Sarveiskalvolta näköhermonpäähän : kyselytutkimus optikoille oftalmoskoopin, skiaskoopin ja tonometrin käytöstä sekä lisäkoulutustoiveista
Bibliographic record
Abstract
Opinnäytetyömme tarkoituksena oli selvittää optikoiden oftalmoskoopin, skiaskoopin ja tonometrin käyttöä. Tavoitteenamme oli saada selville, kuinka yleistä kyseisten tutkimusvälineiden käyttö on optikoiden keskuudessa, mitkä tekijät vaikuttavat laitteiden käyttöön ja missä tapauksissa tutkimusvälineitä käytetään. Lisäksi tarkoituksena oli kartoittaa optikoiden lisäkoulutustoiveita. Opinnäytetyö tehtiin yhteistyössä Optiikka Media Oy:n kanssa, joka toteuttaa ja suunnittelee alan jatko- ja täydennyskoulutusta. Opinnäytetyön tulosten pohjalta Optiikka Media Oy voi kehittää optikoiden lisäkoulutusta. \n \nOpinnäytetyömme tehtiin kvantitatiivista tutkimusstrategiaa käyttäen, ja aineisto kerättiin keväällä 2008 Internetissä olleella kyselylomakkeella. Kyselyn saatekirje lähetettiin sekä Suomen Optikoiden Ammattiliitto ry:n (SOA) jäsenien että Suomen Optikkoliikkeiden Liitto ry:n (SOL) jäsenliikkeiden sähköpostiosoitteisiin. Kyselyyn vastasi 13 % kaikista Suomen optikoista. Tulokset analysoitiin SPSS 15.0 for Windows -ohjelmalla. \n \nKyselymme mukaan oftalmoskoopin käyttö on vähäisintä näöntutkimuksen yhteydessä, kun taas skiaskooppia käytetään yleisimmin. Oftalmoskoopin käyttöön näyttää vaikuttavan erityisesti tutkittavan alentunut näöntarkkuus, näöntutkimuksessa esiin tulleet ongelmat, tutkittavan ikä, korkeat silmänpaineet ja suvussa esiintyvät silmäsairaudet. Tiedon ja varmuuden puute tulkinnassa sekä silmänpohjakameran tai epäsuoran oftalmoskopointitekniikan käyttö ovat suurimmat syyt olla käyttämättä oftalmoskooppia. Oftalmoskoopin käyttöön näyttää vaikuttavan optikon ikä, sukupuoli ja työvuodet optikkona. Myös oppilaitoksella, josta optikko on valmistunut, sekä oftalmoskopian lisäkoulutuskurssin käymisellä näyttää olevan vaikutusta oftalmoskoopin käyttöön. Skiaskooppia käytetään etenkin samentumien havaitsemiseen sekä refraktion tarkistamiseen. Tonometrin käyttöön vaikuttavista tekijöistä tärkein on tutkittavan ikä. Kymmenesosalla vastaajista ei ole käytössään tonometria. Vastaajat ovat erityisesti kiinnostuneita oftalmoskopiaan liittyvästä lisäkoulutuksesta; kolme neljästä haluaisi sitä. Vastaajat ovat erityisen kiinnostuneita kursseista. \n \nOpinnäytetyömme merkittävimmät tulokset saimme oftalmoskoopista. Oftalmoskoopin käyttö on vähäisintä ja lisäkoulutusta toivotaan eniten. Opetusta oftalmoskopoinnista tulisi kehittää ja lisäkoulutuskursseja olisi tarpeellista järjestää.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.053 | 0.018 |
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".