PROGRAMA INTERSETORIAL DE APOIO AS COMUNIDADES RURAIS: RELATO DE EXPERIENCIA
Bibliographic record
Abstract
INTRODUÇÃO: Evidenciamos a necessidade de ações intersetoriais em localidades mais afastadas das ofertas de serviço, surgindo a seguinte questão norteadora: como realizar atividades intersetoriais que alcancem os territórios mais afastados da sede do Município de Mombaça, Ceará? OBJETIVO: relatar o desenvolvimento de ações intersetorias nas localidades de difícil acesso da zona rural do município de Mombaça, Ceará. MÉTODOS: Estudo descritivo do tipo relato de experiência, a partir do desenvolvimento de uma intervenção intersetorial em locais da Zona Rural de Mombaça, Ceará, entre janeiro de 2022 a abril de 2023. RESULTADOS: Para a implementação dessas ações foi necessária complexa demanda de recursos materiais e humanos, sendo importante o estabelecimento de parcerias, além de organização e planejamento. Nesse sentido, no dia anterior a ação, todos os materias já ficavam preparados. A duração das atividades iniciavam em torno de nove da manhã, com encerramento as 17:00 horas. CONCLUSÃO: Iniciativas como essas se mostram importantes para a promoção da saúde de usuários que moram em locais de difícil acesso aos serviços, trazendo a importância da comunicação e integração entre diferentes setores.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| 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".