Notkun ICE-FPSQ til mats á fjölskyldustuðningi í geðhjúkrun: Kerfisbundin fræðileg samantekt
Bibliographic record
Abstract
Bakgrunnur: Fjölskyldur einstaklinga með geðrænan vanda upplifa oft álag sem hefur áhrif á virkni þeirra og getu til að styðja við bataferli. Fjölskyldumiðuð hjúkrun byggð á Calgary-fjölskyldulíkönunum (CFAM og CFIM) hefur verið þróuð til að efla stuðning og bæta samskipti innan fjölskyldna í geð-hjúkrun. Til að mæla upplifun fjölskyldumeðlima af stuðningi hjúkrunarfræðinga var þróað mælitækið Iceland Family Perceived Support Questionnaire (ICE-FPSQ), sem mælir hugrænan og tilfinninga¬legan stuðning við fjölskyldumeðlimi. Tilgangur: Markmið þessarar kerfisbundnu fræðilegu samantektar er að greina hvernig ICE-FPSQ hefur verið notað í rannsóknum innan geðhjúkrunar og hvernig niðurstöður þeirra hafa verið hagnýttar í klínísku starfi. Sérstök áhersla er lögð á próffræðileg einkenni listans og gagnsemi í klínískri vinnu geðhjúkrunarfræðinga. Aðferðir: Gerð var kerfisbundin samantekt með leit í gagnasöfnum á borð við PubMed, Scopus, CINAHL og Google Scholar. Notuð voru PICOT-viðmið og MeSH-leitarorð við mótun rannsóknar-spurningar og leitarferlis. Rannsóknir sem notuðu ICE-FPSQ í geðhjúkrun voru teknar til greina og metnar með gæðaviðmiðum JBI. Niðurstöður: Rannsóknir sýna að ICE-FPSQ hefur háan áreiðanleika og hátt innra réttmæti. Mæl¬itækið er næmt fyrir breytingum eftir fjölskyldumiðaðar íhlutanir og hefur reynst gagnlegt í að greina hugrænan og tilfinningalegan stuðning. Íhlutanir sem byggja á CFIM, svo sem meðferðarsamræður, hafa aukið upplifaðan stuðning fjölskyldumeðlima, bætt líðan og styrkt tengsl innan fjölskyldna. Ályktanir: ICE-FPSQ er öflugt mælitæki í fjölskyldumiðaðri geðhjúkrun og getur nýst bæði í rann-sóknum og klínísku starfi til að meta árangur íhlutana og styðja við fjölskyldur einstaklinga með geð-raskanir. Samantektin undirstrikar mikilvægi þess að innleiða markvissar, fjölskyldumiðaðar nálganir með mælanlegum árangri til að efla gæði geðheilbrigðisþjónustu.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.083 | 0.035 |
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".