Melhorar a Literacia em Saúde: Checklist para a gestão da obesidade em adultos, em cuidados de saúde primários
Bibliographic record
Abstract
A obesidade é uma doença crónica complexa, constituindo um problema de Saúde Pública nacional e mundial. Os cuidados de saúde primários são um contexto importante no processo de gestão da obesidade, quer ao nível da prevenção como do tratamento. No entanto, muitas vezes essa gestão não é realizada eficazmente, quer por falta de tempo como por falta de treino, ferramentas, confiança e até mesmo desconforto por parte dos profissionais de saúde em relação ao tema. A utilização de guias de orientação e atuação que estruturem a atuação dos profissionais de saúde, é um elemento facilitador e produtivo para iniciar e manter uma conversação eficaz acerca da gestão do peso, constituindo um elemento de suporte na prestação de cuidados. O objetivo deste trabalho consiste na elaboração de uma checklist para a gestão da obesidade em adultos, em contexto de cuidados de saúde primários. Foi realizada uma revisão bibliográfica para contextualizar o fenómeno da obesidade, as suas implicações na saúde das pessoas e o papel da literacia em saúde neste domínio. A construção da checklist baseou-se no modelo dos 5As para a obesidade, desenvolvido pela organização canadiana Obesity Canada, tendo sido realizada a tradução seguida de retroversão. Após adaptação para a população portuguesa, foi realizado um estudo exploratório com amostra por conveniência e análise através de grupo focal. Resultados demonstram a utilidade da checklist, constituindo uma forma simples, prática e estandardizada de atuação, promovendo a literacia em saúde através de uma maior capacitação dos profissionais de saúde.
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 | 0.025 | 0.071 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.010 | 0.008 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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; 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".