation. New conceptual frameworks are urgently required to catalyze a genuine paradigm shift. METHODS: We outline candidate strategies that could pave the way for such a paradigm shift. These include the Research Domain Criteria (RDoC), the Hierarchical Taxonomy of Psychopathology (HiTOP), and Clinical Staging, which all promote a blend of dimensional and categorical approaches. RESULTS: These alternative still heuristic transdiagnostic models provide varying levels of clinical and research utility. RDoC was intended to provide a framework to reorient research beyond the constraints of DSM. HiTOP began as a nosology derived from statistical methods and is now pursuing clinical utility. Clinical Staging aims to both expand the scope and refine the utility of diagnosis by the inclusion of the dimension of timing. None is yet fit for purpose. Yet they are relatively complementary, and it may be possible for them to operate as an ecosystem. Time will tell whether they have the capacity singly or jointly to deliver a paradigm shift. CONCLUSIONS: Several heuristic models have been developed that separately or synergistically build infrastructure to enable new transdiagnostic research to define the structure, development, and mechanisms of mental disorders, to guide treatment and better meet the needs of patients, policymakers, and society.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».