Evidências Científicas e Análise Comparada de Programas de rastreamento: Elementos para Discussão das Condições Essenciais para o rastreamento Organizado do Câncer de Mama no Brasil
Bibliographic record
Abstract
Introdução: O câncer de mama e um problema de saúde pública nos países em desenvolvimento em razão do envelhecimento da população, do aumento dos fatores de risco e pela dificuldade dos sistemas de saúde em desempenhar suas funções e objetivos. Objetivo: Demonstrar como as evidencias cientificas e a análise comparada de programas de rastreamento do câncer de mama podem contribuir para identificar elementos para contextualizar o rastreamento organizado do câncer de mama no Brasil. Método: Com base no referencial teórico sobre a utilização das evidencias cientificas na elaboração de politicas e programas de saúde, analisam-se as evidencias sobre o rastreamento do câncer de mama, e realizou-se uma analise comparada dos sistemas de saúde e programas de rastreamento monográfico na Inglaterra e província de Ontario no Canada. Resultados: Ha alguns anos, os países desenvolvidos implantaram programas de rastreamento do câncer de mama e hoje apresentam reduções importantes da sua mortalidade. Os programas de rastreamento são intervenções complexas que demandam sistemas de saúde bem estruturados em diferentes contextos e dimensões. Esses países implementaram estratégias de monitoramento e avaliação sistemática de seus programas de rastreamento para garantir que os benefícios superassem os possíveis malefícios. Os países em desenvolvimento carecem de evidencias de que os benefícios superam os malefícios e ainda não aprimoraram seus sistemas de saúde de modo a implantar programas de rastreamento efetivos e seguros. Conclusão: A análise dos programas e as evidencias cientificas permitiram identificar 17 elementos essenciais para contextualizar o rastreamento organizado do câncer de mama no Brasil.
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 | 0.214 | 0.447 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.007 |
| Bibliometrics | 0.009 | 0.015 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.005 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".