Determinação de fatores de risco para a queda infantil a partir do modelo Calgary de avaliação familiar
Bibliographic record
Abstract
"Objetivo: Determinar fatores de risco para quedas em crianças a partir do Modelo Calgary de Avaliação Familiar (MCAF). Método: Estudo com abordagem qualitativa, no qual foram entrevistados 6 familiares de crianças que se encontravam internadas em um hospital de emergência em Fortaleza-Ceará devido a queda, no período de agosto a setembro de 2005.Conforme o MCAF realizou-se o genograma e ecomapa de duas famílias. Resultados: Através do genograma e ecopama observou-se que a família (1) é monoparental, com seis filhos, católica, recebe um salário mínimo, frequenta a escola e Unidade Básica de Saúde da Família (UBSF). A família (2) é nuclear, com dois filhos, católica, recebe tres ou mais salários mínimos, frequenta a escola, trabalho e UBSF. Conclusão: O Modelo Calgary de Avaliação Familiar proporcionou conhecer as estruturas familiares de crianças que sofreram quedas e auxiliou na definição dos fatores de risco que existem no seio familiar e nos ambientes sociais que essas crianças frequentam. A renda familiar, o número de filhos, a presença ou ausência paterna, a escolaridade e falta de espaços que dão suporte à educação representam fatores de risco para esses acidentes."
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".