TECNOLOGIAS DE GESTÃO DIGITAIS COMO SUBSÍDIO AO DESENVOLVIMENTO DE SERVIÇO HEMOTERÁPICO: PROTOCOLO DE REVISÃO DE ESCOPO
Bibliographic record
Abstract
Objetivo: mapear na literatura científica e cinzenta, as tecnologias de gestão digitais como apoio ao desenvolvimento de serviços hemoterápicos na atenção especializada. Método: O protocolo seguirá as orientações do Joanna Briggs Institute- JBI, guiado pelo checklist PRISMA – ScR, que culminará em revisão de escopo. Os critérios de inclusão: serão publicações nos últimos 5 anos, nos idiomas português, inglês e espanhol, poderá ser legislação governamental. Critérios de exclusão: publicações pagas/fechadas, incompletas e/ou em fase de projeto ou ainda sem os resultados, que respondam à questão norteadora: “Quais as tecnologias de gestão digitais subsidiam o desenvolvimento de serviço hemoterápico?”. As fontes/bases de dados utilizadas serão: MEDLINE/ PubMed, SciELO/ BVS e Scopus, com uso de vocabulário estruturado e trilíngue indexado, DeCS - descritores em ciências da saúde e MeSH - Medical Subject Headings, com uso dos operadores booleanos/conectivos: OR e AND. Os estudos serão realizados por dois revisores independentes, por meio da plataforma de busca Rayyan. Os dados obtidos serão tabulados com uso do software NVivo, apresentados sob a forma de tabelas, quadros, figuras e/ou imagens.
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 | 0.105 | 0.176 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.005 | 0.008 |
| Bibliometrics | 0.031 | 0.020 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.006 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.034 | 0.009 |
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".