O foco míope: apontamentos sobre o cuidado à crise em saúde mental em emergências de hospitais gerais
Bibliographic record
Abstract
O artigo discute a atenção à crise em saúde mental com base em uma pesquisa-intervenção em andamento que vem cartografando os modos de acolhimento operados em três emergências de hospitais gerais de Porto Alegre. Os processos de cuidado em relação à saúde mental aparecem tão plurais e individualizados quanto as estratégias de que estes trabalhadores lançam mão para dar conta das ansiedades que tais atendimentos mobilizam. Neste percurso de pesquisa no qual a dimensão de formação e intervenção não estão separadas, a proposta é de pôr em análise o acolhimento com classificação de risco junto ao tema da crise em saúde mental, na perspectiva da Política Nacional de Humanização. O medo ao desconhecido, o estigma associado à loucura e, fundamentalmente, a sensação de despreparo dos profissionais para escutar e resolver os problemas que surgem nos atendimentos emergenciais produz efeitos de invisibilidade sobre a dimensão da saúde mental presente em muitos desses atendimentos. Uma espécie de “foco míope” no trabalho aí desenvolvido emerge como efeito deste modo de trabalhar que, sendo tomado como analisador, pode apontar caminhos de resgate ao sentido, muitas vezes perdido, do acolhimento como diretriz e dispositivo de humanização da saúde.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.011 | 0.015 |
| Scholarly communication | 0.013 | 0.012 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".