Impacto do Programa de Automonitoramento da Glicemia Capilar no controle da diabetes em insulino dependentes atendidos em uma farmácia pública
Bibliographic record
Abstract
Objetivo: Avaliar o impacto do Programa de Automonitoramento da Glicemia Capilar (PAMGC) no controle da Diabetes Mellitus, no município de Vitória da Conquista, Bahia. Métodos: Estudo piloto, quase-experimental, do tipo antes e depois, envolvendo pacientes diabéticos, em insulinoterapia, cadastrados no PAMGC no ano de 2019. Foram coletados dados sociodemográficos, condição clínica dos indivíduos e parâmetros fisiológicos e bioquímicos. O Termo de Consentimento Livre e Esclarecido foi previamente assinado pelos participantes. As variáveis de interesse foram índice de massa corporal (IMC), pressão arterial, glicemia de momento e HbA1c, sendo comparadas no momento do cadastro e 12 meses após a inclusão no programa. Resultados: Foram incluídos no estudo 40 pacientes, sendo a maioria do sexo feminino (62,50%), a faixa etária predominante foi acima de 60 anos, perfazendo 42,50%. A maior parte era portador de diabetes tipo II, representando 82,50%, com mais de 5 anos de diagnóstico (57,50% e 62,50%) possuíam Hipertensão Arterial Sistêmica. A média de HbA1c caiu de 10,84 para 9,11 (p<0,05), enquanto que o IMC aumentou 1,23 na média (p<0,05). Conclusão: Os dados apontam que o automonitoramento da glicemia capilar foi capaz de promover redução nos valores de HbA1c, demonstrando que essa tecnologia contribui para o controle da doença.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".