Ambulante akutteam ved distriktspsykiatriske sentre : en kartleggingsstudie
Bibliographic record
Abstract
Studiens bakgrunn: Stortinget har vedtatt at alle landets distriktspsykiatriske sentre (DPS) innen 2008 skal opprette ambulante akutteam for personer over 18 år. Teamene skal bidra til økt tilgjengelighet, rask hjelp og økt brukerinvolvering i tjenestetilbudet. \nHensikt: Å kartlegge antallet etablerte ambulante akutteam i Norge i januar 2010, samt de mest sentrale arbeidsmåtene i teamene. \nMetode: Materialet ble samlet inn gjennom en telefonkartlegging til alle landets distriktspsykiatriske sentre i januar 2010. \nResultater: 51 av landets distriktspsykiatriske sentre har team (n=76). Av de 25 som ikke har vil seks etablere team i løpet av 2010. Det er stor grad av variasjon i tjenestetilbud og arbeidsmåter. De fleste teamene har åpningstid bare på dagtid med noen utvidelser på kvelder og i helger. De fleste team disponerer krisesenger, samarbeider aktivt med pårørende, drar hjem til brukere og tar direkte imot henvendelser. \nKonklusjon: De helsepolitiske målsettingene som er vedtatt i relasjon til opprettelsen av ambulante akutteam er bare delvis innfridd. En tredjedel av landets DPS’er har ennå ikke etablert slike team. For å realisere de helsepolitiske og faglig målsettingene kan en faglig veileder for «best practice» utredes, utprøves og evalueres.
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 | 0.012 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.062 | 0.011 |
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".