ÁREAS DE ATUAÇÃO E PERFIL DOS FISIOTERAPEUTAS DE UMA CIDADE DE MÉDIO PORTE
Notice bibliographique
Résumé
Introdução: A fisioterapia possui amplo campo de atuação especialidades. Algumas pouco conhecidas e outras saturadas, além de uma má distribuição dos fisioterapeutas em algumas regiões geográficas. Objetivo: Conhecer o perfil profissional dos fisioterapeutas, de uma região, para melhor compreensão sobre as necessidades da população e as caraterísticas de cada especialidade. Métodos: Estudo transversal, descritivo e quantitativo realizado através de questionário no município de Ponte Nova/MG, em 2021, com a participação dos fisioterapeutas registrados no Cadastro Nacional de Estabelecimentos de Saúde e inscritos no Conselho Regional de Fisioterapia e Terapia Ocupacional da 4° Região atuantes no município. Resultados: Um total de 30 fisioterapeutas foram entrevistados, sendo a maioria mulheres n = 17 (56,67%), adultos jovens n = 13 (43,3%), residentes em Ponte Nova n = 24 (80%), formados em instituições privadas n = 29 (96,7%). A maior parte dos pesquisados, n = 17 (56,7%), graduou-se entre os anos de 2010-2021, possuem pós-graduação lato sensu n = 22 (73,3%). Todos os participantes trabalham com a profissão, sendo a clínica, o local de atuação mais citado n = 17 (56,7%), e apesar de não ser uma área em expansão a área de maior atuação é a de traumato-ortopedia n = 18 (62,1%). Atuam na grande maioria como autônomos n = 10 (33,3%), salário acima de 4000 reais n = 11 (36,7%) e média de carga horária semanal de 48,3 horas. Conclusão: Fisioterapia respiratória e dermatofuncional são áreas da fisioterapia que apresentam franca expansão e no local de coleta de dados mulheres jovens, recém graduadas, trabalhando em clínicas compõe a maior parte dos profissionais.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».