Tid og tillit: Å førebyggja underernæring hos heimebuande demente
Bibliographic record
Abstract
Tittel: Tid og tillit. Å førebyggja underernæring hos heimebuande demente.\nBakgrunn for val av tema: Underernæring er eit alvorleg problem, og eldre, einslege og demente er blant dei som er mest utsett. Særleg for demente som bur heime åleine, kan dette vera vanskeleg, sidan dei ikkje hugsar om dei har ete, og dei kan ha vanskar med å sjå at dei treng hjelp.\nProblemstilling: Korleis kan sjukepleiar førebyggja underernæring hos demente som bur heime?\nHensikt med oppgåva: Med å skriva denne oppgåva ynskjer eg å få fram korleis sjukepleiar kan hjelpa demente som bur heime, til å få i seg nok og næringsrik mat.\nMetode: Denne oppgåva er ein litteraturstudie. Dei endelege søka vart gjort i CINAHL, Ovid Nursing og Sykepleien Forskning, der flest søkeord var demens/dementia, heimesjukepleie/home nursing og underernæring/malnutrition. To av studiane var gjennomført i Noreg, to av dei i Sverige, og den femte var i frå Canada. Den eldste studien er i frå 2006, medan dei andre er i frå 2010 og 2011.\nResultat: Hovudfunna i dei fem artiklane, er at demente som bur heime helst vil greie seg sjølv og vera sjølvstendige. Men underernæring kan verta eit problem for den pasientgruppa. Sjukepleiar må sørgje for å få pasienten sin tillit, slik at pasienten vert trygg i relasjonen. Sjukepleiarar må sjå kvar einskild sine behov og vurdera deira behov for næringsrik mat. Kunnskap om ernæringsarbeid, kontinuitet i arbeidet, dokumentasjon og rutinar for å sikra pasienten ein god ernæringstilstand er ting som vert trekt fram i studiane.\nOppsummering: For å sikra ei tilfresstillande ernæring, må sjukepleiarar bruka god tid i lag med den demente pasienten, og særleg i byrjinga når ein skal opparbeida ein god relasjon, og pasienten skal verta trygg på den som kjem og skal hjelpa. Kommunikasjon er viktig i arbeidet med å skapa god tillit. Når ein kjem heim til pasienten for å hjelpa til med måltid, må ein passe på at det vert gjort på ein slik måte at pasienten får ivaretatt sjølvkjensla og integriteten sin. For å sikra pasienten ei god og rett behandling, må det vera eit godt samarbeid mellom sjukepleiar og pasient, men også mellom sjukepleiarane som er heime hos den demente, og dokumentasjon og observasjon er avgjerande i arbeidet.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.101 | 0.034 |
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".