ANÁLISE DA RELAÇÃO ENTRE A COBERTURA VACINAL E A MORTALIDADE DOS CASOS DE MENINGITE NAS REGIÕES DO BRASIL
Bibliographic record
Abstract
A meningite é um processo inflamatório das meninges que pode ser causado por processos infecciosos, sendo as causas bacterianas as de maior relevância, especialmente pela Neisseria meningitidis. A meningite é uma doença que pode levar à morte e é de notificação compulsória. Além disso, possui como forma de prevenção diversas vacinas onde 7 delas são disponibilizadas pelo SUS. Trata-se de um estudo ecológico descritivo e comparativo com abordagem quantitativa. Os dados foram obtidos a partir da base de dados DATASUS, pelo sistema TABNET, abrangendo o número de casos de meningite notificados, cobertura vacinal e dos casos confirmados que evoluíram ao óbito no período de 2012 a 2021. Os dados foram analisados e dispostos em gráficos a partir do software Microsoft Excel versão 2016. O crescente número de mortes por meningite pode ter relação com a queda da cobertura vacinal, evidenciado a partir da média do período de 2012 a 2016 e do recorte de 2017 a 2021, com 92,24% e 82,15%, respectivamente, e que nem todos os casos são notificados devido às possíveis dificuldades na captação por parte das bases epidemiológicas. Além disso, foi visto que entre os anos de 2013 e 2017, houve um número crescente nos indicadores de mortalidade por meningite, evento este podendo estar associado à queda nas taxas de cobertura vacinal no mesmo período. Conclui-se que a cobertura vacinal se mostrou bastante eficaz na redução do número de casos e mortalidade decorrentes da meningite, estando essa incidência de vacinação diretamente relacionada aos fatores socioeconômicos de cada região.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| 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".