Ameliyathane Hemşirelerinde Aleksitimi Düzeyi ve İletişim Becerilerine Etkisi: Doğu Karadeniz Örneği
Bibliographic record
Abstract
Bu çalışma ameliyathane hemşirelerinde aleksitimi düzeyinin belirlenmesi ve iletişim becerilerine olan etkisinin değerlendirilmesi amacıyla yapıldı. Kesitsel türde yapılan araştırma, Haziran-Aralık 2019 tarihlerinde Türkiye’nin Doğu Karadeniz Bölgesinde bulunan üç hastanede gerçekleştirildi. Araştırmaya katılan 101 ameliyathane hemşiresi araştırmanın örneklemini oluşturdu. Araştırmanın verileri Sosyodemografik bilgi formu, Toronto Aleksitimi Ölçeği (TAÖ-20) ve İletişim Becerileri Ölçeği-Yetişkin Formu (İBÖ-YF) kullanılarak toplandı. Verilerin analizinde SPSS 23 paket programı kullanıldı. Araştırmaya katılan hemşirelerin yaş ortalaması 35.73±7.35 ve %73.3’ü kadındır. Hemşirelerin %84.2’sinin aleksitimiyi daha önce duymadığı ve %69.3’ünün iletişim becerileri ile ilgili eğitim almadığı belirlendi. Hemşirelerin orta derecede aleksitimik oldukları ve aleksitimi puanları ile iletişim becerileri puanları arasında negatif yönde orta düzeyde anlamlı bir ilişkinin olduğu görüldü (r:-0.48, p=0.04). Ameliyathane hemşirelerinin aleksitimi konusundaki farkındalıklarının arttırılması ve iletişim becerilerinin güçlendirilmesi gerektiği sonucuna varılmıştır. Bu konulara ilişkin eğitimlerin düzenlenmesi ile hemşirelerin, hasta ve ekip üyeleri ile olan iletişiminin etkili bir şekilde sürdürülmesi sağlanabilir.
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 | 0.002 | 0.004 |
| 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 | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".