Bibliographic record
Abstract
Niskan retkahdus- eli piiskaniskuvammaa käsiteltiin kanadalaisessa työryhmässä Quebec task force (QTF) vuonna 1995 ja tuolta ajalta on vammatyypin tuorein määritelmä: ”Retkahdusvamman aiheuttaa kiihtyvyys-hidastuvuusmekanismilla niskaan kohdistuva energia. Vamman syynä voi olla peräänajo- tai kylkikolari, mutta myös esimerkiksi sukellus liian matalaan veteen. Isku voi aiheuttaa luu- tai pehmytosavaurioita.” (Lindgren & Miettinen, 2004). Yleisimpiä piiskaniskuvamman oireita ovat niskakipu ja -jäykkyys, takaraivopäänsärky, rinta-lannerangan kivut ja yläraajan tuntohäiriöt (Bannister, Amirfeyz, Kelley, & Gargan, 2009). Yleisimpien oireiden lisäksi potilaat voivat valitella epämääräisiä oireita, kuten lihasheikkoutta, näköhäiriöitä, tinnitusta ja päänsärkyä (Lindgren & Miettinen, 2004). Oireiden kroonistumisen taustalla arvellaan olevan rangan tai pehmytkudosten patologis-anatominen vaurio, mutta elimellisten vammojen lisäksi psyykkiset ja psykososiaaliset taustat kytkeytynevät tähän vahvasti. On esimerkiksi havaittu, että piiskaniskuvamman seuraukset ovat vakavammat, mikäli vammatapahtumaa edeltää psykiatrinen sairaus, vastuu huollettavista tai aiemmat vammaan liittymättömät runsaat lääkärikäynnit (Bannister et al., 2009). \nTässä syventävässä työssä käsitellään niskan piiskaniskuvammaa, sen biomekaniikkaa ja relevanttia anatomiaa. Työn osana tehtiin dissektiotyö pakastevainajalla. Dissektiotyön suorituksesta ja anatomisista rakenteista taltioitiin kuvamateriaalia käytettäväksi opinnäytetyössä.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.119 | 0.021 |
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".