Saúde mental infantil: Detecção precoce e intervenções em transtornos de ansiedade e depressão
Bibliographic record
Abstract
Introdução: A saúde mental infantil é uma questão crucial de saúde pública, com transtornos como ansiedade e depressão afetando até 20% das crianças em todo o mundo. A detecção precoce e intervenções eficazes são essenciais para mitigar os efeitos desses transtornos e melhorar a qualidade de vida das crianças afetadas. Este estudo realizou uma revisão sistemática para identificar as estratégias mais eficazes para a detecção precoce e intervenções nos transtornos de ansiedade e depressão infantil. Métodos: A revisão sistemática foi realizada nas bases de dados PubMed, Scopus, PsycINFO e Web of Science, utilizando descritores como "Child Mental Health", "Early Detection", "Anxiety Disorders in Children" e "Childhood Depression". Foram incluídos estudos empíricos publicados entre 2010 e 2024. A seleção dos estudos foi feita por dois revisores independentes, e a qualidade metodológica foi avaliada por meio da ferramenta AMSTAR e da Escala de Newcastle-Ottawa. Resultados: Foram incluídos 13 estudos que indicam a eficácia de instrumentos como o "Spence Children’s Anxiety Scale" (SCAS) e o "Child Depression Inventory" (CDI) na detecção precoce de ansiedade e depressão em crianças. Intervenções baseadas em Terapia Cognitivo-Comportamental (TCC) e abordagens multidisciplinares foram eficazes na redução dos sintomas e na melhora da qualidade de vida das crianças. No entanto, a implementação dessas estratégias enfrenta desafios significativos, como a falta de recursos e necessidade de adaptações culturais. Conclusão: A detecção precoce e intervenções oportunas são fundamentais para o manejo eficaz de transtornos de ansiedade e depressão em crianças. Reforça-se a importância de políticas públicas para capacitação de profissionais e colaboração intersetorial para garantir um cuidado de saúde mental de qualidade. Futuras pesquisas devem focar em intervenções culturalmente adaptadas e avaliar sua eficácia a longo prazo.
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 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".