MAPEAMENTO DO CONHECIMENTO EM REVISÕES DE ESCOPO: UM GUIA PARA PESQUISADORES E ACADÊMICOS DE ENFERMAGEM
Bibliographic record
Abstract
RESUMO Objetivo: fornecer aos pesquisadores de enfermagem um quadro abrangente para a realização de revisões de escopo de alta qualidade e aprimorar o processo de cuidado baseado em evidências. Método: Com base na literatura existente, este artigo sintetiza as orientações existentes com foco na adaptação das informações para a comunidade de enfermagem. Além disso, apresenta uma proposta de um quadro de 10 etapas para a realização de revisões de escopo, específico para pesquisadores de enfermagem, amalgamando orientações de organizações renomadas de pesquisa em saúde, como o Instituto Joanna Briggs (JBI) e a extensão do PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analysis) para Revisões de Escopo. Resultados: Em uma era marcada pelo dilúvio de informações, os pesquisadores de enfermagem desempenham um papel fundamental na condução de revisões de escopo para navegar pelo crescente cenário científico. O artigo enfatiza a importância de uma abordagem sistemática em 10 etapas, fornecendo uma estrutura que assegura confiabilidade, rigor e transparência. Conclusão: Ao aderir a protocolos robustos e diretrizes de relato, os pesquisadores de enfermagem podem contribuir efetivamente para práticas de saúde baseadas em evidências, orientar os formuladores de políticas e inspirar futuras pesquisas, fechando, em última análise, a lacuna na tradução do conhecimento.
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 | 0.034 | 0.123 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.035 | 0.057 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.018 | 0.016 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".