Orientações para a avaliação das intervenções visando a prevenção dos Problemas Músculo-Esqueléticos ligados ao trabalho
Bibliographic record
Abstract
A melhoria das práticas de intervenção constitui hoje um desafio no campo da prevenção dos Problemas Músculo-Esqueléticos (PME) ligados ao trabalho. O desenvolvimento de conhecimentos respeitantes à intervenção em contexto de trabalho constitui dessa forma um desafio em termos de investigação, que convoca a temática da avaliação das intervenções. A pesquisa internacional no campo dos PME concentra grandemente os seus esforços e recomendações na avaliação dos efeitos das intervenções considerando o estado dos sintomas dos trabalhadores afectados e/ou a evolução das exposições.Neste texto, mostramos logo de início que esta orientação supõe a reunião de um certo número de condições importantes, frequentemente difíceis de reunir e geralmente subestimadas. Propomos que sejam levados em conta factores relativos à actividade de trabalho e às margens de manobra dos salariados ─ como critérios complementares da avaliação ─ sublinhando sempre a necessidade de esforços para torná-los operacionais. Num segundo momento, recordamos que a avaliação dos efeitos de uma intervenção é insuficiente para o desenvolvimento de conhecimentos sobre a intervenção em si : este supõe necessariamente a descrição precisa do processo de intervenção e a consideração do contexto do seu desenvolvimento. Enfim, a discussão sublinha o facto de que, na nossa perspectiva, a avaliação das intervenções constitui um projecto em si, que contribui directamente para a transformação do trabalho.
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 | 0.011 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".