Famílias sobreviventes: a experiência de perder um de seus membros por suicídio
Bibliographic record
Abstract
Objetivo: identificar os processos interacionais que permitem às famílias sobreviventes enfrentarem a morte por suicídio de um de seus membros, se reestruturarem como unidade e transformarem a experiência em aprendizado. Método: estudo qualitativo, exploratório, orientado pelo conceito de Resiliência Familiar, no qual participaram oito famílias, que vivenciaram o suicídio de um de seus membros. A coleta de dados foi conduzida por meio de entrevistas semiestruturadas e os dados foram submetidos à análise temática. Resultados: apresentados em quatro núcleos temáticos, mostram as reações de pesar, desespero e perplexidade dos familiares que não conseguem entender as razões para um ato tão radical; os sentimentos de dor pela perda, sobrepostos com raiva, alívio e culpa, este último partilhado com outras pessoas e os serviços sociais e de saúde; e os ensinamentos que a experiência propicia Conclusão: os enfermeiros e demais profissionais da saúde podem auxiliar as famílias sobreviventes a se reestruturarem após o suicídio de um de seus membros com ações de cuidado planejadas a partir de avaliações repetidas da repercussão do suicídio na família na totalidade e sobre seus membros individualmente; da identificação das dimensões da vida familiar mais comprometidas; das necessidades individuais e familiares; e dos processos de resiliência familiar.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".