Green Care -toiminta sairaanhoitajien työhyvinvoinnin tukena: kuvaileva kirjallisuuskatsaus
Notice bibliographique
Résumé
Green Care -menetelmät ovat luonto- ja eläinavusteisia hoitomenetelmiä, jotka ovat osoittautuneet hyödyllisiksi ihmisten hyvinvoinnin edistämisessä. Sairaanhoitajat ovat alttiita työn fyysiselle ja henkiselle kuormitukselle, mikä voi johtaa työuupumukseen ja alentuneeseen työhyvinvointiin. Tämän kirjallisuuskatsauksen tarkoituksena on selvittää, miten Green Care -menetelmät voivat tukea sairaanhoitajien työhyvinvointia. \n \nKatsauksessa käytiin läpi aiheeseen liittyvää tutkimuskirjallisuutta ja artikkeleita. Tulosten perusteella Green Care -menetelmät voivat tukea sairaanhoitajien työhyvinvointia monin tavoin. Luontoympäristössä oleskelun on todettu vähentävän stressiä, ahdistusta ja masennusta, joten esimerkiksi luontoon suuntautuvat aktiviteetit, kuten metsäkävelyt, voivat olla hyödyllisiä sairaanhoitajan stressinhallinnassa. \n \nEläinten läsnäolon on myös osoitettu vähentävän stressiä ja ahdistusta, ja esimerkiksi eläinterapiassa sairaanhoitajat voivat kokea merkityksellisiä hetkiä eläinten kanssa ja samalla rentoutua ja saada mielihyvää. \n \nYhteenvetona voidaan todeta, että Green Care -menetelmät voivat tarjota monipuolisia mahdollisuuksia sairaanhoitajien työhyvinvoinnin tukemiseen. Green Care -toimintaa tulisi huomioida myös sairaanhoitajien koulutuksessa ja työpaikkojen hyvinvointiohjelmissa. Lisäksi tulevaisuudessa tarvitaan lisää tutkimusta aiheesta ja menetelmien kehittämistä.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,009 |
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.
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 ».