O direito à água e a taxa de mortalidade por Covid-19 nas regiões amazônicas: um estudo de caso dos municípios mais atingidos em cada região integrada paraense
Bibliographic record
Abstract
A região Norte concentra 80% da água disponível no Brasil. Apesar disso, somente 57,4% dapopulação é abastecida com água tratada. A pandemia agravou esse problema, visto que umadas maiores recomendações da OMS é levar as mãos como medida de contenção do vírus.Neste contexto, a pesquisa buscou responder se a negativa do direito à água implicaria naelevação de mortes por Covid-19 nas Regiões Amazônicas. Para isso, foi utilizado como objetode pesquisa o Pará, tendo em vista que esse Estado corresponde a 30% da região amazônica.A metodologia de pesquisa conjugou revisão bibliográfica com levantamento de dados. Foirealizado o levantamento de dados no sítio eletrônico da Secretaria de Saúde do Pará, emjaneiro de 2022, para, assim, verificar quais municípios de cada Região de Integração do Parápossuíam a maior taxa de mortalidade por Covid-19. Após isso, foram usados os dados daplataforma do SNIS - Sistema Nacional de Informações sobre Saneamento, sobre osaneamento básico da região. Os pedidos de acesso à informação endereçados aos municípiosrevelaram a ausência de dados locais sobre a política pública de água e esgoto. A pesquisaanalisou as informações disponíveis do abastecimento de água em cada um dos municípiosmais atingidos pelo novo coronavírus. Ao final, foi feita uma correlação dos dados levantadospara verificar se o não abastecimento poderia implicar na elevação da taxa de mortalidade. Apesquisa confirmou essa correlação. Como exemplo, pode-se citar o município de São João doAraguaia, com apenas 27,63% de sua população atendida pelo abastecimento de água e11,54% de mortalidade decorrente da Covid-19. Com os dados dessa pesquisa, espera-sereafirmar que a negativa do direito à água tratada implica na elevação de mortes por Covid-19 nas regiões amazônicas. Essa pesquisa busca trazer subsídios para a criação de políticaspúblicas, novos marcos legais e medidas de enfrentamento à Covid-19 nas regiõesamazônicas. Os desafios identificados, contudo, são gigantescos, e confirmam umanecropolítica, visto que parte dos municípios paraenses nem ao menos detém essasinformações no SNIS, o que parece essencial para uma política pública efetiva do direitofundamental à água e ao saneamento básico
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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".