CRPS – Eine wenig bekannte chronische Erkrankung und was die Soziale Arbeit für Betroffene tun kann
Bibliographic record
Abstract
Obwohl das komplexe regionale Schmerzsyndrom (CRPS) nach der McGill Schmerzskala die schlimmsten Schmerzen verursacht, ist es noch wenig bekannt und nicht vollends erforscht. CRPS hat meist einen chronischen Verlauf und ist unter die funktionellen neurologischen Störungen (FNS) – genauer unter das Störungsbild der funktionellen Schmerzsyndrome einzuordnen. Die Therapie soll interdisziplinär erfolgen und besteht aus verschiedenen Elementen. Bislang gibt es aber noch keinen konkreten Ansatz, der Betroffene dabei unterstützt mit den Einschränkungen, die durch die Krankheit entstehen, umzugehen. An diesem Punkt könnte die Gesundheitsförderung als Fachbereich der Sozialen Arbeit ansetzen. In dieser Arbeit wird der Frage nachgegangen, was die Soziale Arbeit für Menschen mit CRPS tun kann. Untersucht wurde diese durch qualitative Sozialforschung anhand eines leitfadengestützten Expert/innen-Interviews. Es wurde festgestellt, dass die Arbeit der typisch medizinischen Berufsgruppen wie Ärzt/innen nicht ausreicht, um die Gesundheit von CRPS Betroffenen ganzheitlich zu fördern. Ein Ansatz, der an dieser Stelle eingesetzt werden könnte, ist der sogenannte Empowermentansatz. Dabei sollen Menschen zunächst die Einschränkungen, die sie durch ihre Krankheit haben, feststellen, um anschließend Fähigkeiten zu erwerben, die ihnen einen angemessenen Umgang mit diesen ermöglichen. Der Ansatz stellt eine hilfreiche Methode dar, um CRPS Betroffene zu unterstützen. Dabei wird zwischen der Befähigung des Einzelnen und der sozialen Gruppe unterschieden.
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 | 0.013 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".