Bibliographic record
Abstract
Tämä opinnäytetyö on kehittämistyö Fibromyalgiayhdistys ry:lle. Opinnäytetyön tarkoitus oli tehdä opas Fibromyalgiayhdistys ry:n käyttöön ja jaettavaksi oireyhtymään sairastuneelle ja läheisille. Opinnäytetyön tavoitteena oli oppaan avulla lisätä tietoisuutta sairaudesta ja saatavilla olevasta tuesta. \n \nOpinnäytetyön teoriaosa sisältää laajan kuvauksen aiheesta. Teoria käsittelee fibromyalgiaa sairautena, sairauden diagnosointia ja oireita, omahoitoa sekä lääkkeetöntä hoitoa. \n \nKehittämistyö on Faktoja fibromyalgiasta –opas potilaalle. Opinnäytetyön tutkimusmenetelmänä on kuvaileva kirjallisuuskatsaus. Analyysimenetelmänä on käytetty teema-analyysiä. Tutkimuksessa selvitettiin, mitkä ovat fibromyalgian lääkkeettömät hoitomenetelmät. \n \nKeskeiset tutkimustulokset olivat melko yhteneväisiä teoriassa esiin tulleen tiedon kanssa. Lääkkeettömiä hoitomenetelmiä mainittiin tärkeimpinä liikunta, ravitsemus ja kognitiivinen käyttäytymisterapia. Olennainen osa hoitoa oli sairastuneen opastus oman sairautensa asiantuntijaksi. Kehittämistyönä tuotetun oppaan sisältö perustuu opinnäytetyön teoriaan sekä kirjallisuuskatsauksen tutkimustuloksiin. Opas käsittelee fibromyalgian syntyä, ominaispiirteitä, lääkkeetöntä hoitoa ja antaa tietoa tarjolla olevasta vertaistuesta. \n \nJohtopäätöksinä voitiin todeta, että fibromyalgiaa hoidetaan pääsääntöisesti lääkkeettömästi ja lääkkeetön hoito on elämäntapamuutos. Kuitenkin tulokset olivat monin paikoin ristiriidassa keskenään siitä, mikä hoito on oikeasti vaikuttavaa. Siksi fibromyalgiasta oireyhtymänä tarvitaan vielä lisää tutkimuksia, jotta vaikuttava hoito voidaan määritellä. Fibromyalgiasta ei ole kovin runsaasti uutta suomenkielistä tutkimustietoa saatavilla ja oireyhtymä ei ole yleisesti hyvin tunnettu. Jatkokehitämisehdotuksena opasta voisi kehittää suunnittelemalla sen kokonaan toiselle kohderyhmälle, kuten hoitohenkilökunnalle.
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 | 0.003 | 0.005 |
| 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 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.071 | 0.015 |
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".