Impact of the COVID-19 pandemic on food insecurity in Brazil: Construction of a hypothetical-deductive theoretical model / Impacto da pandemia de COVID-19 na insegurança alimentar no Brasil: Construção de um modelo teórico hipotético-dedutivo

The article addresses Brazil's return to the Hunger Map in 2022 during the COVID-19 pandemic. After public policies in 2014-2015, food insecurity worsened from 2016 onwards, intensifying during the pandemic. Social inequality, unemployment, informality and family changes contributed to the worsening. The research used hypothetical-deductive models, based on two national surveys and regional studies. The process involved formulating hypotheses, reviewing the literature, deducing predictions and identifying variables. Two general hypotheses were formulated, relating the pandemic to worsening inequalities and introducing new sociodemographic variables. Contextual variables and impact mechanisms of the pandemic were identified. Contextual and individual consequences include food insecurity, health impacts and widening inequalities. The intersection between food insecurity and social inequalities highlights the need for comprehensive public policies. The rise in food insecurity during the pandemic has had significant implications and will require a long-term, sustainable approach. The proposed theoretical model, represented by a DAG, points out paths and causal relationships between events, highlighting the complexity of the scenario. The study concludes that, in addition to trends prior to the pandemic, the health emergency introduced crucial variables for understanding food insecurity in Brazil. The hypothetical-deductive theoretical model offers a more accurate understanding of the causes and effects of the pandemic.

O artigo aborda o retorno do Brasil ao Mapa da Fome em 2022 durante a pandemia de COVID-19. Após políticas públicas em 2014-2015, a insegurança alimentar piorou a partir de 2016, intensificando-se na pandemia. A desigualdade social, desemprego, informalidade e mudanças familiares contribuíram para o agravamento. A pesquisa utilizou modelos hipotético-dedutivos, baseados em dois inquéritos nacionais e estudos regionais. O processo envolveu formulação de hipóteses, revisão da literatura, dedução de previsões e identificação de variáveis. Duas hipóteses gerais foram formuladas, relacionando a pandemia agravando desigualdades e introduzindo novas variáveis sociodemográficas. Foram identificadas variáveis contextuais e mecanismos de impacto da pandemia. As consequências contextuais e individuais incluem insegurança alimentar, impacto na saúde e ampliação das desigualdades. A interseção entre insegurança alimentar e desigualdades sociais destaca a necessidade de políticas públicas abrangentes. O aumento da insegurança alimentar durante a pandemia teve implicações significativas e exigirá abordagem sustentável a longo prazo. O modelo teórico proposto, representado por um DAG, aponta caminhos e relações causais entre eventos, destacando a complexidade do cenário. O estudo conclui que, além das tendências anteriores à pandemia, a emergência sanitária introduziu variáveis cruciais para o entendimento da insegurança alimentar no Brasil. O modelo teórico hipotético-dedutivo oferece uma compreensão mais precisa das causas e efeitos da pandemia.

Simulating drifting fish aggregating device trajectories to identify potential interactions with endangered sea turtles.

Purse-seine fishers using drifting fish aggregating devices (dFADs), mainly built with bamboo, plastic buoys, and plastic netting, to aggregate and catch tropical tuna, deploy 46,000-65,000 dFADs per year in the Pacific Ocean. Some of the major concerns associated with this widespread fishing device are potential entanglement of sea turtles and other marine fauna in dFAD netting; marine debris and pollution; and potential ecological damage via stranding on coral reefs, beaches, and other essential habitats for marine fauna. To assess and quantify the potential connectivity (number of dFADs deployed in an area and arriving in another area) between dFAD deployment areas and important oceanic or coastal habitat of critically endangered leatherback (Dermochelys coriacea) and hawksbill (Eretmochelys imbricata) sea turtles in the Pacific Ocean, we conducted passive-drift Lagrangian experiments with simulated dFAD drift profiles and compared them with known important sea turtle areas. Up to 60% of dFADs from equatorial areas were arriving in essential sea turtle habitats. Connectivity was less when only areas where dFADs are currently deployed were used. Our simulations identified potential regions of dFAD interactions with migration and feeding habitats of the east Pacific leatherback turtle in the tropical southeastern Pacific Ocean; coastal habitats of leatherback and hawksbill in the western Pacific (e.g., archipelagic zones of Indonesia, Papua New Guinea, and Solomon Islands); and foraging habitat of leatherback in a large equatorial area south of Hawaii. Additional research is needed to estimate entanglements of sea turtles with dFADs at sea and to quantify the likely changes in connectivity and distribution of dFADs under new management measures, such as use of alternative nonentangling dFAD designs that biodegrade, or changes in deployment strategies, such as shifting locations.

Simulación de las trayectorias de dispositivos de concentración de peces a la deriva para identificar las interacciones potenciales con las tortugas marinas en peligro de extinción Resumen Los pescadores que usan redes de cerco con dispositivos de concentración de peces a la deriva (dFADs), hechos principalmente con bambú, boyas de plástico y redes de plástico, para concentrar y capturar atún, instalan entre 46,000 y 65,000 dFADs al año en el Océano Pacífico. Algunas de las problemáticas principales asociadas con este dispositivo de pesca de uso extenso son el enredamiento potencial de tortugas marinas y otras especies marinas en las redes de los dFADs; los desechos marinos y la contaminación; y el potencial daño ecológico por el varamiento en los arrecifes de coral, playas y otros hábitats esenciales para la fauna marina. Realizamos experimentos lagrangianos de deriva pasiva con la simulación de perfiles de deriva de los dFADs y los comparamos con áreas conocidas de importancia para las tortugas marinas. Esto fue con el objetivo de evaluar y cuantificar la conectividad potencial (número de dFADs instalados en un área que llegan a otra área) entre las áreas de instalación de dFADs y los hábitats oceánicos o costeros importantes para la tortuga laúd (Dermochelys coriacea) y la tortuga de carey (Eretmochelys imbricata), ambas en peligro crítico de extinción, en el Océano Pacífico. Hasta el 60% de los dFADs de las áreas ecuatoriales llegaron a los hábitats esenciales para las tortugas marinas. La conectividad fue menor sólo cuando se usaron áreas en donde actualmente hay dFADs instalados. Nuestras simulaciones identificaron regiones potenciales de interacción entre los dFADs y los hábitats de migración y alimentación de la tortuga laúd en el sureste tropical del Océano Pacífico; los hábitats costeros de ambas especies en el Pacífico occidental (p. ej.: zonas de archipiélagos en Indonesia, Papúa Nueva Guinea y en las Islas Salomón); y en el hábitat de forrajeo de la tortuga laúd en una gran área ecuatorial al sur de Hawái. Se requiere de mayor investigación para estimar el enredamiento de las tortugas marinas con los dFADs en el mar y para cuantificar los cambios probables en la conectividad y la distribución de los dFADs bajo nuevas medidas de manejo, como el uso alternativo de diseños que eviten el enredamiento y sean biodegradables, o cambios en las estrategias de instalación, como la reubicación.

Deductive Care Methodology: Describing and testing modes of care research.

OBJECTIVE: Define the modes of procedure of the Deductive Care Methodology (DCM) in the generation of knowledge about person's health care. METHODOLOGY: Design and test of the DCM modes based on three phases: mapping of the DCM, generation of models from this methodology and testing of the models through studies in a clinical context. RESULTS: The DCM presents five levels of abstraction with three modes broken down to 16 types. The modes are: Philosophical Mode to conceptualize and obtain generalities about reality, Mathematical Mode to operate with generalities, and Physical Mode to operationally verify, validating the results and the predictive capacity of the model. This MDC allows the creation of three models: Knowledge Model about Person Care, an ontology of care, Vulnerability Model about the person and Taxonomic Triangulation Model for knowledge management. All models generate products for computational knowledge management. In addition, the models are applied in teaching and generate research with more than a hundred participations in conferences and journals, of which five impact publications (from 2008 to 2022) classified in the categories of Nursing and Informatics are analysed. CONCLUSIONS: The DCM collects prior knowledge to work with certainties, evidence and applying inferences that do not depend on the number of cases or inductive designs. This research presents a formal structure of the DCM with an interdisciplinary orientation between Health Sciences and Computer Sciences.

Prediction and simulation of PEEP setting effects with machine learning models / Predicción y simulación de los efectos de la configuración de la PEEP con modelos de aprendizaje automático

Objective To establish a new machine learning-based method to adjust positive end-expiratory pressure (PEEP) using only already routinely measured data. Design Retrospective observational study. Setting Intensive care unit (ICU). Patients or participants 51811 mechanically ventilated patients in multiple ICUs in the USA (data from MIMIC-III and eICU databases). Interventions No interventions. Main variables of interest Success parameters of ventilation (arterial partial pressures of oxygen and carbon dioxide and respiratory system compliance). Results The multi-tasking neural network model performed significantly best for all target tasks in the primary test set. The model predicts arterial partial pressures of oxygen and carbon dioxide and respiratory system compliance about 45 min into the future with mean absolute percentage errors of about 21.7%, 10.0% and 15.8%, respectively. The proposed use of the model was demonstrated in case scenarios, where we simulated possible effects of PEEP adjustments for individual cases. Conclusions Our study implies that machine learning approach to PEEP titration is a promising new method which comes with no extra cost once the infrastructure is in place. Availability of databases with most recent ICU patient data is crucial for the refinement of prediction performance. (AU)

Objetivo Establecer un nuevo método basado en el aprendizaje automático para ajustar la presión positiva al final de la espiración (PEEP según sus siglas en inglés) utilizando únicamente datos ya obtenidos de forma rutinaria. Diseño Estudio retrospectivo de observación. Ámbito Unidad de cuidados intesivos (UCI) Pacientes o participantes 51811 pacientes ventilados mecánicamente en múltiples UCIs de EE.UU. (tomados de las bases de datos MIMIC-III y eICU). Intervenciones Sin intervenciones. Variables de interés principales Parametros de éxito de la ventilación (presiones parciales arteriales de oxígeno y dióxido de carbono y distensibilidad del sistema respiratorio). Resultados El modelo de red neuronal multitarea obtuvo los mejores resultados en todos los objetivos del conjunto de pruebas primario. El modelo predice las presiones parciales arteriales de oxígeno y dióxido de carbono así como la distensibilidad del sistema respiratorio con aproximadamente 45 minutos de anticipación, mostrando errores porcentuales absolutos medios de aproximadamente 21.7%, 10.0% y 15.8%, respectivamente. El uso propuesto del modelo se demostró en situaciones hipotéticas en las que se simularon los posibles efectos de los ajustes de PEEP para casos individuales. Conclusiones Nuestro estudio implica que el enfoque de aprendizaje automático para el ajuste de la PEEP es un método nuevo y prometedor que no supone ningún coste adicional una vez que se dispone de la infraestructura necesaria. La disponibilidad de bases de datos con información de pacientes de UCI más recientes es crucial para perfeccionar el rendimiento de la predicción. (AU)

Portfólio: percepção de estudantes de graduação da área da saúde / Portafolio: percepción de los estudiantes de pregrado en eláreade la salud / Portfolio: perception of undergraduate students in the healthcare field

Introdução:A formação em saúde norteia a prática profissional, incidindo diretamente na atenção e assistência à saúde ofertada à população. Nesse sentido, o uso de métodos ativos de aprendizagem e avaliação, como por exemplo, o portfólio, podem contribuir para a construção de conhecimentos crítico-reflexivos. Objetivo:Evidenciara percepção de estudantes dos cursos da área da saúde, que cursam a disciplina de Saúde e Cidadania na Universidade Federal do Rio Grande do Norte sobre o uso do portfólio enquanto instrumento de avaliação do ensino aprendizagem. Metodologia:Os dados foram obtidos por meio da formação de grupo focaleanalisados pela análise do conteúdo. Definiram-se, então, as categorias temáticas:percepção sobre o portfólio; a elaboração do portfólio e a sua contribuição para a formação; dificuldades para formulação doportfólio;o portfólio como instrumento de avaliação. Resultados:Os estudantes compreendem o portfólio como instrumento de diálogo entre docentes e discentes, através dos relatos das vivências em grupo nos equipamentos sociais e reflexões individuais na construção de conceitos e aprofundamento teórico. Ainda referem inseguranças e dúvidas acerca da estruturação e confecção do instrumento, no entanto, percebem o portfólio como potente e inovador no auxílio aconstrução do conhecimento uma vez que permite oacompanhamento do processo de ensino-aprendizagem, possibilitando maior interação entre educador-educando, com produção de uma aprendizagem significativa.Conclusões:o portfólio estimula a reflexão e a crítica acerca das vivências nos cenários de práticas onde se desenvolve o componente curricular Saúde e Cidadaniacorroborando, sobremaneira, para a construção do conhecimento dos estudantes (AU).

Introduction:A degreein healthcare guides the professional practice, directly affecting the healthcare attention and assistance offered to the population. In this sense, the use of active learning and assessment methods, such as portfolios, can contribute to the construction of critical-reflective knowledge. Objective:To highlight the perception of students from health courses, who study the Health and Citizenship discipline at the Federal University of Rio Grande do Norte, regarding the use of the portfolio as an instrument for evaluating teaching and learning.Methodology:Data were obtained through the formation of a focus group and analyzed using content analysis. Thematic categories were then defined: perception of the portfolio; the preparation of the portfolio and its contribution to training; difficulties in formulating the portfolio; the portfolio as an assessment tool. Results:Students understand the portfolio as an instrument of dialogue between teachers and students, through reports of group experiences in social facilities and individual reflections in the construction of concepts and theoretical deepening. They still report insecurities and doubts about the structuring and creation of the instrument, however, they perceive the portfolio as powerful and innovativein helping to build knowledge as it allows the monitoring of the teaching-learning process, enabling greater interaction between educator and student, with the production of significant learning. Conclusions:The portfolio encourages reflection and criticism about the experiences in the practical scenarios where the curricular component -SACI is developed, greatly supporting the construction of students' knowledge (AU).

Introducción:La formación en salud orienta la práctica profesional, incidiendo directamente en la atención y asistencia sanitaria que se ofrece a la población. En este sentido, el uso de métodos activos de aprendizaje y evaluación, como los portafolios, puedecontribuir a la construcción de conocimiento crítico-reflexivo. Objetivo:Resaltar la percepción de estudiantes de carreras de salud, que cursan la disciplina Salud y Ciudadanía de la Universidad Federal de Rio Grande do Norte, sobre el uso del portafolios como instrumento de evaluación de la enseñanza y del aprendizaje. Metodología:Los datos se obtuvieron mediante la formación de un grupo focal y se analizaron mediante análisis de contenido. Luego se definieron categorías temáticas: percepción del portafolio; la elaboración del portafolio y su contribución a la formación; dificultades para formular el portafolio; el portafolio como herramienta de evaluación.Resultados:Los estudiantes entienden el portafolio como un instrumento de diálogo entre docentes y estudiantes, a través de relatos de experiencias grupales en establecimientos sociales y reflexiones individuales en la construcción de conceptos y profundización teórica. Aún reportan inseguridades y dudas sobre la estructuración y creación del instrumento, sin embargo, perciben el portafolio como poderoso e innovador para ayudar a la construcción de conocimiento ya que permite el seguimiento del proceso de enseñanza-aprendizaje, posibilitando una mayor interacción entre educador y estudiante, con la producción de aprendizajes significativos.Conclusiones: El portafolio incentiva la reflexión y crítica sobre las experiencias en los escenarios prácticos donde se desarrolla el componente curricular -SACI, apoyando en gran medida la construcción del conocimiento de los estudiantes (AU).

Cooperación entre médicos del departamento de emergencias y dermatólogos por telemedicina / Cooperation between emergency department physicians and dermatologists via telemedicine

Las intercurrencias dermatológicas agudas son un motivo de consulta frecuente a las centrales de emergencias, y generalmente los médicos de atención primaria se ocupan del primer nivel de atención. Puede ser necesaria una interconsulta con expertos, aunque no siempre estén disponibles. Ante la necesidad de facilitar dicha interacción a distancia, en Julio 2022 se implementó una herramienta de teledermatología en un hospital de alta complejidad en Buenos Aires, Argentina. Este servicio se limitó a días hábiles con horario restringido, permitiendo la comunicación entre médicos del departamento de emergencias y dermatólogos, a través de WhatsApp institucional. El dermatólogo podía verificar datos de salud relacionados al paciente (ej: comorbilidades y medicación crónica) mediante revisión de la historia clínica electrónica, para decidir sobre un plan de acción. Se evaluó la perspectiva de los usuarios a través de un formulario electrónico tras 3 meses de implementación. Los resultados evidenciaron que la mayoría (85%) de los profesionales conocía la herramienta, y el 57% la había usado al menos una vez. Se obtuvo una mediana de 9 puntos (de una escala de Likert del 1 al 10) sobre la recomendación hacia otro profesional. El teletriage dermatológico resultó beneficioso y fue aceptado, tanto por médicos de guardia como por especialistas. Ante las demoras en la atención ambulatoria, ha resultado una alternativa útil para evitar derivaciones innecesarias y/o acelerar aquellas que verdaderamente lo ameritan. Sin embargo, representa una forma de comunicación informal desde el punto de vista de almacenamiento de datos. Será necesario reflexionar sobre estos tópicos pendientes de esta experiencia asistencial como legalidad, seguridad y confidencialidad (AU)

Acute skin conditions are a frequent reason for consultation in emergency departments, and primary care physicians generally handle them. They might require referrals to experts, who are not always readily available. Recognizing the need to facilitate such interactions remotely, a teledermatology triage tool was implemented in July 2022 at a high-complexity hospital in Buenos Aires, Argentina. The service was limited to business days with restricted hours, enabling communication between emergency department physicians and dermatologists through institutional WhatsApp. Dermatologists could access patient-related health data (e.g., comorbidities and chronic medication) through the electronic medical record to determine an appropriate course of action. The perspective of users was evaluated through an electronic questionnaire after three months of application. Results showed that most professionals were aware of the tool (85%), and 57% used it at least once. The median rating for recommending the tool to other professionals was 9 points (on a Likert scale from 1 to 10). Dermatological teletriage proved beneficial and was well-received by emergency physicians and specialists. In the face of delays in outpatient care, it has been a useful alternative to avoid unnecessary referrals and expedite those that are warranted. However, it represents an informal method of communication with regard to data storage. It will be necessary to rethink on improvements in pending topics such as legal limitations, security, and confidentiality of this healthcare experience (AU)

La depresión como factor de riesgo de la demencia: fisiopatología y modelos preclínicos de estudio / Depression as a risk factor for dementia: Pathophysiology and preclinical study models

El aumento de la esperanza de vida ha llevado a un incremento en la incidencia de enfermedades crónicas como la demencia. Tratar los factores de riesgo de la demencia, como la depresión, podría reducir su incidencia. Sin embargo, el tratamiento con antidepresivos no ha sido eficaz en el manejo de este síntoma, lo que aumenta el riesgo de demencia en el futuro. Es fundamental investigar las causas y el tratamiento de la depresión, y el uso de modelos animales es importante en este sentido. Este estudio busca analizar la relación entre la depresión y el riesgo de desarrollar demencia, así como los modelos preclínicos más relevantes para estudiar la depresión en roedores. (AU)

The increase in life expectancy has led to a rise in the incidence of chronic diseases, such as dementia. Treating the risk factors of dementia, such as depression, could help reduce its occurrence. However, antidepressant treatment has not proven effective in managing this symptom, thereby increasing the risk of dementia in the future. It is essential to investigate the causes and treatment of depression, and in this regard, the use of animal models is of great significance. This study aims to analyze the evidence supporting the relationship between depression and the risk of developing dementia, while also providing an update on the most relevant preclinical models for studying depression in rodents. (AU)

[Translated article] Mechanical resistance of polylactic acid bone matrices developed by 3D printing for the reconstruction of bone defects.

INTRODUCTION: Bone defects are one of the main limitations in orthopaedic surgery and traumatology. For this reason, multiple bone replacement systems have been developed, either by prosthetic implant or by substitution with osteoforming substances, whose limitations are their survival and lack of structurality, respectively. The objective of this work is the generation of a new material for the creation of biologically active structures that have sufficient tensile strength to maintain the structure during remodelling. MATERIAL AND METHODS: A new filament based on the fusion of natural polylactide acid (PLA) powder was designed for the generation of pieces by means of fused deposition modelling (FDM) on which to carry out tensile mechanical tests of osteosynthesis material. A total of 13 groups with different cortical thickness, filling and layer height were carried out, with 10 tensile tests in each group, defining the tensile breaking limit for each group. The regression lines for each group and their mechanical resistance to traction on the filament used were determined. RESULTS: The filament ratio per contact surface unit with the osteosynthesis used was the main determinant of the mechanical resistance to traction, either at the expense of the increase in cortical thickness or by the increase in the percentage of cancellous bone filling. Layer height had a minor effect on tensile strength. The regression value was high for cortical thickness and cancellous filling, being elements with a predictable biomechanical behaviour. CONCLUSIONS: The new methodology allows the creation of personalised neutral and implantable PLA bone matrices for the reconstruction of large bone defects by means of 3D printing by FDM with a mechanical resistance to traction greater than that of current biological support structures.

Forest yield prediction under different climate change scenarios using data intelligent models in Pakistan

Abstract This study aimed to develop and evaluate data driven models for prediction of forest yield under different climate change scenarios in the Gallies forest division of district Abbottabad, Pakistan. The Random Forest (RF) and Kernel Ridge Regression (KRR) models were developed and evaluated using yield data of two species (Blue pine and Silver fir) as an objective variable and climate data (temperature, humidity, rainfall and wind speed) as predictive variables. Prediction accuracy of both the models were assessed by means of root mean squared error (RMSE), mean absolute error (MAE), correlation coefficient (r), relative root mean squared error (RRMSE), Legates-McCabes (LM), Willmotts index (WI) and Nash-Sutcliffe (NSE) metrics. Overall, the RF model outperformed the KRR model due to its higher accuracy in forecasting of forest yield. The study strongly recommends that RF model should be applied in other regions of the country for prediction of forest growth and yield, which may help in the management and future planning of forest productivity in Pakistan.

Resumo Este estudo teve como objetivo desenvolver e avaliar modelos baseados em dados para previsão da produção florestal em diferentes cenários de mudanças climáticas na divisão florestal Gallies do distrito de Abbottabad, Paquistão. Os modelos Random Forest (RF) e Kernel Ridge Regression (KRR) foram desenvolvidos e avaliados usando dados de produção de duas espécies (pinheiro-azul e abeto-prateado) como uma variável objetiva e dados climáticos (temperatura, umidade, precipitação e velocidade do vento) como preditivos variáveis. A precisão da previsão de ambos os modelos foi avaliada por meio de erro quadrático médio (RMSE), erro absoluto médio (MAE), coeficiente de correlação (r), erro quadrático médio relativo (RRMSE), Legates-McCabes (LM), índice de Willmott (WI) e métricas Nash-Sutcliffe (NSE). No geral, o modelo RF superou o modelo KRR devido à sua maior precisão na previsão do rendimento florestal. O estudo recomenda fortemente que o modelo RF seja aplicado em outras regiões do país para previsão do crescimento e produtividade florestal, o que pode ajudar no manejo e planejamento futuro da produtividade florestal no Paquistão.

Prediction of visceral leishmaniasis incidence using the Seasonal Autoregressive Integrated Moving Average model (SARIMA) in the state of Maranhão, Brazil

Abstract Visceral leishmaniasis (VL) is an infectious disease predominant in countries located in the tropics. The prediction of occurrence of infectious diseases through epidemiologic modeling has revealed to be an important tool in the understanding of its occurrence dynamic. The objective of this study was to develop a forecasting model for the incidence of VL in Maranhão using the Seasonal Autoregressive Integrated Moving Average model (SARIMA). We collected monthly data regarding VL cases from the National Disease Notification System (SINAN) corresponding to the period between 2001 and 2018. The Box-Jenkins method was applied in order to adjust a SARIMA prediction model for VL general incidence and by sex (male or female) for the period between January 2019 and December 2013. For 216 months of this time series, 10,431 cases of VL were notified in Maranhão, with an average of 579 cases per year. With regard to age range, there was a higher incidence among the pediatric public (0 to 14 years of age). There was a predominance in male cases, 6437 (61.71%). The Box-Pierce test figures for overall, male and female genders supported by the results of the Ljung-Box test suggest that the autocorrelations of residual values act as white noise. Regarding monthly occurrences in general and by gender, the SARIMA models (2,0,0) (2,0,0), (0,1,1) (0,1,1) and (0,1,1) (2, 0, 0) were the ones that mostly adjusted to the data respectively. The model SARIMA has proven to be an adequate tool for predicting and analyzing the trends in VL incidence in Maranhão. The time variation determination and its prediction are decisive in providing guidance in health measure intervention.

Resumo A leishmaniose visceral (LV) é uma doença de natureza infecciosa, predominante em países de zonas tropicais. A predição de ocorrência de doenças infecciosas através da modelagem epidemiológica tem se revelado uma importante ferramenta no entendimento de sua dinâmica de ocorrência. O objetivo deste estudo foi desenvolver um modelo de previsão da incidência da LV no Maranhão usando o modelo de Média Móvel Integrada Autocorrelacionada Sazonal (SARIMA). Foram coletados os dados mensais de casos de LV através do Sistema de Informação de Agravos de Notificação (SINAN) correspondentes ao período de 2001 a 2018. O método de Box-Jenkins foi aplicado para ajustar um modelo de predição SARIMA para incidência geral e por sexo (masculino e feminino) de LV para o período de janeiro de 2019 a dezembro de 2023. Durante o período de 216 meses dessa série temporal, foram registrados 10.431 casos de LV no Maranhão, com uma média de 579 casos por ano. Em relação à faixa etária, houve maior registro no público pediátrico (0 a 14 anos). Houve predominância do sexo masculino, com 6437 casos (61,71%). Os valores do teste de Box-Pierce para incidência geral, sexo masculino e feminino reforçados pelos resultados do teste Ljung-Box sugerem que as autocorrelações de resíduos apresentam um comportamento de ruído branco. Para incidência mensal geral e por sexo masculino e feminino, os modelos SARIMA (2,0,0) (2,0,0), (0,1,1) (0,1,1) e (0,1,1) (2, 0, 0) foram os que mais se ajustaram aos dados, respectivamente. O modelo SARIMA se mostrou uma ferramenta adequada de previsão e análise da tendência de incidência da LV no Maranhão. A determinação da variação temporal e sua predição são determinantes no norteamento de medidas de intervenção em saúde.

A standard approach for including climate change responses in IUCN Red List assessments.

The International Union for Conservation of Nature (IUCN) Red List is a central tool for extinction risk monitoring and influences global biodiversity policy and action. But, to be effective, it is crucial that it consistently accounts for each driver of extinction. Climate change is rapidly becoming a key extinction driver, but consideration of climate change information remains challenging for the IUCN. Several methods can be used to predict species' future decline, but they often fail to provide estimates of the symptoms of endangerment used by IUCN. We devised a standardized method to measure climate change impact in terms of change in habitat quality to inform criterion A3 on future population reduction. Using terrestrial nonvolant tetrapods as a case study, we measured this impact as the difference between the current and the future species climatic niche, defined based on current and future bioclimatic variables under alternative model algorithms, dispersal scenarios, emission scenarios, and climate models. Our models identified 171 species (13% out of those analyzed) for which their current red-list category could worsen under criterion A3 if they cannot disperse beyond their current range in the future. Categories for 14 species (1.5%) could worsen if maximum dispersal is possible. Although ours is a simulation exercise and not a formal red-list assessment, our results suggest that considering climate change impacts may reduce misclassification and strengthen consistency and comprehensiveness of IUCN Red List assessments.

Una estrategia estándar para incluir las respuestas al cambio climático en las evaluaciones de la Lista Roja de la UICN Resumen La Lista Roja de la Unión Internacional para la Conservación de la Naturaleza (UICN) es una herramienta central para el monitoreo del riesgo de extinción e influye sobre las acciones y políticas para la biodiversidad. Para que esta herramienta sea efectiva, es crucial que tenga en cuenta de manera regular cada factor de extinción. El cambio climático se está convirtiendo rápidamente en un factor de extinción importante, pero considerar información sobre este factor todavía es un reto para la UICN. Se pueden usar varios métodos para predecir la declinación de una especie en el futuro, pero generalmente fallan en proporcionar estimaciones de los síntomas del peligro usados por la UICN. Diseñamos un método estandarizado para medir el impacto del cambio climático en términos del cambio en la calidad del hábitat para informar el criterio A3 sobre la reducción futura de las poblaciones. Usamos a los tetrápodos terrestres no voladores como estudio de caso para medir este impacto como la diferencia entre el nicho climático actual y futuro de las especies, definido con base en las variables bioclimáticas actuales y futuras con algoritmos de modelos alternativos, escenarios de dispersión y emisión y modelos climáticos. Nuestros modelos identificaron 171 especies (13% de las especies analizadas) para las que su categoría actual en la lista roja podría empeorar bajo el criterio A3 si no logran dispersarse más allá de su distribución actual en el futuro. Las categorías para 14 especies (1.5%) podrían empeorar si es posible la dispersión máxima. Aunque realizamos una simulación y no una evaluación formal para listas rojas, nuestros resultados sugieren que considerar los impactos del cambio climático podría reducir la clasificación incorrecta y fortalecer la coherencia y exhaustividad de las evaluaciones de la Lista Roja de la UICN.

Forest yield prediction under different climate change scenarios using data intelligent models in Pakistan / Previsão de produção florestal em diferentes cenários de mudanças climáticas usando modelos inteligentes de dados no Paquistão

Abstract This study aimed to develop and evaluate data driven models for prediction of forest yield under different climate change scenarios in the Gallies forest division of district Abbottabad, Pakistan. The Random Forest (RF) and Kernel Ridge Regression (KRR) models were developed and evaluated using yield data of two species (Blue pine and Silver fir) as an objective variable and climate data (temperature, humidity, rainfall and wind speed) as predictive variables. Prediction accuracy of both the models were assessed by means of root mean squared error (RMSE), mean absolute error (MAE), correlation coefficient (r), relative root mean squared error (RRMSE), Legates-McCabe's (LM), Willmott's index (WI) and Nash-Sutcliffe (NSE) metrics. Overall, the RF model outperformed the KRR model due to its higher accuracy in forecasting of forest yield. The study strongly recommends that RF model should be applied in other regions of the country for prediction of forest growth and yield, which may help in the management and future planning of forest productivity in Pakistan.

Resumo Este estudo teve como objetivo desenvolver e avaliar modelos baseados em dados para previsão da produção florestal em diferentes cenários de mudanças climáticas na divisão florestal Gallies do distrito de Abbottabad, Paquistão. Os modelos Random Forest (RF) e Kernel Ridge Regression (KRR) foram desenvolvidos e avaliados usando dados de produção de duas espécies (pinheiro-azul e abeto-prateado) como uma variável objetiva e dados climáticos (temperatura, umidade, precipitação e velocidade do vento) como preditivos variáveis. A precisão da previsão de ambos os modelos foi avaliada por meio de erro quadrático médio (RMSE), erro absoluto médio (MAE), coeficiente de correlação (r), erro quadrático médio relativo (RRMSE), Legates-McCabe's (LM), índice de Willmott (WI) e métricas Nash-Sutcliffe (NSE). No geral, o modelo RF superou o modelo KRR devido à sua maior precisão na previsão do rendimento florestal. O estudo recomenda fortemente que o modelo RF seja aplicado em outras regiões do país para previsão do crescimento e produtividade florestal, o que pode ajudar no manejo e planejamento futuro da produtividade florestal no Paquistão.

Prediction of visceral leishmaniasis incidence using the Seasonal Autoregressive Integrated Moving Average model (SARIMA) in the state of Maranhão, Brazil / Previsão da incidência da leishmaniose visceral usando o modelo de média móvel integrado autorregressivo sazonal (SARIMA) no Maranhão, Brasil

Abstract Visceral leishmaniasis (VL) is an infectious disease predominant in countries located in the tropics. The prediction of occurrence of infectious diseases through epidemiologic modeling has revealed to be an important tool in the understanding of its occurrence dynamic. The objective of this study was to develop a forecasting model for the incidence of VL in Maranhão using the Seasonal Autoregressive Integrated Moving Average model (SARIMA). We collected monthly data regarding VL cases from the National Disease Notification System (SINAN) corresponding to the period between 2001 and 2018. The Box-Jenkins method was applied in order to adjust a SARIMA prediction model for VL general incidence and by sex (male or female) for the period between January 2019 and December 2013. For 216 months of this time series, 10,431 cases of VL were notified in Maranhão, with an average of 579 cases per year. With regard to age range, there was a higher incidence among the pediatric public (0 to 14 years of age). There was a predominance in male cases, 6437 (61.71%). The Box-Pierce test figures for overall, male and female genders supported by the results of the Ljung-Box test suggest that the autocorrelations of residual values act as white noise. Regarding monthly occurrences in general and by gender, the SARIMA models (2,0,0) (2,0,0), (0,1,1) (0,1,1) and (0,1,1) (2, 0, 0) were the ones that mostly adjusted to the data respectively. The model SARIMA has proven to be an adequate tool for predicting and analyzing the trends in VL incidence in Maranhão. The time variation determination and its prediction are decisive in providing guidance in health measure intervention.

Resumo A leishmaniose visceral (LV) é uma doença de natureza infecciosa, predominante em países de zonas tropicais. A predição de ocorrência de doenças infecciosas através da modelagem epidemiológica tem se revelado uma importante ferramenta no entendimento de sua dinâmica de ocorrência. O objetivo deste estudo foi desenvolver um modelo de previsão da incidência da LV no Maranhão usando o modelo de Média Móvel Integrada Autocorrelacionada Sazonal (SARIMA). Foram coletados os dados mensais de casos de LV através do Sistema de Informação de Agravos de Notificação (SINAN) correspondentes ao período de 2001 a 2018. O método de Box-Jenkins foi aplicado para ajustar um modelo de predição SARIMA para incidência geral e por sexo (masculino e feminino) de LV para o período de janeiro de 2019 a dezembro de 2023. Durante o período de 216 meses dessa série temporal, foram registrados 10.431 casos de LV no Maranhão, com uma média de 579 casos por ano. Em relação à faixa etária, houve maior registro no público pediátrico (0 a 14 anos). Houve predominância do sexo masculino, com 6437 casos (61,71%). Os valores do teste de Box-Pierce para incidência geral, sexo masculino e feminino reforçados pelos resultados do teste Ljung-Box sugerem que as autocorrelações de resíduos apresentam um comportamento de ruído branco. Para incidência mensal geral e por sexo masculino e feminino, os modelos SARIMA (2,0,0) (2,0,0), (0,1,1) (0,1,1) e (0,1,1) (2, 0, 0) foram os que mais se ajustaram aos dados, respectivamente. O modelo SARIMA se mostrou uma ferramenta adequada de previsão e análise da tendência de incidência da LV no Maranhão. A determinação da variação temporal e sua predição são determinantes no norteamento de medidas de intervenção em saúde.

An emergency room influx and trauma cases prediction in a Brazilian ophthalmological hospital by an ophthalmologist without code experience / Predição do influxo de atendimentos e casos de trauma em um serviço de urgência oftalmológico brasileiro realizado por um oftalmologista sem experiência em programação

ABSTRACT Purpose: The emergency medical service is a fundamental part of healthcare, albeit crowded emergency rooms lead to delayed and low-quality assistance in actual urgent cases. Machine-learning algorithms can provide a smart and effective estimation of emergency patients' volume, which was previously restricted to artificial intelligence (AI) experts in coding and computer science but is now feasible by anyone without any coding experience through auto machine learning. This study aimed to create a machine-learning model designed by an ophthalmologist without any coding experience using AutoML to predict the influx in the emergency department and trauma cases. Methods: A dataset of 356,611 visits at Hospital da Universidade Federal de São Paulo from January 01, 2014 to December 31, 2019 was included in the model training, which included visits/day and the international classification disease code. The training and prediction were made with the Amazon Forecast by 2 ophthalmologists with no prior coding experience. Results: The forecast period predicted a mean emergency patient volume of 216.27/day in p90, 180.75/day in p50, and 140.35/day in p10, and a mean of 7.42 trauma cases/ day in p90, 3.99/day in p50, and 0.56/day in p10. In January of 2020, there were a total of 6,604 patient visits and a mean of 206.37 patients/day, which is 13.5% less than the p50 prediction. This period involved a total of 199 trauma cases and a mean of 6.21 cases/day, which is 55.77% more traumas than that by the p50 prediction. Conclusions: The development of models was previously restricted to data scientists' experts in coding and computer science, but transfer learning autoML has enabled AI development by any person with no code experience mandatory. This study model showed a close value to the actual 2020 January visits, and the only factors that may have influenced the results between the two approaches are holidays and dataset size. This is the first study to apply AutoML in hospital visits forecast, showing a close prediction of the actual hospital influx.

RESUMO Objetivo: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma. Métodos: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação. Resultados: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50. Conclusão: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.

Modelos de agendamento e o acesso a imunização na atenção primária a saúde / Appointment models and access to immunization in primary health care / Modelos de cita y acceso a inmunización en atención primaria de salud

A Atenção Primária à Saúde é caracterizada como a porta de entrada preferencial do sistema de saúde com território adscrito. Desta forma, deve prover ações de promoção, prevenção e reabilitação da saúde. Sendo assim, a escassez de investigações sobre o acesso à saúde e a imunização levanta questões sobre como os modelos de agendamento impactam a disponibilidade e a acessibilidade das vacinas. Trata-se de um estudo reflexivo conduzido no período de junho a agosto de 2023. O estudo tem como base a análise discursiva das orientações do Ministério da Saúde, assim como a aceitabilidade, satisfação e, consequentemente, adesão à vacinação por parte dos usuários. A pesquisa originou-se a partir das provocações e debates realizados pelo Grupo de Pesquisa "Abordagens Tecnológicas no Cuidado à Saúde e Promoção da Saúde" da Escola de Enfermagem da Universidade de São Paulo (EEUSP). Está dividido em três seções que abordam os principais pontos de reflexão. O estudo considerou que é notável que a maneira como o usuário é recebido e tratado pelo sistema influencia diretamente a aceitabilidade, satisfação e, consequentemente, adesão à vacinação. Portanto, ao escolher e planejar o método de agendamento do serviço de saúde, as particularidades da área de vacinação devem ser consideradas, contemplando a demanda espontânea e a abordagem e controle do usuário.

Primary Health Care is characterized as the preferred gateway to the health system with an assigned territory. In this way, it must provide health promotion, prevention and rehabilitation actions. Therefore, the scarcity of research on access to healthcare and immunization raises questions about how scheduling models impact the availability and accessibility of vaccines. This is a reflective study conducted from June to August 2023. The study is based on the discursive analysis of the Ministry of Health's guidelines, as well as the acceptability, satisfaction and, consequently, adherence to vaccination by users. The research originated from the provocations and debates carried out by the Research Group "Technological Approaches in Health Care and Health Promotion" at the School of Nursing of the University of São Paulo (EEUSP). It is divided into three sections that address the main points of reflection. The study considered that it is notable that the way the user is received and treated by the system directly influences acceptability, satisfaction and, consequently, adherence to vaccination. Therefore, when choosing and planning the health service scheduling method, the particularities of the vaccination area must be considered, considering spontaneous demand and user approach and control.

La Atención Primaria de Salud se caracteriza por ser la puerta de entrada preferente al sistema de salud con un territorio asignado. De esta manera, debe brindar acciones de promoción, prevención y rehabilitación de la salud. Por lo tanto, la escasez de investigaciones sobre el acceso a la atención sanitaria y la inmunización plantea interrogantes sobre cómo los modelos de programación afectan la disponibilidad y accesibilidad de las vacunas. Se trata de un estudio reflexivo realizado de junio a agosto de 2023. El estudio se basa en el análisis discursivo de las directrices del Ministerio de Salud, así como de la aceptabilidad, satisfacción y, en consecuencia, adherencia a la vacunación por parte de los usuarios. La investigación surgió de las provocaciones y debates realizados por el Grupo de Investigación "Enfoques Tecnológicos en Atención y Promoción de la Salud" de la Escuela de Enfermería de la Universidad de São Paulo (EEUSP). Se divide en tres apartados que abordan los principales puntos de reflexión. El estudio consideró que se destaca que la forma en que el usuario es recibido y tratado por el sistema influye directamente en la aceptabilidad, satisfacción y, en consecuencia, en la adherencia a la vacunación. Por lo tanto, en la elección y planificación del método de programación de los servicios de salud se deben considerar las particularidades del área de vacunación, considerando la demanda espontánea y el abordaje y control de los usuarios.

Machine learning in predicting severe acute respiratory infection outbreaks / Aprendizado de máquina na previsão de surtos de síndrome respiratória aguda grave / Aprendizaje automático en la predicción de brotes de síndrome respiratorio agudo grave

Abstract: Severe acute respiratory infection (SARI) outbreaks occur annually, with seasonal peaks varying among geographic regions. Case notification is important to prepare healthcare networks for patient attendance and hospitalization. Thus, health managers need adequate resource planning tools for SARI seasons. This study aims to predict SARI outbreaks based on models generated with machine learning using SARI hospitalization notification data. In this study, data from the reporting of SARI hospitalization cases in Brazil from 2013 to 2020 were used, excluding SARI cases caused by COVID-19. These data were prepared to feed a neural network configured to generate predictive models for time series. The neural network was implemented with a pipeline tool. Models were generated for the five Brazilian regions and validated for different years of SARI outbreaks. By using neural networks, it was possible to generate predictive models for SARI peaks, volume of cases per season, and for the beginning of the pre-epidemic period, with good weekly incidence correlation (R2 = 0.97; 95%CI: 0.95-0.98, for the 2019 season in the Southeastern Brazil). The predictive models achieved a good prediction of the volume of reported cases of SARI; accordingly, 9,936 cases were observed in 2019 in Southern Brazil, and the prediction made by the models showed a median of 9,405 (95%CI: 9,105-9,738). The identification of the period of occurrence of a SARI outbreak is possible using predictive models generated with neural networks and algorithms that employ time series.

Resumo: Surtos de síndrome respiratória aguda grave (SRAG) ocorrem anualmente, com picos sazonais variando entre regiões geográficas. A notificação dos casos é importante para preparar as redes de atenção à saúde para o atendimento e internação dos pacientes. Portanto, os gestores de saúde precisam ter ferramentas adequadas de planejamento de recursos para as temporadas de SRAG. Este estudo tem como objetivo prever surtos de SRAG com base em modelos gerados com aprendizado de máquina usando dados de internação por SRAG. Foram incluídos dados sobre casos de hospitalização por SRAG no Brasil de 2013 a 2020, excluindo os casos causados pela COVID-19. Estes dados foram preparados para alimentar uma rede neural configurada para gerar modelos preditivos para séries temporais. A rede neural foi implementada com uma ferramenta de pipeline. Os modelos foram gerados para as cinco regiões brasileiras e validados para diferentes anos de surtos de SRAG. Com o uso de redes neurais, foi possível gerar modelos preditivos para picos de SRAG, volume de casos por temporada e para o início do período pré-epidêmico, com boa correlação de incidência semanal (R2 = 0,97; IC95%: 0,95-0,98, para a temporada de 2019 na Região Sudeste). Os modelos preditivos obtiveram uma boa previsão do volume de casos notificados de SRAG; dessa forma, foram observados 9.936 casos em 2019 na Região Sul, e a previsão feita pelos modelos mostrou uma mediana de 9.405 (IC95%: 9.105-9.738). A identificação do período de ocorrência de um surto de SRAG é possível por meio de modelos preditivos gerados com o uso de redes neurais e algoritmos que aplicam séries temporais.

Resumen: Brotes de síndrome respiratorio agudo grave (SRAG) ocurren todos los años, con picos estacionales que varían entre regiones geográficas. La notificación de los casos es importante para preparar las redes de atención a la salud para el cuidado y hospitalización de los pacientes. Por lo tanto, los gestores de salud deben tener herramientas adecuadas de planificación de recursos para las temporadas de SRAG. Este estudio tiene el objetivo de predecir brotes de SRAG con base en modelos generados con aprendizaje automático utilizando datos de hospitalización por SRAG. Se incluyeron datos sobre casos de hospitalización por SRAG en Brasil desde 2013 hasta 2020, salvo los casos causados por la COVID-19. Se prepararon estos datos para alimentar una red neural configurada para generar modelos predictivos para series temporales. Se implementó la red neural con una herramienta de canalización. Se generaron los modelos para las cinco regiones brasileñas y se validaron para diferentes años de brotes de SRAG. Con el uso de redes neurales, se pudo generar modelos predictivos para los picos de SRAG, el volumen de casos por temporada y para el inicio del periodo pre-epidémico, con una buena correlación de incidencia semanal (R2 = 0,97; IC95%: 0,95-0,98, para la temporada de 2019 en la Región Sudeste). Los modelos predictivos tuvieron una buena predicción del volumen de casos notificados de SRAG; así, se observaron 9.936 casos en 2019 en la Región Sur, y la predicción de los modelos mostró una mediana de 9.405 (IC95%: 9.105-9.738). La identificación del periodo de ocurrencia de un brote de SRAG es posible a través de modelos predictivos generados con el uso de redes neurales y algoritmos que aplican series temporales.

Organização da atenção primária à saúde de municípios de São Paulo, Brasil: modelo de atenção e coerência com as diretrizes do Sistema Único de Saúde / Organización de la atención primaria de salud de municipios de São Paulo, Brasil: modelo de atención y coherencia con las directrices del Sistema Único de Salud / Primary health care organization in municipalities of São Paulo, Brazil: a model of care aligned with the Brazilian Unified National Health System's guidelines

Resumo: Este trabalho tem como objetivo analisar os principais padrões de organização das redes municipais de serviços de atenção primária à saúde (APS) e avaliá-los segundo os indicadores de interface entre gestão e gerenciamento local. Trata-se de pesquisa avaliativa que analisou 461 municípios de São Paulo, Brasil, que participaram do Inquérito de Avaliação da Qualidade de Serviços de Atenção Básica (QualiAB) em 2017/2018, classificados segundo a composição dos arranjos organizacionais de 2.472 serviços de APS. Para avaliar os padrões identificados, foram selecionados oito indicadores de gestão e gerenciamento local. Os resultados apontam dois grupos de municípios: homogêneos, com serviços de um mesmo arranjo (43,6%); e heterogêneos, com diferentes arranjos (56,4%). Os grupos foram subdivididos em sete padrões que variaram entre homogêneo-tradicional, homogêneo-Estratégia Saúde da Família, homogêneo-misto e diferentes combinações no grupo heterogêneo. Todos os indicadores apontaram diferenças significativas entre os grupos (p < 0,001), com destaque para o grupo homogêneo-tradicional, com padrão organizacional distante do modelo desejado para uma APS abrangente e resolutiva, enquanto aqueles com unidades de saúde da família (USF), e com unidades básicas com agentes comunitários de saúde e/ou equipes de saúde da família (UBS/USF) demonstraram um padrão mais aproximado desse modelo - com ações de planejamento e avaliação comprometidos com a realidade local e com a qualificação do trabalho. Discute-se a importância das políticas implementadas pela gestão federal e estadual e seu poder de indução na definição do modelo de atenção à saúde na APS dos municípios.

Resumen: El trabajo tiene el objetivo de analizar los principales patrones de organización de las redes municipales de servicios de atención primaria de salud (APS) y evaluarlos conforme los indicadores de interfaz entre la dirección y gestión local. Se trata de una investigación evaluativa que analizó 461 municipios de São Paulo, Brasil, que participaron de la Encuesta de Evaluación de la Calidad de los Servicios de Atención Primaria (QualiAB) en 2017/2018, clasificados según la composición de los arreglos organizativos de 2.472 servicios de APS. Para evaluar los patrones identificados, se seleccionaron ocho indicadores de dirección y gestión local. Los resultados indican dos grupos de municipios: homogéneos, con servicios de un mismo arreglo (43,6%) e heterogéneos, con arreglos diferentes (56,4%). Los grupos se subdividieron en siete patrones que iban desde homogéneo-tradicional, homogéneo-Estrategia de Salud de la Familia, homogéneo-mixto y diferentes combinaciones en el grupo heterogéneo. Todos los indicadores señalaron diferencias significativas entre los grupos (p < 0,001), con destaque para el grupo homogéneo-tradicional, con patrón organizativo alejado del modelo deseado para una APS completa y resolutiva, mientras aquellos con unidades de salud de la familia (USF), y con unidades básicas con agentes comunitarios de salud y/o equipos de salud de la familia (UBS/USF) demostraron un patrón más cercano a este modelo -con acciones de planificación y evaluación comprometidas con la realidad local y con la calificación del trabajo. Se discute la importancia de las políticas implementadas por la gestión federal y la gestión estatal y su poder de inducción para definir el modelo de atención a la salud en la APS de los municipios.

Abstract: This study analyzes the main organization patterns used by primary health care (PHC) services in municipal networks and evaluates them according to indicators of local management-administration interface. Evaluative research analyzed 461 municipalities in São Paulo, Brazil, that participated in the Primary Care Services Quality Assessment Survey (QualiAB) in 2017/2018, classified according to the organizational arrangements composition of 2,472 PHC services. Eight indicators of local management and administration were selected to evaluate the identified patterns. Results indicate two groups of municipalities: homogeneous, with services presenting the same arrangement (43.6%); and heterogeneous, with different arrangements (56.4%). These were subdivided into seven patterns that ranged from homogeneous-traditional, homogeneous-Family Health Strategy, homogeneous-mixed, and different combinations in the heterogeneous group. All indicators showed significant differences between groups (p < 0.001), especially the homogeneous-traditional group, which presented an organizational pattern far from the desired model of a comprehensive and problem-solving PHC. Those integrated with family health units (FHU) and basic health units with community health workers and/or family health teams (BHU/FHU) showed a pattern closer to a comprehensive model - with planning and evaluation actions committed to the local reality and qualification of care. Implementation of federal and state policies are essential for defining the PHC health care model adopted by municipalities.

Itinerários terapêuticos no cuidado em saúde em comunidades quilombolas / Therapeutic itineraries in health care in Quilombola communities

Resumo Este artigo teve como objetivo mapear os itinerários terapêuticos no cuidado em saúde em comunidades quilombolas rurais no norte de Minas Gerais, Brasil. Trata-se de um recorte de uma pesquisa qualitativa realizada em seis comunidades visitadas. Os dados foram produzidos por meio de 18 entrevistas individuais, analisados pelo referencial teórico-metodológico dos itinerários terapêuticos e organizados em três temas empíricos. As narrativas permitiram a compreensão dos percursos trilhados no cuidado em saúde pela população quilombola, a identificação dos componentes do subsistema popular (recursos naturais, o uso de chás e remédios caseiros), do subsistema familiar (transmissão de conhecimentos e herança cultural de cuidados), e do subsistema profissional (nível hospitalar, cuidados médicos, atenção primária e especializada). As dificuldades de acesso não decorrem apenas das distâncias geográficas, envolvem aspectos mais amplos da determinação social, como o racismo institucional, a baixa oferta de serviços, a necessidade de pagamento para deslocamentos e procedimentos médicos. Nesse sentido, fazem-se necessárias uma abordagem e intervenções das políticas públicas frente às desigualdades étnico-raciais, econômicas e de acesso aos serviços de cuidado em saúde.

Abstract This article aimed to map therapeutic itineraries in health care within rural Quilombola communities in the north of Minas Gerais, Brazil. This is a section of a qualitative research conducted in six visited communities. The data was collected through 18 individual interviews, analyzed using the theoretical-methodological framework of Therapeutic Itineraries, and organized into three empirical themes. The narratives allowed for understanding the paths taken in health care by the Quilombola population, identifying the components of the popular subsystem (natural resources, the use of teas and home remedies), the family subsystem (transmission of knowledge and cultural heritage of care), and the professional subsystem (hospital level, medical care, primary and specialized attention). The difficulties of access are not only due to geographical distances, but also broader aspects of social determination, such as institutional racism, low availability of services, the need for payment for transportation and medical procedures. In this sense, it is necessary to have an approach and interventions from public policies to address ethnic-racial, economic, and access inequalities in health care services.

Occlusion development after premature loss of deciduous anterior teeth: preliminary results of a 24-month prospective cohort study

ABSTRACT Objective: This study aimed to evaluate occlusion development after premature loss or extraction of deciduous anterior teeth, by means of a prospective cohort study. Methods: Fifteen infants and children aged 1 to 5 years old were longitudinally assessed (with loss or extraction of deciduous anterior teeth [n = 9], and without tooth losses [n = 6]). Photographs and dental casts at the baseline and after 24 months of follow-up were performed. Dental casts were scanned, and linear measurements were made on the digitalized models (missing tooth space, arch perimeter, arch length, arch width, intercanine length and intercanine width). The t-test was used for groups comparisons (α = 0.05). Results: Individuals' mean age at baseline was 2.93 (± 1.18) years. No statistically significant differences were observed in the missing tooth space in the group with tooth loss during the 24 months of follow-up (p > 0.05). Arch perimeter, arch length, arch width, intercanine length and intercanine width did not show differences between the groups (p > 0.05). Qualitative photographic evaluation revealed other changes in the dental arches and occlusion, such as exfoliation and eruption of deciduous teeth, eruption of permanent teeth, self-correction or establishment of malocclusion, among others. Conclusion: The results suggest that the premature loss of deciduous anterior teeth does not affect the perimeter, length and width of the dental arches; however, other alterations that lead to malocclusion could be established.

RESUMO Objetivo: Este estudo teve como objetivo avaliar o desenvolvimento da oclusão após perda prematura ou extração de dentes decíduos anteriores, por meio de um estudo de coorte prospectivo. Métodos: Quinze bebês e crianças de 1 a 5 anos foram avaliados longitudinalmente (com perda ou extração de dentes anteriores decíduos [n = 9] e sem perdas dentárias [n = 6]). Foram realizadas fotografias e modelos dentais no início e após 24 meses de acompanhamento. Os modelos dentários foram escaneados e medidas lineares foram feitas nos modelos digitalizados (espaço dentário perdido, perímetro da arcada, comprimento da arcada, largura da arcada, comprimento intercaninos e largura intercaninos). O teste t foi utilizado para comparações entre grupos (α = 0,05). Resultados: A média de idade dos indivíduos no início do estudo foi de 2,93 (± 1,18) anos. Não foram observadas diferenças estatisticamente significativas no espaço dentário perdido no grupo com perda dentária durante os 24 meses de acompanhamento (p > 0,05). O perímetro da arcada, comprimento da arcada, largura da arcada, comprimento intercaninos e largura intercaninos não apresentaram diferenças entre os grupos (p> 0,05). A avaliação fotográfica qualitativa revelou alterações nas arcadas dentárias e na oclusão, como: esfoliação e erupção de dentes decíduos, erupção de dentes permanentes, autocorreção ou estabelecimento de má oclusão, entre outras. Conclusão: Os resultados sugerem que a perda prematura de dentes anteriores decíduos não afeta o perímetro, comprimento e largura das arcadas dentárias; entretanto, outras alterações que levam à má oclusão poderiam ser estabelecidas.

Prediction and simulation of PEEP setting effects with machine learning models.

OBJECTIVE: To establish a new machine learning-based method to adjust positive end-expiratory pressure (PEEP) using only already routinely measured data. DESIGN: Retrospective observational study. SETTING: Intensive care unit (ICU). PATIENTS OR PARTICIPANTS: 51811 mechanically ventilated patients in multiple ICUs in the USA (data from MIMIC-III and eICU databases). INTERVENTIONS: No interventions. MAIN VARIABLES OF INTEREST: Success parameters of ventilation (arterial partial pressures of oxygen and carbon dioxide and respiratory system compliance) RESULTS: The multi-tasking neural network model performed significantly best for all target tasks in the primary test set. The model predicts arterial partial pressures of oxygen and carbon dioxide and respiratory system compliance about 45 min into the future with mean absolute percentage errors of about 21.7%, 10.0% and 15.8%, respectively. The proposed use of the model was demonstrated in case scenarios, where we simulated possible effects of PEEP adjustments for individual cases. CONCLUSIONS: Our study implies that machine learning approach to PEEP titration is a promising new method which comes with no extra cost once the infrastructure is in place. Availability of databases with most recent ICU patient data is crucial for the refinement of prediction performance.