A Comunicação Não Violenta em Saúde: Revisão Integrativa
Notice bibliographique
Résumé
A Comunicação não violenta representa um método eficaz de comunicação que engloba a prática da escuta empática e a reformulação das mensagens ao parafrasear o discurso, com base na observação objetiva dos fatos, livre de julgamentos. A adoção de estratégias de comunicação não violenta pode promover um ambiente de saúde mais seguro e colaborativo, diminuindo conflitos interpessoais, fortalecendo o relacionamento profissional-paciente. Nesse sentido, esta revisão pode destacar a relevância de incorporar os princípios da CNV na formação e educação dos profissionais de saúde, levando a uma prática clínica mais humanizada e centrada no paciente. Assim, este estudo teve como objetivo analisar as evidências científicas sobre a comunicação não violenta no contexto da saúde, incluindo estratégias e desafios para sua aplicação na prática profissional. Trata-se de uma revisão integrativa (RI), a qual seguirá as seis etapas delineadas por Toronto e Remington (2020). Para a elaboração da questão de pesquisa foi empregada a estratégia PICo (P = população/problema: pessoal de saúde e pacientes; I = interesse: comunicação não violenta; Co = contexto: saúde. (Stern; Jordan; McArthur, 2014). Resultando , assim, na seguinte pergunta norteadora: “Quais as evidências científicas sobre a comunicação não violenta no contexto da saúde?”. Após a delimitação do tema do RI, na segunda fase, iniciará a busca nas bases de dados para a identificação e seleção dos estudos que serão incluídos. Vale ressaltar que, a busca de dados será realizada pelo sistema CAFe, por meio do periódico da CAPES. A busca será realizada em abril de 2024, de forma independente, por dois pesquisadores, nas bases de dados descritas a seguir : Biblioteca Virtual em Saúde (BVS), PUBMED, SCOPUS, WEB OF SCIENCE e CINAHL. Serão definidos como critérios de inclusão: estudos primários, sem recorte temporal e em qualquer idioma, disponibilizados nas bases de dados pesquisadas e que responderão à questão norteadora. Para encontrar os artigos científicos que compõem a amostra, serão utilizados os Descritores em Ciências da Saúde (DECS) em português, inglês e espanhol: Pessoal de Saúde, Health Personnel, Personal de Salud; Pacientes, Pacientes, Pacientes; Saúde, Saúde, Saúde. Também serão utilizados os descritores do MESH Database: Health Personnel; Pacientes; e Saúde. E, por fim, serão utilizados os termos CINAHL: Pessoal de Saúde; Pacientes/Clientes; Comunicação Não-Violenta; Saúde. Foi constatado, mediante a elaboração da questão norteadora, e dos descritores controlados obtidos do DECS e MESH Database, a necessidade de incluir também descritores não controlados, ou seja, comunicação não violenta. Desta forma, para as bases de dados em que a busca é realizada com descritores extraídos no DECS, será utilizado o descritor não controlado: Comunicação Não Violenta. Já para as bases que utilizam os descritos extraídos no MESH Database, serão utilizadas os não controladas: Non-Violent Communication; Non-Violent Communication; Non-Violent Communication. Para os cruzamentos dos descritores serão usados os operadores booleanos, representados pelos termos conectores AND e OR. Vale ressaltar que será realizado um teste piloto nas bases de dados pré-selecionadas para verificar os possíveis descritores e definir a estratégia de busca final. Realizado a busca nas bases de dados, os artigos encontrados serão transferidos para o software Endnote Online da Clarivate (2024) e em seguida, serão exportados para o software Rayyan® QCRI. A pré-seleção e a seleção serão realizadas por dois revisores às cegas. Os conflitos serão resolvidos em reunião com um terceiro revisor. Na terceira fase, os estudos incluídos na revisão serão avaliados sistematicamente, por meio da classificação dos Níveis de Evidência designados por Polit e Beck (2018). Na quarta fase, será feita a análise e a síntese dos dados, em que será utilizada uma adaptação do “Instrumento de coleta de dados da revisão integrativa de Fernandes (2011) no qual será elencado em dois quadros, e que abrange os dados de identificação do estudo e caracterização do estudo. Para a análise dos dados, será realizada uma estatística descritiva em relação às variáveis de identificação dos estudos. E a caracterização dos estudos será comprovada por meio de categorização. Na quinta fase, haverá a interpretação e a comparação dos dados apontados nos artigos, por meio da interpretação e análise dos resultados. Na sexta fase, terá a divulgação dos resultados do RI. Para a análise dos dados, será realizada uma estatística descritiva em relação às variáveis de identificação dos estudos. E a caracterização dos estudos será comprovada por meio de categorização. Na quinta fase, haverá a interpretação e a comparação dos dados apontados nos artigos, por meio da interpretação e análise dos resultados. Na sexta fase, terá a divulgação dos resultados do RI. Para a análise dos dados, será realizada uma estatística descritiva em relação às variáveis de identificação dos estudos. E a caracterização dos estudos será comprovada por meio de categorização. Na quinta fase, haverá a interpretação e a comparação dos dados apontados nos artigos, por meio da interpretação e análise dos resultados. Na sexta fase, terá a divulgação dos resultados do RI.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,022 | 0,013 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».