Hipertansiyon Hastalarının Tanımlayıcı Özellikleri ve Aleksitimi Düzeyleri Öz Etkililik Düzeylerinin Yordayıcısı Mıdır?
Bibliographic record
Abstract
Giriş: Hipertansiyon hastalarında kan basıncının kontrol altına alınmasında aleksitiminin yönetilmesi ve öz etkililiğin değerlendirilmesi önemlidir. Amaç: Bu çalışmadaki amaç hipertansiyon hastalarının tanımlayıcı özelliklerinin ve aleksitimi düzeylerinin öz etkililik düzeylerinin yordayıcısı olup olmadığını belirlemektir. Yöntem: Bu araştırma nicel araştırma yönteminin korelasyon desenine göre yapıldı. Araştırmanın verileri Aralık 2022-Mayıs 2023 tarihleri arasında toplandı. Araştırmanın evrenini Türkiye’de yaşayan hipertansiyonlu hastalar oluşturdu ve çalışmaya toplam 103 hipertansiyon hastası katıldı. Araştırmanın verileri “Hasta Tanılama Formu”, “Toronto Aleksitimi Ölçeği” ve “Hipertansiyon Öz-Etkililik Ölçeği” ile toplandı. Veriler bağımsız örneklem t testi, pearson korelasyon ve çoklu linear regresyon analizi ile değerlendirildi. Bulgular: Yaş ortalaması 45.37 ± 17.03 olan hipertansiyon hastalarının %63.1’inin kadın olduğu belirlendi. Hastaların öz-etkililikleri ile aleksitimi düzeyleri arasında istatistiksel olarak anlamlı bir ilişki bulunmadı (r = -0.071, p > .05). Aleksitiminin dışa-dönük düşünme alt boyutu, yaş, ailede hipertansiyon varlığı ve ilaçları düzenli kullanma bağımsız değişkenlerinin hastaların öz-etkililik düzeyleri üzerindeki varyansın %22.7’sini açıkladığı görüldü. Sonuç: Hastaların öz-etkililiği ile aleksitimi düzeyleri arasında ilişki olmadığı görüldü. Aleksitiminin dışa-dönük düşünme alt boyutu, yaş, ailede hipertansiyon varlığı ve ilaçları düzenli kullanma değişkenlerinin hipertansiyon hastalarının öz etkililik düzeylerini yordadığı bulundu. Hastaların öz-etkililiği ile aleksitimi düzeyleri arasında ilişkiyi ve yordayıcı değişkenleri inceleyen daha kapsamlı çalışmaların yapılması önerilir.
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 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.028 | 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".