«Ein Register schafft Klarheit und Sicherheit.»
Bibliographic record
Abstract
Bei nur 10% der Organspender liegt hierzulande eine schriftliche Willensäusserung vor.In allen anderen Fällen müssen die Angehörigen über eine Organentnahme entscheiden.Dies soll sich nun dank der Volksinitiative «Organspende fördern -Leben retten» ändern.Geht es nach dem Willen der Initianten, soll in der Schweiz, analog zu den meisten europäischen Staaten, das Prinzip der vermuteten Zustimmung bei Organspenden implementiert werden.Ende 2013 lancierte der Bund einen Aktionsplan «Mehr Organe für Transplantationen».Können Sie eine erste Bilanz ziehen?Ein wichtiges Ziel des Aktionsplans war es, das Thema Organspende auf Notfall-und Intensivstationen fest zu verankern.Die Zusammenarbeit mit den Spitälern wurde entsprechend intensiviert.Dank Schulungen des medizinischen Personals, der Vereinheitlichung von Abläufen und der Schaffung klar definierter Organisationsstrukturen in den Spitälern werden die Prozesse rund um Organspenden heute deutlich professioneller umgesetzt als noch vor wenigen Jahren.Schlägt sich der Aktionsplan auch in der Zahl spendenwilliger Personen nieder?Nein, leider nicht.Wir wollten auf das Niveau unserer Nachbarländer kommen.Wir peilten in der Schweiz 20 Organspender im primären Hirntod, sogenannte DBD oder deceased brain death donor, pro Million Einwohner an.Leider verharrt das Niveau auf tiefen 13 Organspendern pro Million.Und dies trotz verschiedenen flankierenden Massnahmen wie beispielsweise Plakataktionen und Fernsehwerbung.
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 | 0.017 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.013 | 0.013 |
| Insufficient payload (model declined to judge) | 0.015 | 0.008 |
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".