Sairaanhoitajien näkökulmia savuttomuuden tukemiseen ennen elektiivistä leikkausta
Notice bibliographique
Résumé
Tupakointi on yksilön terveyttä vakavasti vaarantava riskitekijä ja kansantaloudelle merkittäviä kustannuksia kerryttävä ongelma. Leikkausta edeltävä tupakointi altistaa potilaan lukuisille leikkauskomplikaatioille ja hidastaa toipumista. Suomessa leikkaukseen jonotti vuonna 2014 arviolta yli 40 000 tupakoitsijaa. \n \nPotilaalle suunnitteilla oleva leikkaus on todettu erittäin merkittäväksi tupakoinnin lopettamisen motivaatiotekijäksi. Tupakasta vieroittautumisen onnistumisen todennäköisyys voi jopa kaksinkertaistua leikkauksen yhteydessä. Tupakoinnin lopettaminen ennen elektiivistä leikkausta parantaa potilaan ennustetta 30–40 prosenttia tupakointia jatkaviin verrattuna. \n \nTämän opinnäytetyön tarkoituksena oli kartoittaa, miten erikoissairaanhoidon sairaanhoitajat toimivat, jotta potilas saataisiin vieroittautumaan tupakasta, kun hänelle on suunnitteilla elektiivinen leikkaus tai pientoimenpide. Pyrimme selvittämään, millaisia eri menetelmiä potilaan tupakointiin puuttumiseen on käytössä. Yhteistyökumppanina opinnäytetyössä oli Suomen Syöpäyhdistys. Tavoitteena oli tuottaa Suomen Syöpäyhdistyksen käyttöön ajantasaista tietoa siitä, miten tupakkavieroitustyö tänä päivänä toteutuu erikoissairaanhoidossa. \n \nOpinnäytetyön teoreettisena viitekehyksenä on katsaus ajankohtaiseen tupakointia ja sen vaikutuksia, yksilön motivaatiota sekä terveydenhuollon tupakkavieroitustyötä käsittelevään tieteelliseen kirjallisuuteen. Tutkimuksen empiirinen osuus toteutettiin laadullisen tutkimusotteen mukaisina teemahaastatteluina. Haastattelut toteutettiin Helsingin ja Uudenmaan sairaanhoitopiirin (HUS) sairaaloissa savuttomuushoitajien luona. Kerätty haastatteluaineisto litteroitiin, minkä jälkeen vastaukset tiivistettiin ja teemoiteltiin. \n \nTutkimuksen tulokset viittaavat siihen, että potilaan savuttomuuden tukeminen ei ole saavuttanut vakiintunutta asemaa erikoissairaanhoidossa. Tilanteen selvittämiseen yleisellä tasolla tarvittaisiin kuitenkin lisätutkimusta. Opinnäytetyön tuloksia voidaan hyödyntää kehitettäessä potilaan tupakoinnin huomioivaa hoitotyötä erikoissairaanhoidossa.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,174 | 0,054 |
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 ».