Röntgenhoitajan rooli keuhkoembolian TT-tutkimuksessa
Notice bibliographique
Résumé
Suomessa keuhkoembolia tai syvä laskimotukos todetaan aikuisväestössä noin yhdellä tuhannesta vuosittain ja tietokonetomografia on ensisijainen kuvantamistutkimus sen toteamiseksi. Keuhkoembolia on vakava sairaus, se vaatii aina sairaalahoitoa ja voi pahimmillaan johtaa ilman hoitoa kuolemaan. Vuonna 2018 Suomessa tehtiin yli 18 000 keuhkoembolian TT-tutkimusta. \n \nTämän opinnäytetyön tarkoituksena on tuoda esille suurimmat ongelmat, jotka vaikuttavat keuhkoembolian TT:n onnistumiseen ja se, miten röntgenhoitaja voi vaikuttaa asiaan. Toteutimme työn kuvailevana kirjallisuuskatsauksena, jossa etsimme jo tutkittua tietoa asiasta ja analysoimme niitä koskevia tutkimusartikkeleita. Aineiston haku toteutui Cinahl, PubMed sekä OvidMedline -tietokannoista, valikoimillamme hakusanoilla. Rajasimme haun 2010-2020 vuosien julkaisuihin ja suomen sekä englanninkielisiin artikkeleihin. \n \nSuurimmat keuhkoembolian TT:n ongelmat ovat hengitysliikeartefaktat sekä varjoainetehostumisen epäonnistuminen. Huolellisella potilasohjauksella, röntgenhoitajan teknisellä osaamisella sekä huolellisella valmistautumisella voidaan vaikuttaa tutkimuksen onnistumiseen. \n \nTämä opinnäytetyö on suunnattu röntgenhoitajille sekä alan opiskelijoille. Potilasohjauksen rooli niin keuhkoembolian TT-tutkimuksessa kuin muissakin kuvantamisen tutkimuksissa on merkittävä.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,159 | 0,032 |
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 ».