Os Determinantes Sociais da Saúde no planejamento da testagem à covid-19 no Amazonas, Brasil
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
RESUMO A sindemia da covid-19 afetou desproporcionalmente populações mais vulneráveis do ponto de vista social, como pessoas de baixa renda, populações indígenas e ribeirinhas. No estado do Amazonas, onde a geografia única e as disparidades sociais apresentam desafios significativos para o acesso e a equidade em saúde, os Determinantes Sociais da Saúde (DSS) desempenham um papel crucial. Este artigo analisa se e como os DSS foram considerados durante o planejamento de testes para a covid-19 no Amazonas. Para tal análise, realizou-se um estudo de caso qualitativo por meio de análise documental e entrevistas semiestruturadas com atores-chave envolvidos no planejamento e na implementação da testagem. Os documentos oficiais foram sistematizados usando TIDieR-PHP. Os dados foram analisados empregando a ferramenta REFLEX-ISS. Os DSS não foram considerados no planejamento de testes no Amazonas. Não houve consenso entre os entrevistados sobre a importância de considerar os DSS no planejamento da intervenção. Os testes foram restritos a pacientes com sintomas graves e a algumas categorias de trabalhadores em serviços considerados essenciais. Faz-se necessário, aos gestores de políticas de saúde, conhecimento sobre a importância de considerar os DSS no planejamento em intervenções populacionais para realizar uma política equânime.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.042 |
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 it