ANÁLISE DE INTOXICAÇÃO POR MEDICAMENTOS
Bibliographic record
Abstract
Os Centros de Assistência Toxicológica possuem uma importância relevante na promoção, prevenção e controle de agravos à saúde em casos de intoxicação, pois fornece um serviço de orientação e atendimento especializado para lidar com essas situações e para minimizar os prejuízos causados pelos agentes tóxicos. Diante disso, o objetivo do estudo foi analisar o perfil epidemiológico de intoxicações por medicamento, no período de 2017 a 2021, no estado do Ceará. Este estudo está caracterizado como epidemiológico exploratório- descritivo, de abordagem quantitativa, em que serão analisados os dados secundários do registro de casos de intoxicações por medicamento, registrados no Sistema Nacional de Agravos de Notificação, entre os anos de 2017 e 2021. Os dados foram coletados no período de março a abril de 2022. As variáveis levantadas são faixa etária, sexo, circunstâncias das intoxicações, óbito. Nas análises epidemiológicas foi feito o cálculo dos registros de intoxicação por medicamentos coletados no SINAN-TABNET. Resultados: Os resultados desse estudo no período de 2017 a 2021 permitiram a identificação do perfil de intoxicações medicamentosas no Estado do Ceará. Observamos que dentre as variáveis estudadas houve uma prevalência do sexo feminino, faixa etária entre 20-39 anos, e dentre as circunstâncias demostradas, a tentativa de suicídio apresentou dados mais alarmantes. Conclusão: Verificamos a necessidade de medidas efetivas no combate ao uso incorreto dos medicamentos, com ações sociais para conscientizar a população para o uso racional dos medicamentos e orientação para os riscos apresentados por medicamentos devido seu abuso intencional ou não intencional, e uma reavaliação do perfil das pessoas com alta prevalência de intoxicações.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".