SJÅ MEG, TRU MEG, HJELP MEG!
Notice bibliographique
Résumé
Tittel: SJÅ MEG, TRU MEG, HJELP MEG! Bakgrunn: Myalgisk encefalopati oppsto i 1956 (Piro & Midsen, 1999) og er verdens medisinske mest omstridte sykdom hvor det er vanskelig å fastslå forekomsten av ME (Jelstad, 2011). Den rapporterte forekomsten ligger på til 0,2- 0,4% ved bruk av Canada- og Fukudakriteriene (se vedlegg 3). Det utgjør 10.000- 20.000 tilfeller i den norske befolkningen (Storla, 2014). Myalgisk encefalopati rammer begge kjønn i alle aldre, men 70- 80% er kvinner. Myalgisk encefalopati har siden 1969 vært klassifisert av WHO som en nevrologisk sykdom. Det finnes ingen diagnosespesifikk test eller helbredende kur. Utredning består av en rekke undersøkelser for å avdekke om det er andre sykdommer som kan forklare sykdomsbildet. Sykdommen kan være svært invalidiserende, og alvorlighetsgraden varierer. Fullstendig tilfriskning er sjelden og årsaken til Myalgisk encefalopati er ukjent (Norges Myalgisk Encefalopati forening[ME - forening], 2016).\nHensikt: Hensikten med oppgaven er å rette fokus på hvordan vi som sykepleier kan møte pasienter med Myalgisk encefalopati slik at de føler seg ivaretatt.\nTeori: Vi har valgt å bruke Aron Antonovsky, og sykpleieteoretikerne Jan Kåre Hummelvoll og Joyce Travelbee.\nMetode: Vi har brukt litteraturstudie som metode etter retningslinjenene til Høgskolen i Hedmark. Oppgaven er basert på pensumlitteratur, selvvalgt litteratur og forskningsartikler.\nKonklusjon: Forskningen viser at det er for lite kunnskap blant sykepleiere om hvordan de skal ivareta pasienter med Myalgisk encefalopati. Funnene viser at sykepleier bør ha bedre kunnskap om sykdommen, bedre kommunikasjons- og lytteferdigheter, samt en bevisst holdning i møte med en sykdom som vi fortsatt vet for lite om.
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 | 0,000 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».