Comparison of Students in Health Education and Healthcare Professionals' Perspective to COVID-19 and Empathy Levels in the Pandemic Period: A Cross-sectional Study
Notice bibliographique
Résumé
Amaç: Bu çalışmanın amacı, sağlık bilimlerinin farklı alanlarından öğrenci ve profesyonellerin koronavirüs hastalığı-2019'a [coronavirus disease-2019 (COVID-19)] bakış açısını ve empati düzeylerini karşılaştırmaktır. Gereç ve Yöntemler: Çalışma; 18 yaş ve üzeri, araştırmaya katılmaya gönüllü olan, farklı üniversitelerden lisans veya ön lisans düzeyinde sağlık alanında eğitim gören öğrenciler ile lisans veya ön lisans sağlık eğitimi veren kurumlardan mezun olmuş sağlık profesyonellerinden 181 birey ile çevrim içi anket yoluyla gerçekleştirildi. Katılımcıların genel bilgileri, COVID-19'a bakış açıları (COVID-19 ilk bulaş yolu, ilk belirtiler, koruyucu ekipman tercihi, bağışıklık güçlendirme yöntemleri ve pandemi süreci ile ilgili bilgileri takip platformu) ve empati düzeyleri [Toronto Empati Ölçeği (TEÖ)] değerlendirildi. Bulgular: Sağlık profesyonellerinin, COVID-19'lu hasta ile teması, öğrencilere göre anlamlı olarak fazla bulundu (p0,05). Eklem ağrıları ile koku ve tat kaybı belirtilerinin, sağlık profesyonelleri tarafından istatistiksel olarak daha fazla bildirildiği görüldü (p=0,006; p=0,002; p=0,010). Bağışıklık güçlendirme yöntemleri ve TEÖ skorlarında, öğrenciler ve sağlık profesyonelleri arasında anlamlı bir fark görülmedi (p>0,05). Sonuç: Çalışmamızda, sağlık bilimlerinin farklı alanlarından öğrenci ve sağlık profesyonellerinin, COVID-19 bakış açılarının ve empati düzeylerinin çoğunlukla benzer olduğu görüldü. Pandemi döneminde sağlık profesyonelleri ile öğrencilerin bakış açılarını ve empati düzeylerini inceleyen daha geniş kapsamlı çalışmalar yapılmasını ve eğitim-öğretimde sağlık ve empati ilişkisine daha fazla yer verilmesi gerektiğini düşünmekteyiz.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».