Perioperacijska zdravstvena skrb kod mastektomije
Bibliographic record
Abstract
Karcinom dojke najučestalija je zloćudna bolest kod žena. Najpogođenije su žene iznad 50 godina starosti, no može se javiti i u mlađih osoba. Rizični čimbenici mogu biti: debljina, genska sklonost, ne dojenje, pušenje, konzumacija alkohola, prehrana, rana prva menstruacija i kasna menopauza. Simptomi koji upućuju na rak dojke jesu kvržica na dojci, iscjedak, promjena oblika dojke, uvučenost ili ispupčenost bradavice.\n Dijagnoza se postavlja na temelju kliničkog pregleda i anamneze te mamografije, ultrazvuka i magnetne rezonance. Rak dojke najčešće se nalazi u desnom gornjem kvadrantu dojke.\n Liječenje je multidisciplinarno, a sastoji se od: kemoterapije, hormonske terapije, imunoterapija, zračenje i kirurško liječenje. Mastektomija je uklanjanje tumora dojke i same dojke s ili bez aksilarnih limfnih čvorova. Može biti u svrhu liječenja ili u preventivne svrhe. Kako bi operacijski ishod bio što učinkovitiji i bolji potrebna je kvalitetna prijeoperacijska i poslijeoperacijska zdravstvena skrb. Važno je uključivanje pacijentice u planiranje i provođenje zdravstvene njege. Medicinska sestra/tehničar pacijentici odgovara na pitanja te daje informacije koje ona želi znati. Potrebno je podučiti pacijenticu o vježbama ruku i dubokog disanja zbog sprječavanja mogućih komplikacija. Poslije operacije bitno je pacijentici biti podrška i potpora.\n Nakon operacije kvaliteta života je pokazatelj učinkovitosti liječenja bolesti. Kvalitetu života definiraju subjektivni utisci zadovoljstva i vrednovanja.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".