【丹尼尔卡尼曼 噪声pdf】,评估者的信度可能非这些研究对这种情境噪声的成因没有明确的解释,下涉

  • A+
所属分类:精英日记
       

本文选自 丹尼尔·卡尼曼新作《噪声》,扫上面码免费领电子书

,评估者的信度可能非

这些研究对这种情境噪声的成因没有明确的解释, 下 涉
及诊断的研究发现了医学领域情境唆声的一个简单来源,这一发现值
得患者和医生牢记。简而言之, 区全在汉居比人全上更可能 要求
患者做癌症第查。在一个大样本中,早上8点,乳腺和结肠筛查的预约
率最高,为63. 7%,到了上午11点,预约率下降至48. 7%,中午时又上
升至56. 286,下午5点则降至47. 8%。因此,在一天中的晚些时候,医生
建议就诊的患者做指南推荐的癌症第查的可能性较小。

我们如何解释这些发现? 有可能是因为医生们在遇到患有复杂疾
病的患者后,他们的问诊进度会不可避免地落后,这些病情复杂的患
者需要的诊断时间往往超过常规的20分钟 。我们在前面提到过压力和
疲劳等情境噪声的触发因素 〈见第7章) ,这样看来这些因素的确在起
作用。 本 还

和 疲劳的影响,那就是规范洗手的
比率在办班结束时会低- 点, 可以说洗手这一 过程也充满了喉声。

诊断指南的价值

在不同医学问题的情境中,对噪声的存在及其数量进行全面记
录,不仅对医学领域意义重大,而且对人类的认知也有举足轻重的贡
献。虽然我们不知道目前是否有此类记录,但希望时机成熟后有人能
够完成这一壮举。不过,即使现在没有这类记录,现有的研究结果也
提供了一些线索。

在极端情况下,一些问题和疾病的诊断基本上是机械性的工作,

不需要做出任何判断。还有一些情况,诊断虽然不是机械性的工作,
却很简单直接: 任何受过医学训练的人都可能得出同样的结论。在某些场景中,噪声的数量也能得到控制,比如说肺癌专家在进行诊断
时,他们的专业性虽不能完全消除噪声,但能使噪声数量最少。有些
疾病的诊断给了医生很大的判断空间,并且诊断的相关标准过于宽
泛,这会导致品声数量巨大,且难以降低。我们将看到,大部分精神
病学诊断就属于这种情况。

降低医学领域的吧声呢? 我们在前面担到,培训可尼
疝攻和 珊商本人二绷当 减少噪声有帮助。汇总多个专家

纸 。算法是一个特别有发展
前景的诊电手民, 古人月时全 来减
少噪声。例如,这类算法已经被用于检测乳腺瘤患者的淋巴转移情
况。目前最好的算法的诊断准确性优于最好的病理学家。当然,算法
是没有噪声的。深度学习算法在检测与糖尿病相关的眼部问题方面,
已经取得了巨大的成功。人工智能在通过乳房X线检测诊断癌症方面的
表现,且平和放射科医生一样出色。如果人工智能进一步发展,它的
表现可能会比人类更好。

未来医学界可能会越来越依赖算法。这个过程可以同时减少偏差
和噪声,挽救生命并节省成本。但本章的重点是人类的判断指南,
为医学领域的情况能够充分说明,指南在某些实践应用中能够确保产
生良好甚至极好的结果,而在其他应用实践中会产生更复杂的结果 。

1952年由产科麻醉师弗吉尼亚。阿普加 (Virginia Apgar) 发明
的阿普加评分 (Apgar score) ,也许是诊断指南最知名的例子。过
去,评估新生儿是否处于危险之中曾是医生和助产士需要做出的临床
判断。阿普加评分给了他们一个标准化的指南,供他们评测婴儿的肤
色、心率、反射动作、肌肉 张力和呼吸状况。这些指标的首字母刚好
组成Apgar:, 外瑶 (Appearance,指肤色) 、脉搏 (pulse,指心

) 、痛苦反应 〈grimace,指反射动作) 、活动 (acetivity,指有内
张力) 和呼吸 〈respiration,指呼吸频率和力度) 。在阿普加测试

关于振动噪声书籍相关推荐:

卡尼曼和特沃斯基的前景理论,卡尼曼思维快与慢,思考快与慢读后感2000字

jingying

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: