Palyatif Bakım Alan Hasta Yakınlarının Bakıma Hazır Olma Düzeyleri ve Bakım Yüklerinin Belirlenmesi
Bibliographic record
Abstract
Giriş ve Amaç: Palyatif bakım alan hastalara sıklıkla hasta yakınları tarafından bakım desteği verilmektedir. Bu durum hasta yakınlarında bakım vermeye hazırlıklı olma ve bakım vermenin oluşturduğu yükler ortaya çıkarmaktadır. Bu çalışma palyatif bakım alan hasta yakınlarının bakıma hazır olma düzeyleri ve bakım yüklerinin belirlenmesi amacıyla tanımlayıcı olarak yapılmıştır. Gereç ve Yöntem: Araştırma bir Üniversite Hastanesinin palyatif bakım kliniğinde yatan hastaların yakınları ile yürütülmüştür. Araştırma örneklemini 180 hasta yakını oluşturmuş ve çalışma için etik kurul ve kurum izni alınmıştır. Araştırma verileri Edmonton Semptom Değerlendirme Sistemi, Bakım verme yükü ve Bakıma Hazıroluşluluk ölçeği kullanılarak yüz yüze toplanmıştır. Araştırmanın değerlendirilmesinde Kruskal Wallis ve Pearson Korelasyon testleri kullanılmıştır. Bulgular: Hasta yakınlarının % 56,1’ inin kadın, %44,4’ ünün ( 31-40 ) yaş aralığında, %62,2’ sinin evli olduğu tespit edilmiştir. Ailelerin Bakım verme yükü ölçeği alt boyut puan ortalaması 44,97±12,33 ve bakım vermeye hazır oluşluluk ölçeği alt boyut puan ortalaması 28,96±6,28 olduğu tespit edilmiştir. Hasta yakınlarının bakım yükü ile bakıma hazır oluşlulukları arasında negatif bir ilişki tespit edilmiştir (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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.020 | 0.006 |
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".