O uso do genograma e ecomapa como estratégia de coleta de dados em pesquisas com famílias
Notice bibliographique
Résumé
Atualmente, tem crescido no Brasil o número de pesquisas de abordagem qualitativa destinadas à compreensão de fenômenos de saúde e doença sob uma perspectiva do sistema familiar, e não de seus membros isoladamente. Neste contexto, é indispensável a seleção cuidadosa de instrumentos de avaliação familiar que possam trazer dados significativos a partir de uma visão sistêmica. O Modelo Calgary de Avaliação Familiar apresenta dois instrumentos consagrados na prática clínica para avaliar famílias, a saber, o genograma e o ecomapa. Estudos recentes tem mostrado que o seu uso para fins de pesquisa é crescente e promissor. Discutir a aplicabilidade do genograma e ecomapa como estratégia de coleta de dados em pesquisas com famílias. Relato de experiência, em que as autoras apresentam os instrumentos e descrevem uma proposta de utilização dos mesmos como estratégia de coleta de dados, bem como os desafios inerentes à análise e triangulação destes achados com as demais fontes de coleta de dados. O genograma tem por objetivo estabelecer um retrato da composição familiar, e seu uso em pesquisas também promovem o quebra-gelo antes do início das entrevistas, além de fornecer dados importantes sobre a composição interna da família. O ecomapa, destinado a identificar como a família se relaciona com a comunidade, é imprescindível quando se busca conhecer e compreender experiências de apoio social ou privação de suporte nos desafios de saúde. Interpretá-los em conjunto com os demais dados coletados enriquece a compreensão das experiências familiares, à medida que a estrutura familiar é compreendida e fundamenta os demais achados. O genograma e ecomapa mostram-se úteis às pesquisas com famílias, e o uso destes instrumentos deve ser encorajado.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».