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 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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,125 | 0,039 |
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 ».