MétaCan
Menu
Retour à la cohorte
Enregistrement W3006433154 · doi:10.5335/rbceh.v16i2.10358

MORTALIDADE POR INFLUENZA EM IDOSOS NO RS EM 2018: UM ESTUDO TRANSVERSAL

2019· article· pt· W3006433154 sur OpenAlexaff
Pedro Pablo de Gusmão Bonilla, Andrea Morais de Gusmão

Notice bibliographique

RevueRevista Brasileira de Ciências do Envelhecimento Humano · 2019
Typearticle
Languept
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensGroup Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecology

Résumé

récupéré en direct d'OpenAlex

Introdução: as infecções respiratórias constituem um conjunto de doenças comumente relacionadas aos idosos, sendo o vírus da Influenza um dos seus principais agentes etiológicos. Os idosos são um grupo vulnerável porque a idade avançada está associada com uma grande prevalência de doenças crônicas e um sistema imune mais deficiente. No Brasil, a política de vacinação contra a Influenza iniciou-se em 1999, sendo oferecida anualmente pelo SUS aos idosos e demais grupos de risco. Objetivos: analisar o número de casos e óbitos por Influenza no estado do Rio Grande do Sul e comparar o coeficiente de mortalidade entre os idosos e o restante da população. Métodos: estudo transversal com análise secundária dos dados presentes nos boletins epidemiológicos divulgados pelo Centro Estadual de Vigilância em Saúde (CEVS) até a 41ª semana (13/10) de 2018 . Resultados: durante o período analisado, no Rio Grande do Sul, houve 613 casos de Síndrome Respiratória Aguda Grave (SRAG) por Influenza, dos quais, 25,9% (159 casos) foram em adultos maiores que 60 anos. Além disso, dos 94 óbitos, 41 foram em idosos, representando 43,6% do total. O coeficiente de mortalidade nos idosos foi 2,2 vezes maior do que no restante da população. Conclusões: durante o período analisado, os idosos foram o grupo com a maior mortalidade por complicações respiratórias causadas pela Influenza. Reforça-se, então, a importância da vacinação nos idosos, que durante o ano de 2018 atingiu uma cobertura de 93,9%, considerada acima da meta proposta pelo Ministério da Saúde.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,307
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Brasileira de Ciências do Envelhecimento HumanoMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207