Toronto Yara Semptom Değerlendirme Sistemi ile Yara Bakımının İzlenmesi
Bibliographic record
Abstract
Amaç: Araştırma Toronto Yara Semptom Değerlendirme Sistemi-TYSDS ile yara bakımının izlenmesi amacıyla yapılmıştır.Gereç ve Yöntem: Araştırma bir üniversite hastanesinin dahili ve cerrahi kliniklerinde ve yoğun bakımlarında yürütülmüştür. Araştırmanın örneklemini 92 yarası olan 76 hasta oluşturmuştur. Çalışma verilerinin toplanmasında bilgilendirilmiş onam formu, birey tanıtım formu ve TYSDS kullanılmıştır. Verilerin istatistiksel değerlendirilmesi SPSS (Statistical Package for Social Science) programı kullanılarak sayı yüzde, ortalama (x), standart sapma (Sd), Shapiro Wilk Testi, Mann Whitney U, Spearman Korelasyon Analizi ve Wilcoxon analizleri yapılmıştır.Bulgular: TYSDS’ne göre yara semptomlarının değerlendirildiği birinci ve yedinci günlerde en yüksek puanı estetik olarak sıkıntının, en düşük puanı ise kaşıntının aldığı saptanmıştır. Hastaların yaşları ile birinci ve yedinci günde TYSDS toplam puanları arasında negatif yönde ilişki olduğu saptanmıştır. Hastaların alkol ve sigara kullanım durumları ile yedinci gün TYSDS toplam puanları açısından aralarında istatistiksel olarak anlamlı fark olduğu saptanmıştır (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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".