Impactos da pandemia COVID-19 nas vivências profissionais de residentes multiprofissionais em saúde
Bibliographic record
Abstract
A pandemia COVID19 impôs aos serviços e trabalhadores da Saúde uma realidade inesperada. Desinformação sobre o vírus causador e o desenvolvimento da doença, o risco da exposição direta e o medo daí consequente, trouxeram aos profissionais novos desafios em suas jornadas e novas fontes de sofrimento e adoecimento mental. Inserem-se neste contexto os Programas de Residência Multiprofissional em Saúde e os residentes. Assim, este estudo, objetivou identificar os impactos da pandemia na saúde mental dos residentes multiprofissionais em saúde. Para o seu desenvolvimento, realizou-se uma pesquisa com os Residentes Multiprofissionais de um hospital de ensino do interior do Rio Grande do Sul, coletando-se dados (maio e junho de 2020) em um questionário semiestruturado. Obteve-se a participação consentida de 20 residentes. Os resultados evidenciam níveis elevados de estresse impactando no autocuidado. Diante disto, momentos de escuta psicológica (para relatarem seus medos, inseguranças e emoções) e o apoio psicossocial no ambiente de trabalho foram estratégias sinalizadas pelos residentes como importantes para enfrentamento do contexto pandêmico.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| 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".