Análise ética dos impactos da pandemia de COVID-19 na saúde de crianças e adolescentes
Bibliographic record
Abstract
RESUMO A pandemia de COVID-19 trouxe impactos significativos para a vida de crianças e adolescentes em todo o mundo. Considerando esse contexto, o objetivo deste artigo foi examinar como as crianças e os adolescentes no Brasil foram impactados pela pandemia à luz de uma análise ética. Para tanto, uma análise interpretativa de estudos brasileiros sobre a saúde da criança e do adolescente durante a pandemia foi realizada. A tarefa de reconhecer essa dimensão ética é importante para entender como as respostas a situações de crise, tais como a presente situação da pandemia de COVID-19, podem ser moldadas e identificar quais as prioridades de ação de acordo com todas as partes interessadas, situando a criança entre essas partes de interesse. A análise demonstrou que tanto os efeitos diretos quanto os indiretos implicam em processos de tomada de decisão que precisam utilizar e sustentar o direito de participação da criança para que a ação tomada esteja o máximo possível focada nos melhores interesses da criança. Contudo, a realidade brasileira tem demonstrado uma exclusão estrutural das vozes infantis. Recomenda-se que mais estudos sejam conduzidos a fim de aprofundar o conhecimento sobre os melhores interesses das crianças e sua participação nas ações tomadas durante a pandemia.
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| 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".