LESÕES BUCOMAXILOFACIAIS DECORRENTES DE VIOLÊNCIA DOMÉSTICA CONTRA MULHERES: UMA REVISÃO INTEGRATIVA.
Bibliographic record
Abstract
A violência doméstica contra a mulher tem sido considerada um grave problema de saúde pública no Brasil e em vários países do mundo. O cirurgião-dentista atua no tratamento da enfermidade causada por agressões, e também possui obrigação ética-legal no dever de conscientizar e registrar casos onde suas pacientes tenham sido vítimas. O presente estudo analisou os principais tipos de lesões bucomaxilofaciais decorrentes de violência doméstica contra mulheres, e suas causas, traçando um perfil de agressores e vítimas contribuindo para que o cirurgião-dentista tenha conhecimento do tema atuando na prevenção, acolhimento, atendimento e encaminhamento das vítimas. Trata-se de uma revisão integrativa da literatura com buscas realizadas nas bases de dados Pubmed, Bireme, LILACS, SciELO, utilizando descritores e seus sinônimos na língua portuguesa e língua inglesa, incluindo estudos publicados entre 2011 e 2021 para a análise dos resultados. Observou-se que as vítimas de violência doméstica em sua maioria são mulheres jovens, que convivem ou conviveram com os agressores, violentadas com agressões que lesam estruturas maxilomandibulares e isso decorre da superexposição anatômica dessa região a traumas que incluem lesões teciduais e ósseas, cabendo ao cirurgião-dentista estar atento não só ao reconhecimento dos casos, mas corroborar no tratamento das vítimas e no enfrentamento desse tipo de violência em nossa sociedade.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.010 | 0.008 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".