Dificuldades de rastreamento de doenças crônicas na Atenção Primária à Saúde
Bibliographic record
Abstract
Objetivou-se evidenciar os motivos que dificultam a efetivação do rastreamento na Atenção Primária da Saúde em relação às doenças crônicas não transmissíveis e analisar como eles prejudicam o tratamento dos pacientes que possuem essas condições. Para tanto, foi realizado um estudo sistemático qualitativo, a partir do método da Revisão Integrativa da Literatura. Deste modo, para ferramentas da coleta de dados, foi sucedida consultas eletrônicas mediante as bases de dados: Scientific Eletronic Library Online, Nacional Library of Medicine/Nacional Center for Biotechnology Information, Science Direct, BioMed Central e Periódicos da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, por meio do uso dos descritores “doença crônica”, “chronic disease”, “programas de rastreamento” e “mass screeninig”, “atenção primária à saúde” e “primary health care”, com o operador booleano “AND” entre eles. Foram identificados 743 documentos, sendo selecionados 19, de acordo com os critérios de elegibilidade. Os resultados revelaram que os estudos encontrados datam a partir do ano de 2004, tendo maior prevalência no ano de 2018 (15,79%), destacando-se o idioma inglês (100%), os países com maior predominância foram o Canadá e os Estados Unidos da América (31,58%) e o PUBMED evidenciou-se em número de publicações (52,63%). Concluiu-se que a implementação de tecnologias e um atendimento humanizado podem mudar o diagnóstico de milhares de pessoas por intermédio do rastreamento com a finalidade de atenuar o tratamento tardio de doenças crônicas graves que possam ameaçar a integridade física dos usuários.
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 | 0.016 | 0.047 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".