ÁGUA É SAÚDE? EVIDÊNCIAS DE UM LOCAL DE EXTREMA VULNERABILIDADE NO DISTRITO FEDERAL
Bibliographic record
Abstract
Resumo: Brasília abrigou por 60 anos o Lixão na Estrutural.Estudos apontaram riscos quanto à exposição à água contaminada.Em 2017, foi realizado diagnóstico com 1.025 trabalhadores.Após o diagnóstico, foram realizadas oficinas de educação em saúde.Foi realizada a doação de 2.000 filtros de água.O estudo evidenciou a vulnerabilidade da região, principalmente na área de Santa Luzia, o que aponta a necessidade de atuação da universidade e parcerias intersetoriais visando melhores condições de vida.Palavras-chave: Digite as palavras-chaves separadas por ponto e vírgula (;), máximo 5 palavras-chave INTRODUÇÃO A Cidade Estrutural é a região administrativa de menor renda do Distrito Federal, surgiu por volta da década 60 após a inauguração de Brasília, capital do Brasil.A área começou a ser habitada mediante invasão de pessoas atraídas para trabalhar no Lixão.A partir do início da ocupação dessa área, surgiram os primeiros catadores de materiais recicláveis que desencadeou a construção de casas nas proximidades.O local passou por vários conflitos para a regularização, tendo em vista que pode afetar a área ambiental do Parque Nacional.Devido a infraestrutura precária, e foram realizadas diversas ações com a tentativa de retirar a população do local.(CODEPLAN, 2018).
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".