DADOS MÉDICO-LEGAIS SOBRE AFOGAMENTOS NA REGIÃO DE RIBEIRÃO PRETO (SP, BRASIL): UM PASSO PARA A PREVENÇÃO
Bibliographic record
Abstract
Este é um estudo de prevalência com a primeira descrição específica de casos de afogamento em uma área não-costeira do Brasil, em Ribeirão Preto, estado de São Paulo, uma região com padrão de vida comparável ao de países desenvolvidos, com o objetivo de estabelecer medidas preventivas para este tipo específico de trauma. Metodologia : Uma análise da documentação médico-legal de 89 casos de afogamento ocorridos entre 2001 e 2004. O padrão de mortes por afogamento foi estudado através de parâmetros como idade, sexo, características sócio-econômicas e avaliação do consumo de álcool. Resultados: um índice de 2,69 casos por 100.000 habitantes foi observado. O perfil predominante entre as vítimas de afogamento foi o do homem caucasiano em idade economicamente produtiva (15-59 anos), afogados acidentalmente em rios e represas na área rural durante o verão e o outono, sendo inviável a avaliação do consumo de álcool. Conclusão e Relevância : a observação do perfil da vítima de afogamento através dos relatórios médico-legais permitiu o desenvolvimento de um projeto piloto de sucesso na prevenção de afogamentos que pode ser expandido para outras áreas não-costeiras do Brasil, visando à redução do número de vítimas através da prevenção. As dificuldades de investigar a influência do consumo de álcool são discutidas.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".