Potilasohje pienienergisen murtuman saaneelle potilaalle osteoporoosia epäiltäessä: tulostettavan potilasohjeen sisällön tuottaminen Suomen Luustoliitto ry:lle
Bibliographic record
Abstract
Tämän toiminnallisen opinnäytetyön tavoitteena oli tuottaa potilasohjeen tekstisisältö pienienergisen murtuman saaneelle potilaalle osteoporoosia epäiltäessä. Potilasohje toteutettiin Suomen Luustoliitto ry:lle. Potilasohjeen tarkoituksena oli lisätä tietoisuutta potilaalle pienienergisestä murtumasta kuntoutumisesta sekä osteoporoosista ja näiden kahden yhteydestä. \nOpinnäytetyön teoriaosuudessa käsiteltiin ajankohtaisen tutkitun tiedon pohjalta osteoporoosia sairautena, pienienergistä murtumaa ja siitä kuntoutumista sekä omahoidon roolia tässä. Lisäksi teoriaosuudessa kerrotaan, millainen on hyvä potilasohje. Opinnäytetyön teoriaosuus kirjoitettiin hyödyntäen sekä suomalaista että kansainvälistä tutkimustietoa. \nOpinnäytetyön toiminnallinen osuus oli potilasohjeen tekstiosuuden tuottaminen teoriaosuuden pohjalta. Potilasohjeessa kerrottiin lyhyesti osteoporoosista sairautena, pienienergisestä murtumasta ja miten tämä liittyy osteoporoosiin. Lisäksi potilasohjeessa annettiin vinkkejä osteoporoosin ja murtuman ennaltaehkäisyyn. Potilasohjeen tavoitteena oli tukea potilaiden omahoitoa.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.075 | 0.017 |
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".