Uma análise do treinamento de cirurgiões de transplante renal em um estado brasileiro
Bibliographic record
Abstract
Resumo Introdução: A falta de profissionais especializados pode contribuir para incapacidade de atender à demanda por transplantes renais. Além disto, não existe uma proposta universal para o processo de formação de cirurgiões transplantadores. Nosso objetivo foi explorar características do programa de treinamento e atividades profissionais das equipes de transplante renal no estado de Minas Gerais, Brasil. Métodos: Convidamos os cirurgiões dos 19 centros de transplante renal ativos em Minas Gerais a participarem desse estudo transversal. Comparamos dados demográficos e de formação profissional utilizando modelos de regressão linear e logística. Resultados: A taxa de resposta entre os centros foi elevada (89%); metade dos cirurgiões responderam à pesquisa (39/78). A maioria dos centros eram instituições públicas de ensino, com contrato de remuneração por produção, com média de 6 ± 2,4 cirurgiões/equipe; 94,2% dos centros tinham urologistas. Os cirurgiões eram 95% homens (idade entre 46, 3 ± 9,7 anos) e 59% eram urologistas. A maioria estava envolvida em captação e transplante de órgãos; somente um trabalhava exclusivamente com transplante. O período médio desde a formação foi de 13 ± 9,4 anos, com média de 10 ± 9,7 anos como parte da equipe de transplante. Apenas 25,6% possuíam formação especializada ou formal em transplante, com somente um tendo concluído residência médica formal em transplante renal. A falta de programas de treinamento foi o motivo mais citado. Conclusão: Cirurgiões de transplante renal não são exclusivos e a maioria não concluiu um programa formal de treinamento em transplante pela falta de disponibilidade. Esses dados indicam necessidade de aprimorar programas de treinamento e facilitar a formação de novas equipes de transplante renal.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| 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".