Tinnitus Tanılı Hastalarda Depresyon, Aleksitimi Düzeyleri ve Bedenselleştirme
Bibliographic record
Abstract
Amaç: Biz çalışmamızda; kulak çınlaması olan hastaların bedensel belirtileri büyütme düzeylerini, depresif semptomlarını, aleksitiminin varlığı ve şiddetini sağlıklı kontrollerle karşılaştırarak incelemeyi amaçladık. Gereç ve Yöntemler: Çalışmamıza Kulak Burun Boğaz ve Baş Boyun Cerrahisi polikliniğinde tinnitus tanısı konulan hastalar ve demografik veriler ile eşleşebilecek sağlıklı kontroller alındı. Toplamda 141 kişi; tinnitus tanılı 80 hasta ve sağlıklı kontrol grubu 61 kişi alındı. Tüm katılımcılara; Beck Depresyon Ölçeği (BDÖ), Toronto Aleksitimi Ölçeği (TAÖ-20), Bedensel Duyumları Abartma Ölçeği (BDAÖ) ve Tinnitus Engellilik Anketi (TEA) uygulandı. Bulgular: Hasta grubu ve sağlıklı kontrol grubunun BDAÖ puanları istatistiksel olarak farklı değildi. TAÖ için ise; hasta grubunda alt ölçeklerde puanlar yüksek hesap edilse de istatistiksel olarak anlamlı farklılık sadece toplam puanda saptandı (p=0.015). Depresyon ölçeği skorları ise; hasta grubunda daha yüksek görünse de istatistiksel olarak anlamlı farklılık tespit edilmedi (Hasta grubunda=13,00; kontrol grubunda=11,00; p=0,084). TEA ile BDÖ, BDAÖ, TAÖ-20 toplam skorları ve duyguları tanımada güçlük alt boyut skorları pozitif ilişkili olarak saptandı (r değerleri sırası=0,537;0,271;0,222;0,427 ve p değerleri sırası ile 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 | 0.001 | 0.002 |
| 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 | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".