Prevalência de alterações dermatológicas em gestantes do Município de Santarém – Pará
Bibliographic record
Abstract
A gravidez é um período de transformações fisiológicas, físicas e psicológicas na vida de uma mulher. Essas mudanças podem causar desequilíbrios hormonais e físicos, como alterações dermatológicas, que acabam afetando diretamente a autoestima da gestante. A pesquisa tem como objetivo analisar a prevalência das alterações dermatológicas mais percebidas pelas gestantes de Santarém-PA. Metodologicamente, esse trabalho é classificado como um estudo do tipo descritivo, transversal e de intervenção, com abordagem quantitativa. Por meio dos resultados, foi possível identificar que a maioria das gestantes apresenta alterações dermatológicas, podendo variar entre: estria, celulite, acne, hiperpigmentação, unhas quebradiças, queda de cabelo, Hirsutismo, rede haller e/ou tubérculos de Montgomery. Dentre essas, a hiperpigmentação foi a mais prevalente, seguida de estria e celulite. Os achados deste trabalho concordam com outras pesquisas, confirmam que modificações fisiológicas são comuns durante a gestação. Além disso, foi observada a escassez de cosméticos específicos para gestantes, destacando a necessidade de aprimoramento da indústria nesse setor. O conhecimento dessas alterações permite às gestantes e aos profissionais de saúde lidar melhor com essa problemática.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| 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) | 0.001 | 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".