Röntgenhoitajan osaamisen tunnistaminen päivystystietokonetomografiassa
Notice bibliographique
Résumé
Opinnäytetyön tarkoituksena oli tuottaa tietoa röntgenhoitajien osaamisesta ja päivystystyön kokemuksista päivystystietokonetomografia (TT) -tutkimuksissa. Opinnäytetyön toimeksiantajana toimi Suomen Röntgenhoitajat ry, jonka käyttöön opinnäytetyön tuotoksena valmistui aiherunko koulutuspäivään. \n \nMittarina käytetiin webropol- kyselysovelluksessa tehtyä esitestattua kyselylomaketta. Kyselylomake sisälsi 5-portaisella Likert- asteikolla väitteitä TT-osaamisesta ja päivystystyöstä. Lisäksi se sisälsi monivalinta- ja avoimia kysymyksiä. Kyselytutkimus toteutettiin Suomen Röntgenhoitajat ry:n jäsenille (Vastaajia N=170). Vastauksia pyydettiin vain päivystys TT-tutkimuksia tekeviltä röntgenhoitajilta. \n \nTulokset analysoitiin tilastollisin menetelmin TT-osaamisen osa-alueiden, tekninen, - hoidollinen - ja kuvantamisprosessi osaaminen, mukaan. Kehittämismenetelmänä käytettiin benchmarking vertailuanalyysiä v. 2015 tehtyyn HUS-alueen röntgenhoitajille toteutettuun osaamiskyselyn tuloksiin. Tulosten mukaan kehittämiskohteita ovat laitetekniikan hallinta, säteilyn optimointi, parametrit, lasten varjoaineet ja lääkehoito. Päivystystyö on mielekästä mutta samalla sekä fyysisesti että psyykkisesti kuormittavaa.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,183 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».