FÖRÄLDER TILL EN ÄNGEL : Upplevelser av välbefinnande och lidande efter att barn avlidit i cancer
Bibliographic record
Abstract
SAMMANFATTNING Bakgrund: Årligen dör ett av fyra cancerdiagnostiserade barn i Sverige. Föräldrarnas liv efter förlusten förändras för alltid och reaktionerna kan variera. Efter förlusten är föräldrarna i stort behov av stöd från sina nätverk. De måste lära sig att leva med förlusten och de får kämpa för att komma tillbaka till vardagen. Syfte: Syftet med studien var att beskriva hur föräldrarna upplevde välbefinnande respektive lidande upp till två år efter att deras barn avlidit i cancer. Metod: Studien utgår från fem självbiografier som analyserades med kvalitativ innehållsanalys. Resultat: Att förlora sitt barn skapar många blandade känslor hos föräldrarna, allt från sorg till lättnad. Föräldrarna är i behov av stöd efter den livsomvälvande upplevelsen. Barnen är en del av familjerna då minnena alltid lever kvar. Syskonen är en avgörande faktor för föräldrarnas kamp att fortsätta den nya vardagen. Föräldrarna lär sig att leva med saknaden och sorgen. Slutsats: Att förlora ett barn är en traumatisk händelse som skapar många olika känslor. Att få bra stöd är viktigt för föräldrarna som bearbetar händelsen på olika sätt. Minnena av barnen finns alltid hos föräldrarna så länge de lever och de genomgår förändringar efter att barnen har avlidit.
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 | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.052 | 0.022 |
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".