Panorama da acreditação (inter)nacional no Brasil
Bibliographic record
Abstract
RESUMO Objetivo delinear o panorama da Acreditação nacional e internacional no Brasil. Método estudo descritivo, de abordagem quantitativa e fonte documental. Os campos de inquérito foram as páginas online de acesso irrestrito das seguintes metodologias acreditadoras: Organização Nacional de Acreditação (ONA), Joint Commission International (JCI), Accreditation Canada International (ACI) e QMentum Internacional, além da página do Cadastro Nacional de Estabelecimentos de Saúde (CNES) e/ou sites institucionais. Foram extraídas as variáveis: tipo de instituição/estabelecimento de saúde; regime de gestão setorial; localidade; nível de certificação (em caso de selo concedido pela ONA) e porte (para hospitais). Empregou-se análise estatística descritiva. Resultados apuraram-se os dados de 1.122 certificações, especialmente da ONA (77,2%) e QMentum International (13,2%). Os hospitais prevaleceram na adesão à Acreditação (35,3%), principalmente os de grande porte (60,3%) e do setor privado (75,8%). Houve concentração dos selos de qualidade na região Sudeste do Brasil (64,5%), e a região Norte apresentou menor proporção de estabelecimentos certificados (3%). Conclusões e implicações para a prática as certificações de Acreditação no Brasil remetem à metodologia nacional, com enfoque na área hospitalar privada e na região Sudeste do país. O mapeamento delineado pode sustentar assertividade em políticas de incentivo à gestão da qualidade e avaliação externa no Brasil.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".