Enfrentamento da subnotificação da perda auditiva induzida por ruído relacionada ao trabalho: a experiência de uma oficina educativa em planejamento e programação local em saúde do trabalhador
Bibliographic record
Abstract
Resumo Introdução: a subnotificação da Perda Auditiva Induzida por Ruído (Pair) relacionada ao trabalho é um problema que contribui para a invisibilidade e falta de prioridade deste agravo nos programas de Saúde do Trabalhador (ST). Logo, ações de educação permanente voltadas ao planejamento estratégico-situacional podem contribuir para o enfrentamento desta realidade. Objetivo: apresentar e discutir a experiência de uma intervenção educativa com técnicos da ST de uma macrorregião de saúde do estado da Bahia, Brasil, sobre o uso do Planejamento e Programação Local em Saúde (PPLS) como ferramenta para ampliação da notificação da Pair relacionada ao trabalho Métodos: a intervenção consistiu em uma oficina estruturada em cinco etapas, as quais proporcionaram discussão sobre a Pair, conhecimento do PPLS, prática do PPLS, socialização dos resultados e avaliação do evento. Resultados: a prática do PPLS, a partir de um problema real, viabilizou o delineamento de ações concretas de enfrentamento da subnotificação da Pair a serem implementadas nos Centros de Referência em Saúde do Trabalhador (Cerest) e no estado como um todo. Conclusão: a experiência mostrou-se bem-sucedida ao fomentar a tomada de consciência e mobilização dos técnicos para enfrentamento da subnotificação da Pair, ao tempo que propiciou qualificação em PPLS dos participantes.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".