Bibliographic record
Abstract
Gennem en undersøgelse af faldforebyggelse på tværs af sektorgrænser i et bestemt faldforebyggelsesprogram viser jeg i en ph.d.-afhandling, hvordan egenomsorg i dag anvendes som et sundhedspolitisk styringsredskab (Evron 2015a). Styringen går ud på, at få mennesker til at styre sig selv (styring-af styring) og derved få dem til at leve et godt og ansvarligt liv ud fra sundhedsvæsenets normer om det gode liv i alderdommen. Den overordnede hensigt med egenomsorg som styringsredskab beskrives som at spare samfundet for betydelige økonomiske ressourcer samt øge hele befolkningens middellevetid og mindske den sociale ulighed. Hensigten er også at styrke det enkelte menneskes sundhed og livskvalitet (Sundhedsstyrelsen 2006, Regeringen 2002). I afhandlingen undersøger jeg gennem observationer, interviews og analyse af dokumenter, hvordan faldforebyggelse bedrives i et bestemt faldforebyggelsesprogram. Udbredelsen af styring-af-styring idéen kommer særlig til udtryk i det danske sundhedsvæsen gennem den amerikanske model ”The Chronic Care Model” (CMM), der på dansk kaldes Kronikermodellen (Nielsen og Jensen 2013). Med implementering af CCM i det danske sundhedsvæsen indføres et nyt syn på kronisk sygdom, der involverer et overordnet økonomisk perspektiv og omfatter samfundet, sundhedsvæsenet og mennesker med kronisk sygdom aktive indsats. Modellen bygger på målinger om evidensbaseret effekt og anvendes i Canada, Holland, England, Australien med flere (Sundhedsstyrelsen 2005a). Den tager afsæt i den amerikanske sygeplejeteoretiker Dorothea Orems egenomsorgsbegreb, hvor behandlerperspektivet står centralt (Sundhedsstyrelsen 2005b).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.151 | 0.031 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".