Að grípa fólk í fallinu : reynsla fagfólks af stuðningi og áfallaþjónustu fyrir aðstandendur í kjölfar sjálfsvíga ástvina
Bibliographic record
Abstract
Þessi rannsóknaráætlun er lokaverkefni til B.S. prófs í hjúkrunarfræði við Háskólann á Akureyri. Markmið rannsóknaráætlunarinnar er undirbúningur rannsóknar sem fjalla mun um reynslu fagfólks af stuðningi og áfallaþjónustu fyrir aðstandendur í kjölfar sjálfsvíga ástvina. Í kjölfarið væri hægt að nota niðurstöður rannsóknarinnar til að búa til ákveðna verkferla sem myndu nýtast heilbrigðisstarfsfólki og viðbragðsaðilum til að veita betri þjónustu. Fjöldi sjálfsvíga hefur aukist töluvert á síðustu árum, en tíðnin virðist þó vera mismunandi eftir löndum. Sjálfsvíg eru flókin fyrirbæri sem skilja eftir sig brotna aðstandendur og ástvini. Óljóst er hver grípur ástvinina í fallinu þegar sjálfsvíg hefur átt sér stað en fagaðilar reyna sitt besta við að aðstoða þennan aðstandendahóp. Í rannsóknaráætluninni verður stuðst við eigindlega rannsóknaraðferð Vancouver-skólans í fyrirbærafræði. Höfundar rannsóknaráætlunarinnar settu þessa rannsóknarspurningu fram sem reynt verður að svara í rannsókninni: \nHver er reynsla fagfólks af stuðningi og áfallaþjónustu fyrir aðstandendur eftir sjálfsvíg ástvina? \nRannsóknir sýna að auka mætti þjónustu við aðstandendur eftir sjálfsvíg. Aðstandendur og ástvinir standa oft eftir einir og vita ekki hvert skal leita eftir aðstoð. Í rannsóknaráætluninni verður fjallað um þau úrræði sem eru í boði frá fagaðilum til aðstandenda eftir sjálfvíg ástvina. Tekin verða viðtöl við fagaðila á mismunandi sviðum til að finna út heildarmyndina á því hvernig verklagsreglurnar eru á þeirra sviði. \nLykilhugtök: Áfallahjálp, aðstandendur, sjálfsvíg, sorg og heilbrigðiskerfi.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.076 | 0.028 |
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".