AnÃlise do processo de adaptaÃÃo do conhecimento em saÃde: cenÃrios de aplicaÃÃo para plataforma LARIISA
Bibliographic record
Abstract
A adaptaÃÃo do Conhecimento em saÃde vem sendo adotada para descrever mÃtodos utilizados para a disseminaÃÃo de evidÃncias cientÃficas para os diversos atores sociais relacionados. A intenÃÃo à que estas evidÃncias estejam mais acessÃveis aos seus usuÃrios finais (pacientes, profissionais de saÃde, organizaÃÃes e gestores da saÃde) para cooperar na tomada de decisÃes sobre saÃde. Assim, a AdaptaÃÃo do Conhecimento objetiva diminuir a lacuna temporal e conceitual que hà entre a produÃÃo do conhecimento e a prÃtica do usuÃrio final. Ela à essencial para se ter melhores resultados em cuidados de saÃde, alÃm de contribuir para a diminuiÃÃo de custos na utilizaÃÃo do conhecimento, disponibilizando o conhecimento certo, para a pessoa certa, em tempo certo. Este trabalho realiza um estudo analÃtico sobre o processo de AdaptaÃÃo do Conhecimento em sistemas integrados de saÃde. A pesquisa tomou como base o modelo Knowledge to Action (KTA), desenvolvido por pesquisadores da Universidade de Toronto e do Canadian Institute of Health Research - CIHR e que tem servido de referÃncia ao sistema de saÃde canadense. Como prova de conceito do estudo analÃtico realizado utilizou-se, como cenÃrio de aplicaÃÃo, o LARIISA, uma plataforma para a tomada de decisÃo em sistema de governanÃa em saÃde. O LARIISA utiliza, na especificaÃÃo de sua arquitetura, o modelo Knowledge to Action (KTA). Ele faz uso de sistemas inteligentes e da tecnologia de sensibilidade ao contexto (context-awareness), em sua concepÃÃo. O mÃtodo de coleta de dados utilizado foi a AnÃlise Documental do livro Knowledge Translation in Health Care e os cinco domÃnios de aplicaÃÃo da plataforma LARISSA: clÃnico-epidemiolÃgico, normativo, gestÃo do conhecimento, administrativo e gestÃo compartilhada. Isto permitiu a elaboraÃÃo de mapas conceituais que traduzem a abrangÃncia local e global do projeto LARIISA, resultando na construÃÃo de cenÃrios de aplicaÃÃo. Assim, este estudo caracteriza-se como um primeiro esforÃo analÃtico sobre a gestÃo do conhecimento na plataforma LARIISA, cujo resultado propÃe alteraÃÃes na proposta inicial da arquitetura do LARIISA.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".