Sairaanhoitajan osuus syöpäpotilaan kroonisen kivun hoidossa : narratiivinen kirjallisuuskatsaus
Bibliographic record
Abstract
Syöpä tarkoittaa hyvänlaatuisen solun muodostumista pahanlaatuiseksi. Suomessa syöpä on yksi merkittävimmistä kansantaudeista ja myös yksi yleisimmistä kuolinsyistä. Syöpä aiheuttaa potilaalle usein kipua. Kun kipu pitkittyy ja kestää yli kolme kuukautta, puhutaan kroonisesta kivusta. Tämän opinnäytetyön tarkoituksena on selvittää sairaanhoitajan osuutta syöpäpotilaan kroonisen kivun hoidossa. Opinnäytetyö on muodoltaan narratiivinen kirjallisuuskatsaus, jossa tekijät perehtyvät tutkittuun tietoon ja sitä kautta luovat vastauksia tutkimusongelmiin, joita tässä opinnäytetyössä on kolme. Sairaanhoitajan tulee osata kommunikoida potilaan sekä muun henkilökunnan kanssa. Hyvällä kommunikaatiolla sekä luottamuksella varmistetaan hyvä kivunhoito sekä onnistunut kivun arviointi. Sairaanhoitajan tulee osata laatia hoitosuunnitelma yhdessä potilaan kanssa, jonka mukaan hoito toteutetaan. Lääkehoidon osaamisessa kädentaidot ovat välttämätön taito, joka sairaanhoitajan täytyy osata. Kipukokemukseen vaikuttavat monet tekijät, joten sairaanhoitajan on osattava hallita ja huomioida kokonaisuutta.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 0.009 |
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".