Koira-avusteinen fysioterapia kroonisen kivun hoidossa
Notice bibliographique
Résumé
Suomalaisista aikuisista 35 % on kokenut yli 3 kuukautta kestänyttä kipua ja 14 % päivittäistä kipua väestötutkimuksen mukaan. Tutkimuksen mukaan suurin osa kroonisista kivuista on tuki- ja liikuntaelinsairauksista johtuvaa. Suomessa yli 30-vuotiaista aikuisista kolmella neljästä on ollut vähintään yksi selkäkipujakso ja 50 % aikuisista on ollut enemmän kuin 5 selkäkipujaksoa. \nKoiran läsnäololla on havaittu olevan vaikutuksia asiakkaan kivun tuntemukseen ja helpottavan vuorovaikutustilannetta, sekä lisäävän oksitosiini hormonin tuotantoa. Koiran läsnäolon vaikutukset terapiatilanteessa näkyvät asiakkaan motivoitumisena ja sitoutumisen harjoitteluun. Koira-avusteisessa fysioterapiassa toiminnallinen harjoittelu tapahtuu huomaamatta, kun asiakkaan mielenkiinto ohjautuu koiran kanssa yhdessä tekemiseen ja vuorovaikutukseen. \nOpinnäytetyön tavoitteena oli koostaa toimeksiantajalle tietoa systemaattisen kirjallisuuskatsauksen keinoin koira-avusteisen fysioterapian hyödyistä kroonisen kivun hoidossa. Opinnäytetyön tutkimuskysymys oli “Onko koira-avusteisesta fysioterapiasta hyötyä kroonisen kivun hoidossa?”. Tarkoituksena oli tuoda tietoa julki koira-avusteisesta fysioterapiasta kroonisen kivun hoidossa niin terveydenalan ammattilaisille kuin muille aiheesta kiinnostuneille. Kirjallisuuskatsaukseen valikoitui tarkkojen sisäänotto- sekä poissulkukriteerien jälkeen kaksi tutkimusta, joista oli aiheen kannalta parhaiten näyttöä. Katsauksessa ilmeni, ettei aihetta ole vielä paljoa tutkittu, mutta tutkimukset, joita työssä käytettiin, puhuivat koira-avusteisen fysioterapian puolesta kivunhoitomenetelmänä.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,007 |
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 ».