Série temporal do suicídio no Brasil: o que mudou após o Setembro Amarelo?
Notice bibliographique
Résumé
Objetivo: Analisar a prevalência das notificações de suicídio no Brasil antes e após o lançamento da Campanha Setembro Amarelo (CSA) pelo Ministério da Saúde. Métodos: Foram utilizados dados secundários contidos no Sistema de Informações sobre Mortalidade (SIM) e no Sistema de Informação de Agravos de Notificação (SINAN) disponibilizados pelo DATASUS. Resultados: O número de casos notificados por intoxicação exógena somou um total de 452.579 pessoas no Brasil, destas, 15% (67.966) correspondiam à categoria “tentativa de suicídio” e 10% (45.901) a causas indeterminadas. Quanto à classificação de transtornos mentais e de comportamento da CID-10, entre 2013 e 2016, os óbitos notificados por “transtorno depressivo recorrente” (F33) vitimaram um total de 236 pessoas, das quais 57% (134) eram mulheres. Conclusão: Mais da metade das mortes violentas no mundo tem como causa o suicídio, tornando-o um problema da saúde pública. No ano de 2015 foi iniciada a Campanha Setembro Amarelo (CSA), que atua na prevenção ao suicídio. As taxas de incidência apresentaram dados ascendentes após a implantação da CSA, permitindo o questionamento a respeito da efetividade do programa. Faz–se necessário acompanhar a campanha por um maior intervalo de tempo, a fim de compreender seus impactos futuros.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,025 |
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 ».