Diagnostic overshadowing in systemic lupus erythematosus (SLE): A qualitative study
Notice bibliographique
Résumé
Objectives SLE diagnostic journeys can be protracted, with negative impacts on long-term health. This study explored the role of diagnostic overshadowing (DOS) in delaying SLE diagnoses. Methods A qualitative analysis of 268 completed SLE patient surveys and 25 in-depth interviews purposively selected from the 2018-2021 Cambridge University Systemic Autoimmune Rheumatic Disease (SARD) studies. Results The majority of participants appear to have experienced DOS and there were indications that sustained DOS (S-DOS) may add years to some SLE diagnostic journeys. Symptom misattributions which contributed to S-DOS included: (1) “ Medical mystery ”, particularly when the clinician indicated that it was too expensive to keep investigating. (2) Negative misattributions (e.g. “nothing seriously wrong”), often due to a failure to connect multiple symptoms as possible indicators of an underlying condition. (3 ) Diagnostic roadblocks, including, in the case of some participants, a mental health, psychosomatic, ME/CFS or fibromyalgia (mis)diagnosis. (4) Moral misattributions, such as to “malingering”, which could undermine patient help-seeking and/or clinician help-giving. Conclusion Our data suggests that DOS may be an important factor in diagnostic delay in patients with SLE.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».