MétaCan
Menu
Retour à la cohorte
Enregistrement W4312347955 · doi:10.34019/1809-8363.2021.v24.32569

Fatores que interferem na história da doença de pessoas com diagnóstico de hipertensão arterial: uma abordagem a partir do genograma e ecomapa

2021· article· pt· W4312347955 sur OpenAlexaboutno aff
Romário Correia dos Santos, Pâmella Stéphanie Acioli Carneiro, Marina Mota Bastos, Renata Ferreira Tiné, Thaís Carine Lisboa da Silva

Notice bibliographique

RevueRevista de APS · 2021
Typearticle
Languept
DomaineHealth Professions
ThématiqueHealth, Nursing, Elderly Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecology

Résumé

récupéré en direct d'OpenAlex

Na perspectiva do conceito ampliado da saúde, a família e comunidade parecem contribuir nos processos de saúde-doença dos indivíduos e no seu tratamento, sendo sua compreensão importante para a gestão do cuidado. Assim, objetivou-se compreender, por meio de genograma e ecomapa, fatores que interferem na história da doença de pessoas com diagnóstico de hipertensão arterial, acompanhadas na Atenção Primária à Saúde. O estudo teve a participação de 10 indivíduos, adscritos de uma Unidade Básica de Saúde do município de Recife, classificados e separados em dois grupos, compensado ou descompensado para a condição crônica pesquisada. A coleta de dados fez-se por meio do emprego da História de Vida Focal, analisados de acordo com o Modelo Calgary de Avaliação na Família, e posteriormente as informações foram transportadas para genogramas e ecomapas. No grupo de pacientes compensados para hipertensão arterial sugere-se que as coesões sociais, familiares e comunitárias, demonstradas graficamente pelo ecomapa e genograma, influenciam de forma positiva na história da doença e na sua terapêutica. Ao contrário, no grupo de pacientes descompensados, onde há pouca frequência de equipamentos sociais e relacionamentos em conflitos ou cortados, esses aspectos contribuem de alguma forma para um pior controle da condição crônica.

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)0,015
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,051
Tête enseignante GPT0,380
Écart entre enseignants0,329 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de APSMême sujetHealth, Nursing, Elderly CareTravaux en français237 207