MétaCan
Menu
Retour à la cohorte

Diagnóstico Situacional de Comitês Municipais de Equidade: Um Relato de Experiência do Projeto Pet-saúde Equidade

2025· article· W4415592840 sur OpenAlexaff
Aline da Silva Godoy, D. Andrade, E. Silva, Gabrielly Sabino de Freitas, Marcos Vinícius Campos Augusto Reis, Fernando Eustáquio de Matos, Guilherme Rhis, Maria Anete Santana Valente, Rômulo Batista Gusmão, Waneska Alexandra Alves

Notice bibliographique

RevueSaúde Coletiva (Barueri) · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensNutrasource
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Context (archaeology)Scope (computer science)Intervention (counseling)Social movement

Résumé

récupéré en direct d'OpenAlex

Este artigo apresenta um relato de experiência sobre a realização de um diagnóstico situacional dos Comitês Municipais de Equidade (CME) na microrregião de Governador Valadares, Minas Gerais, no âmbito do Programa PET-Saúde: Equidade. Para a análise, utilizou-se o Planejamento Estratégico Situacional (PES), com enfoque no Momento I – Explicativo. Foram realizadas entrevistas com gestores municipais de saúde e coordenadores da Atenção Primária à Saúde, além da análise documental de normativas e registros formais dos CMEs. Os resultados indicaram a ausência de regulamentação formal, o desconhecimento do conceito de equidade por parte dos gestores e a baixa participação social nos processos decisórios. Apenas quatro dos seis municípios forneceram registros documentais, evidenciando a falta de sistematização das atividades dos CMEs. A experiência demonstrou a relevância da articulação entre ensino, serviço e comunidade para fortalecer políticas públicas voltadas à equidade em saúde. Conclui-se que a institucionalização dos CMEs, aliada à capacitação contínua dos gestores e ao incentivo à participação social, são estratégias fundamentais para a consolidação da equidade no Sistema Único de Saúde (SUS).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,003
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,344
Écart entre enseignants0,320 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSaúde Coletiva (Barueri)Même sujetSocial Media and PoliticsTravaux en français237 207