Estudo da Fiabilidade Interavaliadores do Instrumento de Avaliação da Capacidade em Saúde
Bibliographic record
Abstract
O envelhecimento da população tem conduzido a um aumento dos casos de perturbações neurocognitivas, como a demência, que podem comprometer a capacidade de decisão em saúde. Torna-se, assim, essencial dispor de instrumentos válidos e fiáveis que permitam avaliar esta capacidade de forma objetiva. O Instrumento de Avaliação da Capacidade em Saúde (IAC-Saúde) foi desenvolvido para avaliar a capacidade de tomada de decisão em adultos, sendo importante averiguar a sua fiabilidade, para garantir rigor e objetividade. Este estudo teve como objetivo analisar a fiabilidade interavaliadores do IAC-Saúde. Participaram 60 adultos entre os 60 e os 85 anos (M = 71.17; DP = 5.96), maioritariamente do sexo feminino (75%), casados (65%) e reformados (86.7%), que responderam ao Montreal Cognitive Assessment, o Inventário de Avaliação Funcional de Adultos e Idosos, o Geriatric Anxiety Inventory, o Geriatric Depression Scale, e o IAC-Saúde. O IAC-Saúde foi cotado por dois avaliadores independentes para a análise do seu grau de concordância. O coeficiente de correlação intraclasse (CCI = .849) revelou boa fiabilidade interavaliadores. Embora tenham sido encontradas diferenças estatisticamente significativas entre as médias atribuídas pelos avaliadores (p < .001), registou-se uma correlação forte e positiva (rs = .865; p < .001) entre as pontuações atribuídas, indicando uma consistência geral nas avaliações. Conclui-se que o IAC-Saúde apresenta consistência robusta entre avaliadores, constituindo um instrumento fiável e aplicável à prática clínica. Apesar das diferenças individuais na cotação, o IAC-Saúde mostra-se sensível e adequado para apoiar decisões éticas e informadas em saúde. Recomenda-se a realização de estudos futuros com amostras clínicas e maior diversidade de avaliadores
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 | 0.105 | 0.291 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".