Produção científica sobre a Covid-19 no Brasil: uma revisão de escopo
Bibliographic record
Abstract
Introdução: a produção científica nacional sobre a Covid-19 tem papel imediato na formulação de políticas de enfrentamento da doença e na orientação de decisões clínicas. Objetivo: identificar e caracterizar a produção científica sobre assuntos relacionados à Covid-19 em revistas nacionais a partir de artigos publicados entre 1º de dezembro de 2019 e 2 de maio de 2020. Método: revisão de escopo, cuja busca por artigos ocorreu na Coleção SciELO Brasil e nos sítios eletrônicos das revistas Visa em Debate e Ciência & Saúde Coletiva. O banco de dados validado foi submetido a uma análise quantitativa simples para fornecer resumos numéricos das características de interesse da literatura incluída na revisão. Resultados: foram incluídos 58 (20,8%) artigos provenientes de 22 revistas nacionais. O maior número de artigos proveio das revistas que desenvolveram opções rápidas de publicação ou vinham adotando um modelo de publicação de fluxo contínuo (n = 45; 77,6%). A distribuição dos artigos em sete categorias de pesquisa foi, nesta ordem: Comentário (n = 43; 74,1%), Estudo descritivo (n = 8; 13,8%), Revisão da literatura (n = 6; 10,4%) e Estudo analítico (n = 1; 1,7%). Constatou-se apenas uma revisão sistemática e o estudo analítico publicado foi do tipo ecológico. O mês de abril concentrou 86,2% dos artigos, cujo maior pico, compreendendo o período estudado, ocorreu em 9 de abril, com 8 publicações. Dos 58 artigos, o “Isolamento social, saúde mental e outros aspectos relacionados a comportamentos sociais” foi o tema mais prevalente (n = 14; 24,1%). Conclusões: Esta revisão de escopo produziu um mapa da produção científica no Brasil sobre a Covida-19. Nesta produção, há lacunas importantes, principalmente, no que tange aos ensaios clínicos randomizados e estudos de coorte, que precisam ser preenchidas com a realização de pesquisas.
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 | 0.019 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.013 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".