Doctors can agree: Enhancing interrater reliability of mental health diagnosis among junior psychiatrists using electronic clinician assisting technology
Notice bibliographique
Résumé
Interrater reliability in mental health diagnoses presents significant challenges, hindering consistent patient care. This study investigated the dual impact of clinicians' seniority and the use of an Electronic Medical Records (EMR) integrated Clinical Decision Support System (CDSS) on the diagnostic concordance of Major Depressive Disorder (MDD), Bipolar Disorder (BD), and Schizophrenia (SCZ). Seventy-two psychiatrists were randomly assigned to an EMR-assisted or a non-assisted control group, stratified by seniority. Participants diagnosed three cases based on video-recorded structured clinical interviews, and interrater reliability was assessed using Gwet's AC1. Results showed that seniority was a critical factor, with mid-level psychiatrists demonstrating higher reliability than their low-seniority counterparts. The CDSS intervention also significantly improved concordance. This effect was driven by dramatic improvements for mood disorders. The system's impact was negligible for SCZ, which showed high baseline agreement, and among high-seniority psychiatrists, who achieved perfect concordance regardless of CDSS use. This study underscores the potential of EMR-integrated CDSS to enhance psychiatric diagnostic consistency, likely by standardizing the evaluation process for less-experienced clinicians facing complex differential diagnosis of mood disorders. These findings highlight the need to evaluate such systems in diverse clinical settings and across a broader spectrum of psychiatric conditions. • Study seniority & EMR tools' impact on MDD, BD, SCZ interrater reliability. • 72 psychiatrists assessed video interviews, split into EMR/non-EMR groups. • Mid seniority group had better diagnostic concordance than Low seniority group. • The EMR-assisted group had better diagnostic concordance for mood disorders. • EMR assistance is less helpful for SCZ diagnoses & experienced clinicians.
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 | 0,071 | 0,279 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».