Psöriazis Hastalarında Aleksitimi Düzeyleri ve Yüzden Duygu İfadesi Tanıma Becerileri
Bibliographic record
Abstract
Bu çalışmanın amacı, psöriazis tanısı alan hastalarda aleksitimi düzeylerini ve yüzden duyguları tanıma becerilerini sağlıklı kontrollerle karşılaştırmak ve bu belirtilerin klinik önemini araştırmaktır. Dermato-loji polikliniğinde psöriazis tanısı konan 60 hastaya, yaş, eğitim ve cinsiyet olarak eşleştirilmiş 65 sağlıklı kontrole Psöriazis Alan Şiddet İndeksi (PAŞİ), psikiyatri servisinde DSM-IV eksen-1 için yapılandırılmış klinik görüşme formu, Toronto Aleksitimi Ölçeği (TAÖ), Yüzden Duygu İfadesi Tanıma Testi uygulandı. Psöriazis hastalarının TAÖ toplam ve altölçek puanlarında anlamlı bir yükseklik saptanırken, yüz ifadele-rinin büyük kısmını tanıma becerilerinin kontrol grubuna göre daha düşük bulundu. Depresyon ve anksiyete skorlarının da iki grupta benzer olmasından hareketle, hastaların muhtemelen depresyondan ve anksiyeteden korunmak amacıyla zaman içinde özellikle olumsuz duygulara yönelik bir kayıtsızlık geliştirmiş olabilecekleri değerlendirildi. Psöriazis hastalarının aleksitimi seviyeleri ile hastalık şiddeti arasında da anlamlı ilişki olduğu saptandı. Aleksitiminin psoriasis şiddetinin belirleyicilerinden biri olabileceği düşünüldü.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".