Desenvolvimento e avaliação de um aplicativo para autoconsciência e prevenção em saúde pública
Notice bibliographique
Résumé
Objetivo: Desenvolver e avaliar o aplicativo JOIA®, analisando seu impacto na autoconsciência e prevenção em saúde, além de sua usabilidade, segurança e privacidade no sistema público de saúde. Métodos: O estudo ocorreu em duas etapas: 1) desenvolvimento do JOIA® (para Android e iOS); 2) estudo intervencionista antes e depois, realizado em um hospital universitário público no sul do Brasil, com 100 pacientes acima de 50 anos. Foram avaliadas usabilidade (System Usability Scale - SUS) e conformidade com a Lei Geral de Proteção de Dados Pessoais (LGPD). Resultados: 90% dos pacientes baixaram e usaram o App, 95% consideraram útil e 93% demonstraram interesse em continuar usando. A autoconsciência aumentou 5 vezes, a satisfação com a saúde 32 vezes e o reconhecimento da prevenção 3,6 vezes. Conclusão: O App JOIA® facilitou a comunicação entre pacientes e profissionais, garantindo segurança conforme a LGPD. 68% avaliaram a usabilidade como intermediária a excelente, indicando áreas para melhorias na interface e suporte ao usuário. O App demonstrou-se eficaz para engajamento e prevenção em saúde, com potencial para otimizar o sistema público e reduzir custos.
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 | 0,017 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».