Diagnostisten lääkeaineiden hyödyntäminen työelämässä : Kyselytutkimus rajattuun lääkkeenmääräämiseen oikeutetuille optikoille
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli selvittää, kuinka moni optikko hyödyntää työssään rajattua lääkkeenmääräämisoikeutta. Tutkimuksen tavoitteena oli selvittää, miten diagnostisten lääkeaineiden käyttöoikeus on muuttanut optikoiden työnkuvaa. Terveydenhuollon ammattihenkilöiden asetuksen (564/1994) mukaan näöntutkimuksen ja piilolinssisovituksen yhteydessä optikon tulee tutkia sekä arvioida silmien terveydentilaa koulutuksensa ja kokemuksensa mukaisesti. Aihe on ajankohtainen, sillä rajatun lääkkeenmääräämisoikeuden koulutusta on järjestetty nyt jo yli seitsemän vuotta ja se on edelleen saanut aikaan muutoksia optikoiden koulutuksessa sekä työnkuvassa. Tämän lisäksi optometrian tutkintoohjelma käy läpi akkreditointiprosessia. Näillä tekijöillä on vaikutusta esimerkiksi opintosuunnitelmaan. Opinnäytetyön perusteella lukija saa käsityksen optikon rajatusta lääkkeenmääräämisoikeudesta sekä optikoiden mielipiteistä, valmiuksista ja kokemuksista diagnostisten lääkeaineiden käytöstä. Teoriaosuudessa käsitellään optikoiden koulutusta, lainsäädäntöä, lääkehoitoon, työhön liittyvää etiikkaa ja optikoiden rajattuun lääkkeenmääräämiseen kuuluvia diagnostisia lääkeaineita. Suomen Optometrian Ammattilaiset ry (SOA) toimi opinnäytetyön yhteistyökumppanina ja kyselyn välittäjänä kohderyhmälle. \n \n \n Tutkimus toteutettiin kvantitatiivisesti sähköisen kyselylomakkeen muodossa joulukuun 2018 ja tammikuun 2019 vaihteessa. Kohderyhmänä oli rajattuun lääkkeenmääräämiseen oikeutetut optikot. Kysely luotiin E lomake -alustalle ja vastaukset analysoitiin siihen yhteensopivalla SPSS-ohjelmalla. Kyselyyn osallistui 95 vastaajaa, mutta valideja vastauksia jäi kaiken kaikkiaan 91 kappaletta. Kyselyyn osallistuneista yli puolet (55%) oli saanut rajatun lääkkeenmääräämisoikeuden perusopinnoissaan ja hieman pienempi vastaajamäärä (45 %) oli saanut oikeuden täydennyskoulutuksen kautta. Tutkimuksessa eroteltiin diagnostisten lääkeaineiden käyttöön vaikuttavia tekijöitä. Tuloksista selvisi, että diagnostisia lääkeaineita hyödynnetään työelämässä vähän. Vastaajista 56 % arvioi, ettei käytä lainkaan diagnostisia lääkeaineita työssään. Suurimmaksi käyttämättömyyden syyksi korostui rahallinen puoli. Vastaajien mielestä näöntutkimuksesta pitäisi veloittaa enemmän diagnostisten lääkeaineiden käytön yhteydessä. Ajanpuute osoittautui olevan toiseksi suurin syy käyttämättömyydelle. Koulutuksen myötä työnkuva on vastaajien mukaan muuttunut entistä vaativammaksi ja stressaavammaksi, mutta se on samalla tuonut uusia mahdollisuuksia tarkempaan silmien terveydentilan tutkimiseen. Opinnäytetyö antaa myös pohjaa koulutuksen uudistamiselle. Lisäksi tulosten perusteella voidaan todeta, että lääkeaineiden hyödyntäminen tulee jatkossa todennäköisesti vaatimaan muutoksia optikkopalveluiden tarjonnassa sekä alan mainonnassa.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".