Estudo epidemiológico dos acidentes de trabalho e suas consequências no atendimento pré-hospitalar
Bibliographic record
Abstract
Acidente de trabalho é decorrente de lesão corporal ou perturbação funcional no exercício do trabalho que possa causar morte ou a perda/redução, permanente ou temporária, da capacidade para o trabalho. Dependendo da gravidade, há a necessidade de atendimento médico pré-hospitalar, ocupando vaga e tempo de outro atendimento, visto que tal acidente é possível ser prevenido. Através de um estudo retrospectivo com embasamento no banco de dados do Centro de Referência em Saúde do Trabalhador (CEREST) Regional de Araguaína, referentes ao período de janeiro de 2007 a dezembro de 2018. Pelas estatísticas - serão expostas no decorrer do trabalho - fica claro que a demanda pré-hospitalar é alta para esse tipo de acidente, visto que o atendimento é destinado àqueles acidentes que obtiveram cura, ou resultaram em incapacidade total ou permanente, um total de 85,9% dos casos notificados, sem considerar os óbitos ocasionados após esse atendimento, ou seja, no intra-hospitalar. Dessa forma, se torna imprescindível a atuação dos órgãos públicos e da própria empresa com relação à segurança dos trabalhadores, sendo necessária a total disponibilidade e fiscalização rigorosa do uso diário dos equipamentos de proteção individual (EPI), além de conscientização da necessidade do seu uso pelos trabalhadores, para que assim seja possível reduzir esses índices e ocorrências gerando consequente diminuição do número de atendimento pré-hospitalar.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".