Aplicação do Modelo Calgary de Avaliação Familiar no contexto hospitalar e na atenção primária à saúde. Revisão integrativa
Bibliographic record
Abstract
Objetivo: caracterizar as publicações sobre a aplicação do Modelo Calgary de Avaliação Familiar, no contexto hospitalar e na atenção \nprimária à saúde, divulgadas em periódicos on-line da área de saúde. Material e Método: revisão integrativa da literatura. O levantamento \ndo material foi realizado mediante a busca no portal Capes, Pubmed, Medline, Lilacs, BDENF, na CidSaúde e Ibecs. Foram adotados \nos seguintes critérios de inclusão: artigos on-line, disponíveis na íntegra, publicados nos idiomas português, inglês e espanhol, entre \nJaneiro de 2008 a dezembro de 2013. A amostra foi composta por 25 trabalhos. Resultados: os anos 2008, 2010 e 2013 evidenciaram um \nnúmero maior de produções, predominaram artigos originais, 64,0 % dos estudos foram realizados na atenção primária à saúde. Quanto \nà autoria dos estudos, a pesquisa mostrou que houve a participação do enfermeiro em 88,0 % das publicações. Conclusões: foi possível \nevidenciar que a aplicação do MCAF, tanto no contexto hospitalar quanto na atenção primária à saúde, possibilita uma abordagem mais \naprofundada sobre a estrutura, o desenvolvimento e o funcionamento familiar, o que se configura como uma ferramenta efetiva para identificar diagnósticos familiares.
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 | 0.037 | 0.091 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.007 |
| Bibliometrics | 0.010 | 0.009 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".