Covid-19 Pandemisinde Sağlık Çalışanlarında Travmatik Stres ve Aleksitimi Düzeylerinin Araştırılması: Ordu İli Örneği
Notice bibliographique
Résumé
Amaç: Bu çalışmada yeni korona virüs hastalığı 2019 (Covid-19) salgınının sağlık çalışanları üzerinde oluşturduğu travmatik stres düzeylerini ve travmatik stres düzeyleri ile aleksitimi arasındaki ilişkiyi incelemeyi amaçladık. Gereç ve Yöntemler: Bu araştırma kesitsel tipte ve tanımlayıcı bir çalışmadır. Araştırmaya gönüllülük ilkesiyle, çevrimiçi anket formunu dolduran, Ordu ilinde görev yapan 252 sağlık çalışanı dahil edilmiştir. Tüm katılımcılara sosyodemografik veri formu, Toronto Aleksitmi Ölçeği (TAÖ-20), Olayların Etkisi Ölçeği (OEÖ) online ortamda uygulanmıştır. Bulgular: Çalışmaya alınan 252 katılımcıdan %60,3’si kadın, %39,6’si erkekti. Ayrıca mesleki durumlarına göre değerlendirildiğinde katılımcıların %67,8’si doktor, %20,8’si hemşire/sağlık memuru ve %2’si ise tıbbi sekreterdi. TAÖ-toplam skoru için katılımcılar 32-77 arasında skor alırken; OEÖ için ise 0-79 arası skorlar elde edilmiştir. TAÖ için cinsiyetler arası farklılık saptanmadı (p>0,05). OEÖ için ise; kadınların daha yüksek skorlar aldığı görüldü (p
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,005 |
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 ».