MétaCan
Menu
Retour à la cohorte
Enregistrement W7116117359 · doi:10.5327/2237-9622.2025.v34s1.55

Efeito do Uso dos Dados de Registros de Lesões na Elaboração de Plíticas, nas Hospitalizações e na Mortalidade: uma revisão sistemática

2025· article· en· W7116117359 sur OpenAlexaboutno aff

Notice bibliographique

RevueEpidemiologia e Serviços de Saúde · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Scale (ratio)Data collectionService (business)Data quality

Résumé

récupéré en direct d'OpenAlex

Introdução: Iniciado em 2021, um projeto brasileiro tem como objetivo estabelecer um registro nacional de lesões que compila dados sobre eventos e indivíduos de todo o País, independentemente da gravidade das lesões. O registro integra informações do atendimento pré-hospitalar e hospitalar, de diversos sistemas de saúde que carecem de interoperabilidade e dados de setores como bombeiros e polícia. Seu objetivo principal é aprimorar a vigilância em saúde, fornecendo informações oportunas e de alta qualidade que orientem estratégias de prevenção e informem a formulação de políticas. Além disso, o projeto busca reduzir a morbidade e mortalidade associadas a lesões. Considerando os esforços atuais para implementar um registro de lesões no Brasil, este estudo investiga os efeitos dos dados do registro de lesões na formulação de políticas, taxas ou duração de hospitalização e mortalidade. Método: A revisão sistemática seguiu as diretrizes PRISMA, com um protocolo registrado no PROSPERO. Cinco bases de dados foram pesquisadas em novembro de 2023, com uma atualização realizada em março de 2024, incorporando listas de referências dos estudos incluídos. Dois revisores analisaram independentemente os registros, extraíram dados e avaliaram a qualidade metodológica usando a ferramenta Newcastle-Ottawa Scale (NOS), resolvendo desacordos com um terceiro revisor. Os estudos eram elegíveis se relatassem resultados relacionados à implementação e uso de dados de registro de lesões ou traumas para pelo menos um desfecho de interesse, enquanto aqueles baseados em outras fontes foram excluídos. A síntese dos resultados foi apresentada em tabelas, e os efeitos observados foram relatados como diferenças em número ou porcentagem. Resultados: De 9.100 estudos recuperados, 3.951 foram excluídos devido à duplicação, restando 5.149 para seleção, com 15 textos completos revisados. Apenas cinco estudos atenderam aos critérios de inclusão, destacando uma escassez notável de pesquisas sobre os efeitos dos dados do registro nos desfechos de lesões. É importante notar que os estudos incluídos refletem correlações em vez de causalidades, e atualmente não há publicações sobre impacto. Os achados sugerem que os registros de lesões e traumas influenciam positivamente a formulação de políticas, o que, por sua vez, melhora os desfechos de saúde. Um estudo observou redução de três dias na permanência na unidade de terapia intensiva e uma redução de 4,1% na mortalidade hospitalar esperada (de 22,8% para 18,7%) para pacientes com um Escore de Gravidade de Lesão (ISS) ≥16, enquanto outro mostrou diminuição anual de 42% nas internações hospitalares por lesões de trânsito (de 45 para 16). A heterogeneidade metodológica significativa e o pequeno número de estudos limitaram a viabilidade de uma metanálise. Conclusão: Até onde sabemos, esta é a primeira revisão sistemática que visa mapear os efeitos relacionados aos dados do registro. Pesquisas anteriores concentraram-se predominantemente nessa relação com sistemas de trauma ou para gerar conhecimento científico, em vez de avaliar o impacto ou os efeitos do registro em si. Em conclusão, o estabelecimento de um registro de lesões no Brasil apresenta uma oportunidade significativa para melhorar os resultados de saúde por meio da formulação de políticas informadas. Embora os efeitos diretos sobre a morbidade e a mortalidade possam não ser imediatamente evidentes, o papel do registro em facilitar medidas preventivas e melhorar as capacidades de vigilância é inestimável.

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)0,025
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,011
Études des sciences et des technologies0,0010,002
Communication savante0,0080,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,025
Tête enseignante GPT0,358
Écart entre enseignants0,333 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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 revueEpidemiologia e Serviços de SaúdeMême sujetInjury Epidemiology and PreventionTravaux en français237 207