Comunicação em saúde no Brasil
Bibliographic record
Abstract
O presente estudo teve como objetivo principal investigar as características dos serviços de comunicação em Saúde, a partir da Rede dos Conselhos das Secretarias Municipais de Saúde (Cosems) no Brasil. Trata-se de um estudo exploratório quantitativo e qualitativo do tipo participante, conduzido de 2014 a 2015, com amostra não probabilística. Foram aplicados questionários com as assessorias de comunicação em saúde dos municípios participantes e entrevistas com os gestores dos Conselhos de Secretários Municipais de Saúde (Cosems). Ao todo participaram 122 municípios, das quais somente dois núcleos da Rede possuíam diretoria de comunicação e 64,8% dos municípios não possuíam Assessoria de Comunicação. As instalações de trabalho dos comunicadores são precárias, os profissionais não têm estabilidade empregatícia, ocupam cargos comissionados e possuem pouca experiência na área. Os profissionais de comunicação realizam assessoramento direto aos secretários, não possuem assento nos conselhos gestores, tem comprometidas suas ações de planejamento, o que fragiliza os processos organizativos. É necessário construir uma agenda política estratégia de comunicação em saúde, fortalecimento dos processos de informação, educação e comunicação voltados para prevenção das doenças e promoção da saúde, compreendidos como um ideal ético-político-formativo a ser alcançado na direção cidades saudáveis solidária, democrática e socialmente justa.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".