Notice bibliographique
Résumé
SAŽETAK Empatija se definira kao osjećaj za druge. U kognitivnom smislu emaptija je sposobnost da razumijemo želje, namjere i vjerovanja druge osobe. U afektivnom smislu, ona je pozitivna ljudska reakcija potaknuta emocionalnim stanjem druge osobe (1). Hemodijaliza je izbor liječenja kod bolesnika sa kroničnim bubrežnim zatajenjem. Kronični tijek bolesti zahtijeva tretmane tri puta tjedno u trajanju od četiri sata u centrima za dijalizu. S obzirom na specifičnost dijagnoze, važna je komunikacija i suradljivost u relaciji pacijent - medicinska sestra. Empatija se ističe kao jedna od poželjnih pozitivnih osobina koju bi medicinske sestre trebale posjedovati u svakodnevnom radu (2). Cilj istraživanja je bio ispitati postojanje empatije medicinskih sestara prema pacijentima na hemodijalizi, ispitati povezanost dobi, spola, razine obrazovanja i godina staža s empatičnim ophođenjem medicinskih sestara prema pacijentima te jesu li medicinske sestre dovoljno educirane o empatičnoj komunikaciji. Ispitanici su bili medicinske sestre i tehničari koji rade na dijalizi u Fresenius centrima u Hrvatskoj (Poliklinika Sv. Duh II, Poliklinika FMC- Đakovo, Poliklinika IDC- Zabok i Poliklinika Interdial). Ispitivanje je bilo provedeno u srpnju i kolovozu 2022. godine. Za istraživanje se koristio anketni upitnik od dva dijela. U prvom dijelu su sociodemografski podatci a u drugom dijelu korištena je prevedena Toronto skala empatije, služi za procjenu empatije kao emocionalnog procesa (3). Dobiveni rezultati istraživanja ukazuju da se medicinske sestre često ophode s empatijom prema pacijentima na hemodijalizi. Iskazivanje empatije statistički se razlikuje s obzirom na dob, spol, razinu obrazovanja i godine radnog staža na hemodijalizi u odnosu na empatično ophođenje medicinskih sestara prema pacijentima.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».