MétaCan
Menu
Retour à la cohorte
Enregistrement W6982910190

Lapamato ja sen hoito Suomessa sadan vuoden ajalta

2017· other· fi· W6982910190 sur OpenAlexaff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2017
Typeother
Languefi
DomaineArts and Humanities
ThématiqueOral History, Memory, Narrative Analysis
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésWork (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Opinnäytetyö on tehty osana Metropolian Ammattikorkeakoulun Hoitotyön koulutuksen museon muutossa uuteen Myllypuron kampukseen. Projektin päätavoitteena oli tallentaa hoitotyön historian vaiheita Suomessa lapamadon hoidosta 1900 -luvun alkuajoista nykypäivään. Ajatus tarkasteluun sadan vuoden ajalta syntyi, sillä tänä vuonna juhlimme sata vuotiasta Suomea ja halusimme huomioida sen työssämme. Työssämme kerromme lapamadon biologiasta, tartunnasta, ehkäisystä sekä hoidosta sadan vuoden ajalta. Kerromme lapamadon biologiasta, jotta tulee selvyys, mikä lapamato on alkujaan ja mikä se on ihmisessä. Miten ja mistä se ihmiseen tarttuu ja mitä se ihmisessä aiheuttaa. Kerromme myös, miten Suomen elintavat ja uskomukset ovat vaikuttaneet lapamadon levinneisyyteen ja hoitoon. Käymme läpi uskomuksia ja hoitokäytäntöjä eri vuosikymmeninä sadan vuoden ajalta, ihan tähän päivään asti. Lapamadon hoidossa on päästy kurpitsansiemenistä ja mustasta kahvista aina tämän päivän niksolamidi hoitoon. Yhteistä näillä hoidoilla on kuitenkin ulostuslääkkeen samanaikainen käyttö, joka tehostaa madon poistumista kehosta. Opinnäytetyö toteutettiin toiminnallisena kokonaisuutena. Aihetta oli mahdollista tutkia useita eri menetelmiä käyttäen, ja osaltaan tämäkin lisäsi kiinnostustamme työtämme kohtaan. Aineistona käytimme Hoitotyön koulutuksen museon vanhoja lääkärikirjoja, eläinkirjoja, tietosanakirjoja, sanomalehtiä, verkko dokumentteja, oppikirjoja sekä tieteellisiä artikkeleita, joita löysimme tietokannoista. Lapamadon hoitotyöstä löytyi todella huonosti uusia julkaisuja, joten materiaalimme ja käytetyt lähdekirjallisuudet ovat vanhoja. Kokosimme aineiston opinnäytetyöhön kronologisesti, eli aikajärjestyksessä.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0430,009

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,264
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)Même sujetOral History, Memory, Narrative AnalysisTravaux en français237 207