Estudo sobre a percepção do suporte familiar na saúde da população em situação de rua
Bibliographic record
Abstract
Objetivo: Caracterizar a relação entre suporte familiar e a qualidade da saúde na população em situação de rua através da produção científica existente nos últimos 5 anos. Métodos: Estudo de abordagem qualitativa fundamentado em uma revisão integrativa da literatura. Realizamos busca nas bases de dados BVS e portal da CAPES. A estratégia PICO permitiu a construção da questão norteadora de investigação. Foi possível encontrar as palavras chaves e a partir delas realizamos o levantamento dos descritores na plataforma DeSC. Por fim fizemos a seleção por título, resumo e texto completo. Resultados: Essa parcela da sociedade sofre mazelas que afetam seu bem-estar físico, mental e social, e que muito há a ser vencido nas questões de saúde que essa população enfrenta. A especificidade do tema em destaque gerou um quantitativo de apenas 8 artigos como retorno no banco de dados. A pesquisa qualitativa foi a mais desenvolvida. Considerações finais: Através dos estudos publicados nos últimos anos, observamos que o suporte familiar e a qualidade da saúde na população em situação de rua são fragilizados devido a várias mazelas societárias e que este campo precisa de mais estudos que instiguem discussões sobre a temática.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".