Adaptação cultural e validade de conteúdo do ISTAP Skin Tear Classification para o português no Brasil
Notice bibliographique
Résumé
Objetivo: Adaptar culturalmente o ISTAP Skin Tear Classification para a língua portuguesa no Brasil e testar a validade de conteúdo da versão adaptada. Métodos: Três fases compuseram a adaptação cultural: tradução, avaliação por comitê de juízes composto de cinco estomaterapeutas (gerando a validação de conteúdo do instrumento) e retrotradução. O projeto foi aprovado por comitê de ética em pesquisa. Resultados: Duas versões em português do instrumento foram obtidas após tradução e analisadas pelo comitê de juízes, ocorrendo discordâncias apenas em termos específicos utilizados na área, seguidas por sugestões para melhor adequação do vocabulário em saúde. Isso gerou valores baixos do índice de validade de conteúdo. No entanto, a validade de conteúdo foi confirmada após discussão das discrepâncias entre as autoras e alguns membros do comitê de juízes, bem como com uma das autoras do instrumento original, Dra. Kimberly LeBlanc, que também a atestou quando aprovou as retrotraduções dessa versão. Conclusão: Considera-se obtida a versão adaptada culturalmente do ISTAP Skin Tear Classification, com sua validade de conteúdo também atestada. Neste momento, os testes para confiabilidade inter e intraobservadores e validade concorrente estão em fase de finalização, após o que se disponibilizará o instrumento adaptado e validado para o Brasil.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».