Análise descritiva do perfil de casos notificados de violência por causas externas do tipo interpessoal/autoprovocada no Amazonas, período 2017 a 2022
Bibliographic record
Abstract
Introdução: A violência apesar de todas suas vertentes onde implicam-se diversas concepções e interpretações, tem sido definida como a utilização de força, seja ela física, psíquica ou até mesmo moral por um indivíduo ou algum grupo, essas fatalidades acabam se tornando um importante mecanismo para conhecer a sociedade. Objetivo geral: Descrever o perfil dos indivíduos vítimas de violência por causas externas. Metodologia: Trata-se de um estudo epidemiológico de abordagem descritiva, disponíveis no SINAN net – Amazonas em Caso notificados de Violência Externa – notificações registradas no período de 2017-2022, como Instrumento de Coleta de Dados as variáveis serão de ordem sociodemográficas seguindo a ficha de notificação compulsória Casos que se enquadre como violência externa do tipo: doméstica/intrafamiliar, sexual, autoprovocada em todas as idades. Resultados: Foram notificados no Amazonas, no período de 2017 a 2022, 191.286 casos de violências das quais 38.530 foram casos confirmados. O principal grupo foi o das violências físicas com 18.135 (47.06%) casos e sexual com 10.203 (26.48%) casos. Em relação ao perfil dos indivíduos que sofreram algum tipo de violência, os principais são do sexo feminino 27.761 (72.05%), pessoas de 10 a 14 anos 7.935 (20.59%), com ensino fundamental incompleto 10.730 (27.85%), pardos 28592 (74.21%). Conclusão: a violência ainda é um sério problema de saúde pública no Amazonas e que necessita de estratégias que contribuam para a melhoria da atenção as populações vulneráveis.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".