Fatores que interferem na história da doença de pessoas com diagnóstico de hipertensão arterial: uma abordagem a partir do genograma e ecomapa
Bibliographic record
Abstract
Na perspectiva do conceito ampliado da saúde, a família e comunidade parecem contribuir nos processos de saúde-doença dos indivíduos e no seu tratamento, sendo sua compreensão importante para a gestão do cuidado. Assim, objetivou-se compreender, por meio de genograma e ecomapa, fatores que interferem na história da doença de pessoas com diagnóstico de hipertensão arterial, acompanhadas na Atenção Primária à Saúde. O estudo teve a participação de 10 indivíduos, adscritos de uma Unidade Básica de Saúde do município de Recife, classificados e separados em dois grupos, compensado ou descompensado para a condição crônica pesquisada. A coleta de dados fez-se por meio do emprego da História de Vida Focal, analisados de acordo com o Modelo Calgary de Avaliação na Família, e posteriormente as informações foram transportadas para genogramas e ecomapas. No grupo de pacientes compensados para hipertensão arterial sugere-se que as coesões sociais, familiares e comunitárias, demonstradas graficamente pelo ecomapa e genograma, influenciam de forma positiva na história da doença e na sua terapêutica. Ao contrário, no grupo de pacientes descompensados, onde há pouca frequência de equipamentos sociais e relacionamentos em conflitos ou cortados, esses aspectos contribuem de alguma forma para um pior controle da condição crônica.
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 | 0.015 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".