Bibliographic record
Abstract
Een zorgvuldige anamnese blijft de grondslag van de medische diagnostiek. Tijdens het afnemen van een anamnese moet je je bewust zijn van de aard en het doel van het vraagproces. Met Anamnese en Gespreksvoering leer je hoe je een gestructureerde anamnese afneemt op basis van het Calgary-Cambridge model, en hoe je effectieve gesprekken voert met patiënten. Naast het medisch diagnostisch spoor speelt ook het patiëntenperspectief een belangrijke rol. Wat wil jouw patiënt met het gesprek bereiken, hoe ervaart de patiënt diens klachten? Anamnese en gespreksvoering komt voort uit het Leerboek anamnese en is volledig herzien en uitgebreid. De verschillende onderdelen van de diagnostische anamnese zoals de klachtgerichte anamnese, de hypothesegestuurde anamnese en de tractusanamnese worden besproken. Voor de bruikbaarheid in de praktijk worden hierbij veel voorbeelden van anamnesevragen gegeven met de betekenis van de mogelijke antwoorden. Ook lees je achtergrondinformatie over de patiënt, de arts en hun behandelrelatie, gespreksvaardigheden en verschillende consultmodellen. Tot slot is in deze herziening veel aandacht voor andere vormen van gespreksvoering zoals gezondheidsgerichte gesprekken, motiverende gespreksvoering en informerende gesprekken. Bij dit boek hoort een website. Hierop staan behalve de inhoud van dit boek ook een aantal videoconsulten, met voorbeelden van anamnese afnemen en enkele gespreksfragmenten in de praktijk. Anamnese en gespreksvoering is een praktische en onmisbare gids voor medische studenten, verpleegkundig specialisten en physician assistants in opleiding die een goede, patiëntgerichte, diagnostische anamnese willen afnemen en hun gespreksvoering willen verbeteren. Ook artsen en andere medische hulpverleners kunnen met dit boek hun anamnesevaardigheid en gespreksvoering verbeteren.
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 | 0.009 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.032 | 0.013 |
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".