Impacto da nutrição infantil na prevenção de doenças crônicas, uma revisão
Bibliographic record
Abstract
Nas últimas décadas, a obesidade tem sido um problema de saúde pública global e tornou-se cada vez mais importante. Portanto, alguns transtornos têm ganhado mais reconhecimento na sociedade, dentre os quais merece destaque a obesidade infantil. Este trabalho tem como objetivo destacar o impacto da nutrição infantil na vida das crianças perante seu desenvolvimento e aparecimento de doenças, investigando na literatura como tal fator tem influenciado no decorrer do avanço da idade. Trata-se de uma pesquisa bibliográfica descritiva, através de busca por trabalhos originais disponíveis nas plataformas Google Acadêmico, Scientific Electronic Library Online (SciElo) e Biblioteca Virtual em Saúde (BVS), com o uso de trabalhos publicados entre os períodos de 2014 e 2024, no idioma português e inglês. Mediante os trabalhos selecionados através da triagem, foi construído um quadro com os 19 materiais selecionados para evidenciar os resultados, apresentando sobre a importância da nutrição infantil como forma de prevenir a obesidade e as doenças relacionadas, tais como hipertensão, diabetes mellitus e dislipidemia. A obesidade é uma doença evitável, na maioria das vezes, e, apesar das opções de tratamento, a prevenção ainda é a melhor forma de combater a obesidade através da nutrição infantil.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.012 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".