RAI-arviointi ikääntyneiden päihteidenkäytön kartoituksen apuna : päihdepalvelujen tarpeen tunnistaminen ja palveluihin ohjaaminen
Notice bibliographique
Résumé
Suomen väestörakenne ikääntyy kovaa vauhtia. Tutkimukset osoittavat, että vuoteen 2030 mennessä yli 65-vuotiaiden osuus Suomen väestöstä ylittää 25 prosentin rajan. Vanhuspalvelulain mukaan hyvinvointialueiden oli otettava käyttöön RAI- arviointivälineistö 1.4.2023 alkaen iäkkään henkilön toimintakyvyn arvioinnissa. RAI- arviointi on väline, jolla selvitetään ikääntyneiden palvelutarpeita kartoittaen heidän sen hetkistä terveydentilaa, toimintakykyä sekä voimavaroja. \n \nOpinnäytetyömme tarkoituksena oli selvittää, miten RAI-arvioinnin avulla voidaan tunnistaa ikäihmisten päihdepalvelujen tarve sekä ohjata ikäihmisiä päihdepalvelujen piiriin. Keräsimme aineiston sähköisen kyselylomakkeen avulla, jossa kartoitimme RAI- arvioinnin riittävyyttä ikäihmisten päihteidenkäyttöä mitattaessa sekä päihdepalveluihin ohjaamisen toteutumista. \n \nTuloksista selviää, että RAI-arviointi ei ole riittävän kattava väline ikääntyneiden päihteidenkäytön arvioinniksi ja usein päihdeongelma jää RAI-arvioinnista huolimatta tunnistamatta. Tulosten mukaan ammattilaisten tieto ikääntyneiden päihdepalveluista ja päihdepalveluihin ohjaamisesta on heikkoa. RAI-arviointi koettiin kuitenkin olevan hyödyllinen työväline päihteidenkäytön puheeksiotossa.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,089 |
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 ».