Alkoholin käyttö raskauden ensiviikkoina on edelleen yleistä
Bibliographic record
Abstract
Lähtökohdat : Tutkimuksen tarkoituksena oli selvittää naisten alkoholinkäyttöä raskauden alkuviikkoina ja siihen vaikuttavia tekijöitä. Menetelmät : Raskaana olevat naiset (n = 217) rekrytoitiin tutkimukseen äitiysneuvolan ensikäynnillä Keski-Satakunnan terveydenhuollon kuntayhtymässä 1.9.2016–31.12.2019. He täyttivät alkuraskaudessa taustatieto-, mieliala-, elämänlaatu- ja ahdistuskyselyt. Alkoholin käyttö jaettiin kahteen ryhmään: 1) ei alkoholin käyttöä tai lopettanut alkoholin käytön jo raskautta suunnitellessaan sekä 2) alkoholin käytön positiivisen raskaustestin jälkeen lopettaneet. Tulokset : Tutkittavista 55 % lopetti alkoholin käytön vasta positiivisen raskaustestin jälkeen. Nämä naiset tupakoivat alkuraskaudessa muita yleisemmin ja kokivat elämänlaatunsa heikommaksi kuin ne, jotka pidättäytyivät alkoholin käytöstä jo raskautta suunnitellessaan. Päätelmät : Yli puolet raskaana olevista naisista ei pidättäytynyt alkoholista ennen positiivista raskaustestiä. Heikompi koettu elämänlaatu voi viitata lisääntyneeseen tuen tarpeeseen. Tietoisuutta alkoholin haitoista raskaaksi tulemiseen ja raskauteen on tärkeä lisätä jo hoidettaessa hedelmällisessä iässä olevia naisia ehkäisyneuvolassa
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.034 | 0.008 |
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".