Ensivastetoiminnan tila Pohjois-Savon sairaanhoitopiirin alueella
Bibliographic record
Abstract
Opinnäytetyön tarkoitus oli tutkia ensivastetoimintaa Pohjois-Savon Sairaanhoitopiirin alueella. Ensivastetoiminta on sairaalan ulkopuolella tapahtuvaa päivystysluonteista ensihoitoa. Hätätilapotilaan hoidon aloittamisessa tapahtuvan viiveen poistamiseksi on kunnissa kehitetty ensivasteyksiköitä, jotka lähtevät paikalle välittömästi ja aloittavat ensiavun antamisen, kunnes koulutettu ensihoitohenkilöstö saapuu paikalle. Kvantitatiivisen kyselytutkimuksen avulla selvitettiin ensivasteyksiköiden tehtävämääriä, käytössä olevaa kalusto- ja henkilöstömäärää sekä siitä aiheutuvia kustannuksiaja henkilökunnan koulutustasoa. Tutkimus oli kaksiosainen kyselytutkimus. Kysely lähetettiin kaikille Pohjois-Savon Sairaanhoitopiirin ensihoidon vastuulääkäreille alueen terveyskeskusiin, sekä ensivastetoiminnasta vastaaville henkilölle kuntien palolaitoksille. Tutkimuksen toimeksiantajina toimivat Pohjois-Savon Sairaanhoitopiirin vastuulääkäri Jouni Kurola, sekä Pohjois-Savon pelastuslaitoksen apulaispalopäällikkö Matti Hurula. Ensivastetoiminnan kunnille aiheuttamat kustannukset vaihtelivat Pohjois-Savossa suuresti. Mitään selittävää tekijää tutkimuksessa ei ilmennyt kustannuksien suurelle vaihtelulle. Ensivastetehtävien määrä vaihteli alueellisesti väestöpohjan, maantieteellisen sijainnin ja alueen koon mukaan. Tutkimus tulosten mukaan väestön ikääntyminen ja sitä seuraava sairastavuuden lisääntyminen vaikuttavan ensivastetehtävien määrää lisäävästi. Tutkimuksen mukaan Pohjois-Savossa työskenteli ensivastetoiminnassa 285 henkilöä, joista suurimmalla osalla oli Suomen pelastusalan keskusliiton (SPEK) järjestämä ensivastekoulutus. Sairaanhoitajakoulutus oli yhdeksällä työntekijällä, Ensihoitaja AMK koulutus kolmella (3), lähihoitajakoulutus 26 henkilöllä.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.078 | 0.027 |
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".