Snemmíhlutun í geðrofssjúkdóma : notagildi og árangur snemmíhlutunar í geðheilbrigðisþjónustu á Íslandi
Notice bibliographique
Résumé
Rannsóknaráætlun þessi er lokaverkefni til B.S. prófs í hjúkrunarfræði við Háskólann á Akureyri. Tilgangur rannsóknar er að meta áhrif snemmíhlutunar á einstaklinga með geðrofssjúkdóm og hvernig einstaklingurinn sjálfur upplifir meðferðina. Einnig er tilgangurinn að meta þann ávinning sem næst með snemmíhlutun. Rannsóknarspurningarnar sem leitast verður svara við eru: Hver er upplifun einstaklinga á snemmíhlutun í geðrofssjúkdómum? Hver er ávinningur þess að beita snemmíhlutun við meðferð ungs fólks í fyrsta geðrofi? Hvaða áhrif hefur snemmíhlutun á meðferðarheldni? \nErlendar rannsóknir hafa leitt í ljós að notagildi og árangur snemmíhlutunar er mjög mikill. Snemmíhlutun hefur skilað sér í færri ótímabærum dauðsföllum, betri meðferðarheldni, meiri þátttöku í samfélaginu, færri bakslögum, styttri tíma ómeðhöndlaðs geðrofs og umfram allt bættum lífsgæðum og sparnaði fyrir þjóðfélagið. \nNotuð verður eigindleg aðferðafræði byggð á fyrirbærafræði Vancouver skólans. Viðtöl verða tekin við 9-12 einstaklinga sem fengið hafa snemmíhlutunar meðferðarform á Laugarásnum - meðferðargeðdeild í að lágmarki 4 ár. Þátttakendur þurfa að vera á aldursbilinu 22-30 ára, hafa geðrofssjúkdóms greiningu og vera meðferðarheldnir. \n \nÞörf er á eigindlegum rannsóknum á Íslandi til að meta árangur sérstakra meðferðarúrræða eins og snemmíhlutunar. Gagnreynd þekking og nýjar rannsóknir stuðla að stöðugri þróun meðferðarúrræða og bættri þjónustu. Með íslenskum rannsóknum myndu gæði geðheilbrigðisþjónustu hér á landi aukast, sem er einn tilgangur þessarar rannsóknar.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».