PERFIL EPIDEMIOLÓGICO DE NASCIDOS VIVOS EM UM MUNICÍPIO DO NORTE DO PARANÁ
Bibliographic record
Abstract
Introdução: O Sistema de Informação sobre Nascidos Vivos (Sinasc) foi implementado em 1990, com intuito principal de conhecer o perfil epidemiológico dos nascimentos vivos, segundo variáveis como peso ao nascer, duração da gestação, tipo de parto, idade da mãe e número de partos.Objetivo: descrever o perfil epidemiológico dos nascidos vivos de um município do norte do Paraná no ano de 2022.Método: Trata-se de uma pesquisa descritiva, retrospectiva com abordagem quantitativa, elaborado com base no Sistema de Informação de Nascidos Vivos (SINASC), do ano de 2022.A amostra do estudo foi constituída por 379 registros, sendo a coleta de dados realizada em janeiro de 2024, por meio do preenchimento de um instrumento contendo variáveis relacionadas a dados sociodemográficos das mães, da gestação e das condições do recém-nascido.Os mesmos foram armazenados e analisados pelo Microsoft Excel 365 ® e os resultados foram apresentados por meio de frequência absoluta e relativa.Resultados: No ano de 2022, houve 379 partos, sendo 370 (97,6%) por gestação única, com alta incidência de partos cirúrgicos 285 (75,2%) e a identificação de duas (0,5%) anomalias congênitas.Relacionado ao Pré-Natal, pode-se verificar que 342 (90,2%) puérperas realizaram mais de sete consultas e 329 (86,9%) ocorrem a termo.Sobre os dados sociodemográficos, observou-se que 281 (74,1%) mulheres estavam entre 20 e 34 anos, tinham oito ou mais anos de instrução escolar 321 (84,7%) e 251 (66,2%) tinham um companheiro durante a gestação.Conclusão: A avaliação do perfil epidemiológico dos nacidos vivos deve fazer parte dos serviçoes de saúde para que as ações sejam direcionadas, intervindo diretamente nos agravos de saúde.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| 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".