Covid-19 Pandemisinde Sağlık Çalışanlarında Travmatik Stres ve Aleksitimi Düzeylerinin Araştırılması: Ordu İli Örneği
Bibliographic record
Abstract
Amaç: Bu çalışmada yeni korona virüs hastalığı 2019 (Covid-19) salgınının sağlık çalışanları üzerinde oluşturduğu travmatik stres düzeylerini ve travmatik stres düzeyleri ile aleksitimi arasındaki ilişkiyi incelemeyi amaçladık. Gereç ve Yöntemler: Bu araştırma kesitsel tipte ve tanımlayıcı bir çalışmadır. Araştırmaya gönüllülük ilkesiyle, çevrimiçi anket formunu dolduran, Ordu ilinde görev yapan 252 sağlık çalışanı dahil edilmiştir. Tüm katılımcılara sosyodemografik veri formu, Toronto Aleksitmi Ölçeği (TAÖ-20), Olayların Etkisi Ölçeği (OEÖ) online ortamda uygulanmıştır. Bulgular: Çalışmaya alınan 252 katılımcıdan %60,3’si kadın, %39,6’si erkekti. Ayrıca mesleki durumlarına göre değerlendirildiğinde katılımcıların %67,8’si doktor, %20,8’si hemşire/sağlık memuru ve %2’si ise tıbbi sekreterdi. TAÖ-toplam skoru için katılımcılar 32-77 arasında skor alırken; OEÖ için ise 0-79 arası skorlar elde edilmiştir. TAÖ için cinsiyetler arası farklılık saptanmadı (p>0,05). OEÖ için ise; kadınların daha yüksek skorlar aldığı görüldü (p
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 | 0.005 |
| 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 | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".