論文の概要: Quantifying Clinician Bias and its Effects on Schizophrenia Diagnosis in the Emergency Department of the Mount Sinai Health System

• arxiv url: http://arxiv.org/abs/2509.02651v1
• Date: Tue, 02 Sep 2025 13:53:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.28263
• Title: Quantifying Clinician Bias and its Effects on Schizophrenia Diagnosis in the Emergency Department of the Mount Sinai Health System
• Title（参考訳）: シナイ山救急病棟における臨床細菌の定量化と統合失調症診断への影響
• Authors: Alissa A. Valentine, Lauren A. Lepow, Lili Chan, Alexander W. Charney, Isotta Landi,
• Abstract要約: アメリカ合衆国では、統合失調症(SCZ)は人種と性差を持ち、臨床医の偏見によって説明されることがある。 既往のリスクファクターと患者社会デマログラフィー情報の制御とSCZ診断に対する臨床バイアスの影響について検討した。
• 参考スコア（独自算出の注目度）: 35.98898736539817
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the United States, schizophrenia (SCZ) carries a race and sex disparity that may be explained by clinician bias - a belief held by a clinician about a patient that prevents impartial clinical decision making. The emergency department (ED) is marked by higher rates of stress that lead to clinicians relying more on implicit biases during decision making. In this work, we considered a large cohort of psychiatric patients in the ED from the Mount Sinai Health System (MSHS) in New York City to investigate the effects of clinician bias on SCZ diagnosis while controlling for known risk factors and patient sociodemographic information. Clinician bias was quantified as the ratio of negative to total sentences within a patient's first ED note. We utilized a logistic regression to predict SCZ diagnosis given patient race, sex, age, history of trauma or substance use disorder, and the ratio of negative sentences. Our findings showed that an increased ratio of negative sentences is associated with higher odds of obtaining a SCZ diagnosis [OR (95% CI)=1.408 (1.361-1.456)]. Identifying as male [OR (95% CI)=1.112 (1.055-1.173)] or Black [OR (95% CI)=1.081(1.031-1.133)] increased one's odds of being diagnosed with SCZ. However, from an intersectional lens, Black female patients with high SES have the highest odds of obtaining a SCZ diagnosis [OR (95% CI)=1.629 (1.535-1.729)]. Results such as these suggest that SES does not act as a protective buffer against SCZ diagnosis in all patients, demanding more attention to the quantification of health disparities. Lastly, we demonstrated that clinician bias is operational with real world data and related to increased odds of obtaining a stigmatizing diagnosis such as SCZ.
• Abstract（参考訳）: 米国では、統合失調症(SCZ)は人種と性差を持ち、臨床医の偏見によって説明される可能性がある。 救急部門(ED)は、意思決定中に暗黙の偏見に頼っている臨床医のストレス率が高いことを特徴としている。 本研究では,ニューヨーク市のマウント・シナイ・ヘルス・システム (MSHS) における精神科患者の大きなコホートを検討した。 臨床偏見は, 患者の最初のEDノート中の否定文と全文の比率として定量化した。 症例の人種,性別,年齢,外傷歴,物質使用障害,陰性文の割合を,ロジスティック回帰を用いて予測した。 以上の結果より, 陰性文の割合の増加は, SCZ診断の確率が高くなった [OR (95% CI)=1.408 (1.361-1.456)]。 男性 [OR (95% CI)=1.112 (1.055-1.173)] またはブラック [OR (95% CI)=1.081(1.031-1.133)] はSCZと診断される確率を増加させた。 しかし、交叉レンズでは、高いSESを有する黒人女性患者がSCZ診断[OR (95% CI)=1.629 (1.535-1.729)]を得る可能性が最も高い。 これらの結果から,SESは全症例においてSCZ診断に対する保護バッファとして機能せず,健康格差の定量化に注意を要することが示唆された。 最後に,臨床のバイアスが実世界のデータと連動し,SCZなどの便宜診断を受ける確率の増加に関連していることを実証した。

関連論文リスト

• Detecting clinician implicit biases in diagnoses using proximal causal inference [17.541477183671912]
  大規模医療データにおける臨床医の陰影バイアスが患者の予後に与える影響を検出するための因果推論手法を提案する。 本手法は,英国バイオバンクの実世界データを用いて検証する。
  論文  参考訳（メタデータ） (2025-01-27T05:48:15Z)
• Fair Machine Learning for Healthcare Requires Recognizing the Intersectionality of Sociodemographic Factors, a Case Study [41.94295877935867]
  社会経済状態(SES)は、健康上の不平等を制御するための機械学習モデルに一般的に含まれている。 交差する枠組みでは、患者SES、人種、性別が大きな相互作用を持つことが判明した。 SESの増加は、アフリカ系アメリカ人で統合失調症の診断を受ける確率が高いことに関連している。 高いSESは、白人におけるSCZ診断の保護因子として機能する。
  論文  参考訳（メタデータ） (2024-05-30T19:10:35Z)
• Evaluating Echo State Network for Parkinson's Disease Prediction using Voice Features [1.2289361708127877]
  本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。 Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。 ESNは83%の症例で8%未満の偽陰性率を維持している。
  論文  参考訳（メタデータ） (2024-01-28T14:39:43Z)
• Perceptual Features as Markers of Parkinson's Disease: The Issue of Clinical Interpretability [0.0]
  パーキンソン病(PD)患者の90%が低運動性ジストロフィー(HD)を患っている 本論文は,84 PD患者のチェコ語の母音5つの解析について,大規模かつ堅牢な知見を提供する。
  論文  参考訳（メタデータ） (2022-03-21T09:46:48Z)
• VIRDOC: Statistical and Machine Learning by a VIRtual DOCtor to Predict Dengue Fatality [0.0]
  臨床医は、流行の治療において患者の徴候や症状を検査することで定期的な診断を行う。 治療体制の成功は、臨床医が流行の強力な原因をランク付けし、持続的な封じ込め戦略を策定するための相互依存を分析することに基づいて、そのような徴候症状の解釈の正確さに主に依存します。 本研究は,伝染病の主要な病原菌を自己整合的にランク付けし,統計モデルと機械学習の言語を用いて感染症の病期を正しく同定する仮想医師(virdoc)を提案する。
  論文  参考訳（メタデータ） (2021-04-29T12:06:05Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。