Avaliação da implantação do acesso avançado nos indicadores de qualidade de uma unidade de saúde
Bibliographic record
Abstract
Objetivos: O objetivo principal foi analisar os indicadores de acesso da unidade de saúde (US) Sesc, antes e após a implantação do acesso avançado (AA). Como objetivo secundário, foram analisados os indicadores de desempenho da US Sesc, antes e após o AA. Métodos: Estudo transversal descritivo com análise dos dados obtidos mensalmente do sistema de informação em saúde do Grupo Hospitalar Conceição, comparando o período de novembro/16 -outubro/17 com novembro/17 - outubro/18. Resultados: Após o AA, o número de atendimentos médicos aumentou 8%, o absenteísmo nas consultas diminuiu de 6,9% para 3% e o número de pacientes diferentes atendidos teve um acréscimo de quase 5%. Em relação ao controle de doenças crônicas, o número de hipertensos atendidos cresceu e também houve um aumento na porcentagem de hipertensos controlados, passando de 74% para 77%. O número de diabéticos atendidos aumentou, assim como a porcentagem de diabéticos controlados subiu de 73% para 81%. Houve uma diminuição de quase 10% de atendimentos a pacientes vinculados à US nos serviços de atenção secundária de referência. Discussão: É possível considerar que a implantação do AA na US Sesc foi associada a uma melhoria dos indicadores de acesso, bem como da maior parte dos indicadores de desempenho analisados.
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 | 0.008 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".