Perspectivas de estudantes e egressos sobre a aprendizagem baseada em problemas na formação de enfermeiros / Students' and graduates' perceptions on problem-based learning in nursing undergraduate education

Resumo Objetivou-se analisar a percepção de estudantes e egressos sobre a utilização da Aprendizagem Baseada em Problemas (ABP) na formação do enfermeiro. Trata-se de um estudo qualitativo que utiliza a modalidade compreensiva e interpretativa proposta pela Hermenêutica-Dialética. Realizaram-se quatro grupos focais com a participação de 17 estudantes e 16 egressos de uma instituição de ensino superior que aplica a ABP na formação de enfermeiros. A análise dos resultados permitiu a definição de cinco categorias temáticas: dificuldade de adaptação em relação ao método; conquista de autonomia sobre o próprio aprendizado; incentivo ao desenvolvimento do raciocínio clínico; aprimoramento da comunicação e das relações interpessoais e integração entre teoria e prática. Evidencia-se que a utilização da ABP favorece a aproximação com as proposições das diretrizes curriculares para a formação do enfermeiro por meio do desenvolvimento de habilidades e competências como autonomia, comunicação, relações interpessoais e raciocínio clínico mediante práticas integrais e contextualizadas. Entretanto, os estudantes enfrentam dificuldades com as mudanças observadas ao serem inseridos nela ABP, as quais são superadas no decorrer do processo de implementação.

Abstract This study aimed to analyze students' and graduates' perceptions regarding the use of Problem-Based Learning (PBL) in nurse education. This is a qualitative study that employs the comprehensive and interpretative approach proposed by Dialectical Hermeneutics. Four focus groups were conducted with the participation of 17 students and 16 graduates from a higher education institution that implements PBL in nurse education. The analysis of results allowed for the identification of five thematic categories: difficulty in adapting to the method; attainment of autonomy in one's own learning; encouragement of clinical reasoning development; enhancement of communication and interpersonal relationships; and integration between theory and practice. It is evident that the use of PBL promotes alignment with the propositions of curriculum guidelines for nurse education by fostering the development of skills and competencies such as autonomy, communication, interpersonal relationships, and clinical reasoning through comprehensive and contextualized practices. However, students encounter challenges with the changes observed when introduced to PBL, which are overcome during the implementation process.

Da superfície para a profundidade: Curva de aprendizado em lifting facial profundo estendido - meus primeiros 100 casos / From Surface to Depth: Learning Curve in Extended Deep Facelift ­ my First 100 Cases

Introdução: O envelhecimento facial é um processo gradual, complexo e multifatorial. É o resultado de mudanças na qualidade, volume e posicionamento dos tecidos. Cirurgiões plásticos têm modificado sua abordagem na cirurgia do rejuvenescimento facial optando pelo plano subaponeurótico (SMAS). O objetivo deste estudo é analisar 100 casos de pacientes operados pela técnica de SMAS profundo, avaliando sua aplicabilidade e eficácia. Método: Foram avaliados 100 pacientes, submetidos a cirurgia plástica facial pela técnica de SMAS profundo - "Deep Smas", e acompanhados por 6 meses. Observou-se a satisfação dos pacientes, número de complicações, número de reoperações, riscos e vantagens da técnica. Resultados: Foram operados 100 pacientes, num período de 3 anos. A idade variou de 41 a 79 anos, sendo 95% sexo feminino. As complicações foram 8 casos (8%) de lesões de ramos do nervo facial, sendo: 4 casos lesão do zigomático, 3 casos de lesão do mandibular e 1 caso de lesão do bucal; houve 1 caso (1%) de queloide retroauricular; 1 caso (1%) de hematoma. Em relação às revisões cirúrgicas, houve 8 casos (8%) de complementação cirúrgica por insatisfação das pacientes. Houve 15% de lesões nervosas entre a 1ª e a 40ª cirurgia, 5% entre a 41ª e a 80ª, e nenhuma lesão entre o 81º e o 100º paciente. Conclusão: O lifting facial profundo ou subSMAS mostrou ser efetivo, proporcionando bons resultados estéticos. Apresenta baixa taxa de recidiva e baixa taxa de morbidade, porém, necessita de uma longa curva de aprendizagem.

Introduction: Facial aging is a gradual, complex, and multifactorial process. It is the result of changes in the quality, volume, and positioning of tissues. Plastic surgeons have modified their approach to facial rejuvenation surgery, opting for the subaponeurotic plane (SMAS). The objective of this study is to analyze 100 cases of patients operated on using the deep SMAS technique, evaluating its applicability and effectiveness. Method: 100 patients were evaluated, undergoing facial plastic surgery using the deep SMAS technique - "Deep Smas", and followed up for 6 months. Patient satisfaction, number of complications, number of reoperations, risks, and advantages of the technique were observed. Results: 100 patients were operated on over 3 years. Age ranged from 41 to 79 years, with 95% being female. The complications were 8 cases (8%) of injuries to branches of the facial nerve, of which 4 cases of zygomatic injury, 3 cases of mandibular injury, and 1 case of buccal injury; there was 1 case (1%) of post-auricular keloid; 1 case (1%) of hematoma. Regarding surgical revisions, there were 8 cases (8%) of surgical completion due to patient dissatisfaction. There were 15% of nerve injuries between the 1st and 40th surgery, 5% between the 41st and 80th, and no injuries between the 81st and 100th patient. Conclusion: Deep facial lifting or subSMAS has proven to be effective, providing good aesthetic results. It has a low recurrence rate and low morbidity rate; however, it requires a long learning curve.

Learning curve in ponseti method - evolution in 5 year-intervals / Curva de aprendizado no método ponseti - evolução em intervalos de 5 anos

ABSTRACT Objective: Evaluate whether the experience of the surgeon could reduce Ponseti treatment time, and a number of cast changes, and the evolution of the Pirani Score. Methods: 2 reference centers were evaluated. At Institution 1, 254 patients with idiopathic clubfoot (403 feet) were included, and at Institution 2, 32 patients (51 feet). At institution 1 (mentor), 3 intervals of 5 years each were analyzed. At the Institution 2 (trainee), 1 interval of 5 years was analyzed. Results: Patients treated by the mentor had fewer casts compared with the trainee (p < 0.001). At Institution 1, the three mentor intervals showed differences in the number of casts (p < 0.05). A statistically significant difference was observed only in the first mentor interval (2000 to 2005, average of 3.47 casts) compared with the 2 other intervals (2005 to 2010; average of 2.6 casts and 2011 to 2015; average of 2.79 casts; p < 0.0001). Pirani score decreases the most until the third clinic visit. Conclusion: The mentor's greater expertise was associated with fewer casts and shorter time to obtain correction in isolated clubfoot, especially right after the first 5 years of practice. Progression of the Pirani score in both institutions occurs between the first and the third casts. Level of Evidence III; Therapeutic Study, Retrospective Comparative Study.

RESUMO Objetivo: Avaliar se a experiência no Método Ponseti pode reduzir o tempo de tratamento e o número de gessos. Métodos: Na instituição 1 foram incluídos 254 pacientes com pé torto idiopático (403 pés) e na instituição 2, 32 pacientes (51 pés). Na instituição 1 (mentora) foram analisados 3 intervalos de 5 anos. Na instituição 2 (estagiária), foi analisado 1 intervalo de 5 anos. Resultados: Os pacientes tratados pelo mentor tiveram menos gessos em comparação aos tratados pelo estagiário (p < 0,001). Na Instituição 1, os três intervalos de mentores apresentaram diferenças no número de gessos até a correção dos pés (p < 0,05). Diferença estatisticamente significativa foi observada no primeiro intervalo do mentor (2000 a 2005, média 3,47 gessos) em comparação com os outros 2 intervalos (2005 a 2010; média 2,6 gessos e 2011 a 2015; média 2,79 gessos; p < 0,0001). O escore de Pirani diminui mais até a terceira consulta clínica. Conclusão: A maior expertise do mentor no Método Ponseti esteve associada ao menor número de gessos e ao menor tempo para correção do pé torto, principalmente logo após os primeiros 5 anos. A maior progressão do score de Pirani ocorre entre o primeiro e o terceiro gesso. Nível de Evidência III; Estudo Terapêutico, Estudo Comparativo Retrospectivo.

Performance analysis of pretrained convolutional neural network models for ophthalmological disease classification / Análise de desempenho de modelos de rede neural convolucional pré-treinados para classificação de doenças oftalmológicas

ABSTRACT Purpose: This study aimed to evaluate the classification performance of pretrained convolutional neural network models or architectures using fundus image dataset containing eight disease labels. Methods: A publicly available ocular disease intelligent recognition database has been used for the diagnosis of eight diseases. This ocular disease intelligent recognition database has a total of 10,000 fundus images from both eyes of 5,000 patients for the following eight diseases: healthy, diabetic retinopathy, glaucoma, cataract, age-related macular degeneration, hypertension, myopia, and others. Ocular disease classification performances were investigated by constructing three pretrained convolutional neural network architectures including VGG16, Inceptionv3, and ResNet50 models with adaptive moment optimizer. These models were implemented in Google Colab, which made the task straight-forward without spending hours installing the environment and supporting libraries. To evaluate the effectiveness of the models, the dataset was divided into 70%, 10%, and 20% for training, validation, and testing, respectively. For each classification, the training images were augmented to 10,000 fundus images. Results: ResNet50 achieved an accuracy of 97.1%; sensitivity, 78.5%; specificity, 98.5%; and precision, 79.7%, and had the best area under the curve and final score to classify cataract (area under the curve = 0.964, final score = 0.903). By contrast, VGG16 achieved an accuracy of 96.2%; sensitivity, 56.9%; specificity, 99.2%; precision, 84.1%; area under the curve, 0.949; and final score, 0.857. Conclusions: These results demonstrate the ability of the pretrained convolutional neural network architectures to identify ophthalmological diseases from fundus images. ResNet50 can be a good architecture to solve problems in disease detection and classification of glaucoma, cataract, hypertension, and myopia; Inceptionv3 for age-related macular degeneration, and other disease; and VGG16 for normal and diabetic retinopathy.

RESUMO Objetivo: Avaliar o desempenho de classificação de modelos ou arquiteturas de rede neural convolucional pré--treinadas usando um conjunto de dados de imagem de fundo de olho contendo oito rótulos de doenças diferentes. Métodos: Neste artigo, o conjunto de dados de reconhecimento inteligente de doenças oculares publicamente disponível foi usado para o diagnóstico de oito rótulos de doenças diferentes. O banco de dados de reconhecimento inteligente de doenças oculares tem um total de 10.000 imagens de fundo de olho de ambos os olhos de 5.000 pacientes para oito categorias que contêm rótulos saudáveis, retinopatia diabética, glaucoma, catarata, degeneração macular relacionada à idade, hipertensão, miopia, outros. Investigamos o desempenho da classificação de doenças oculares construindo três arquiteturas de rede neural convolucional pré-treinadas diferentes, incluindo os modelos VGG16, Inceptionv3 e ResNet50 com otimizador de Momento Adaptativo. Esses modelos foram implementados no Google Colab o que facilitou a tarefa sem gastar horas instalando o ambiente e suportando bibliotecas. Para avaliar a eficácia dos modelos, o conjunto de dados é dividido em 70% para treinamento, 10% para validação e os 20% restantes utilizados para teste. As imagens de treinamento foram expandidas para 10.000 imagens de fundo de olho para cada tal. Resultados: Observou-se que o modelo ResNet50 alcançou acurácia de 97,1%, sensibilidade de 78,5%, especificidade de 98,5% e precisão de 79,7% e teve a melhor área sob a curva e pontuação final para classificar a categoria da catarata (área sob a curva=0,964, final=0,903). Em contraste, o modelo VGG16 alcançou uma precisão de 96,2%, sensibilidade de 56,9%, especificidade de 99,2% e precisão de 84,1%, área sob a curva 0,949 e pontuação final de 0,857. Conclusão: Esses resultados demonstram a capacidade das arquiteturas de rede neural convolucional pré-treinadas em identificar doenças oftalmológicas a partir de imagens de fundo de olho. ResNet50 pode ser uma boa solução para resolver problemas na detecção e classificação de doenças como glaucoma, catarata, hipertensão e miopia; Inceptionv3 para degeneração macular relacionada à idade e outras doenças; e VGG16 para retinopatia normal e diabética.

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.

Food patterns associated with overweight in 7-11-year old children: machine-learning approach / Padrões alimentares associados ao excesso de peso em crianças de 7 a 11 anos: abordagem de aprendizado de máquina

Abstract Longitudinal study, whose objective was to present a better strategy and statistical methods, and demonstrate its use with the data across the 2013-2015 period in schoolchildren aged 7 to 11 years, covered with the same food questionnaire (WebCAAFE) survey in Florianopolis, southern Brazil. Six meals/snacks and 32 foods/beverages yielded 192 possible combinations denominated meal/snack-Specific Food/beverage item (MSFIs). LASSO algorithm (LASSO-logistic regression) was used to determine the MSFIs predictive of overweight/obesity, and then binary (logistic) regression was used to further analyze a subset of these variables. Late breakfast, lunch and dinner were all associated with increased overweight/obesity risk, as was an anticipated lunch. Time-of-day or meal-tagged food/beverage intake result in large number of variables whose predictive patterns regarding weight status can be analyzed by machine learning such as LASSO, which in turn may identify the patterns not amenable to other popular statistical methods such as binary logistic regression.

Resumo Estudo longitudinal cujo objetivo foi apresentar melhores estratégia e métodos estatísticos e demonstrar sua utilização com os dados do período 2013-2015 em escolares de 7 a 11 anos, contemplados com o mesmo questionário alimentar (WebCAAFE) em Florianópolis, Sul do Brasil. Seis refeições/lanches e 32 alimentos/bebidas resultaram em 192 combinações possíveis denominadas item refeição/lanche-alimentos/bebidas específicos (MSFIs). O algoritmo LASSO (LASSO-regressão logística) foi usado para determinar os MSFIs preditivos de sobrepeso/obesidade e, em seguida, a regressão binária (logística) foi usada para analisar um subconjunto dessas variáveis. Café da manhã, almoço e jantar tardios foram todos associados ao aumento do risco de sobrepeso/obesidade, assim como um almoço antecipado. O consumo de alimentos/bebidas marcados na hora do dia ou na refeição resulta em um grande número de variáveis ​​cujos padrões preditivos em relação ao status do peso podem ser analisados ​​por LASSO. Essa análise pode identificar os padrões não passíveis de outros métodos estatísticos populares, como a regressão logística binária.

Situated Learning Theory e as comunidades de prática: subsídios para a reabilitação social de pessoas com estomias / Situated Learning Theory y las comunidades de práctica: subsidios para la rehabilitación social de personas con estomias / Situated Learning Theory and communities of practice: subsidies for the social rehabilitation of people with stomas

Objetivou-se discutir trajetórias de aprendizagem situadas na reabilitação social em Comunidades de Prática (CoP) presenciais e on-line para pessoas com estomia. Foi realizada uma revisão narrativa compreensiva com linha temporal aberta e amostragem de 18 artigos internacionais. A interpretação culminou nos pilares conceituais da CoP em saúde partindo de identidades e trajetórias rumo à participação central, à perificidade legítima e à reificação; transferência educacional em cenários presenciais e on-line com artefatos; exemplos e dilemas de implantação de designers ou arranjos colaborativos para diversos tipos de adoecimento e premência da avaliação interprofissional da trajetória; e, por fim, sabendo da existência das comunidades éticas, foram propostos subsídios para comunidades de prática destinadas às pessoas com estomias no Sistema Único de Saúde, tencionando a participação social-cuidativa e a reabilitação.(AU)

El objetivo fue discutir sobre trayectorias de aprendizaje situado para la rehabilitación social en Comunidades de Práctica (CoP) presenciales y online para personas con estomia. Se desempeñó una revisión narrativa comprensiva con línea de tiempo abierta para el muestreo de 18 artículos internacionales. La interpretación culminó en los pilares conceptuales de la CoP en salud, partiendo de las identidades y trayectorias rumbo a la participación central, perificidad legítima y reificación. Transferencia educativa en escenarios presenciales y online con artefactos, ejemplos y dilemas de implantación de diseñadores o arreglos colaborativos para diversos tipos de enfermedad y la urgencia de la evaluación interprofesional de la trayectoria y, finalmente, conociendo la existencia de las comunidades éticas, se propusieron subsidios para comunidades de práctica destinadas a las personas con estomias en el Sistema Brasileño de Salud, con la intención de la participación social-cuidadora y la rehabilitación.(AU)

The objective was to discuss situated learning trajectories for social rehabilitation in face-to-face and online Communities of Practice (CoP) for people with a stoma. A comprehensive narrative review was carried out with an open timeline, with a sample of 18 international articles. The interpretation culminated in the conceptual pillars of the healthcare CoP, starting from identities and trajectories towards central participation, legitimate peripherality and reification; educational transfer in face-to-face and online settings with artifacts; examples and dilemmas of implementing collaborative designs or arrangements for different types of illness and the urgency of an interprofessional evaluation of the trajectory; finally, knowing about the existence of ethical communities, subsidies were proposed for communities of practice targeted at people with a stoma in the Brazilian National Health System, aiming at social-care participation and rehabilitation.(AU)

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.

Nursing workload: use of artificial intelligence to develop a classifier model / Carga de trabajo de enfermería: uso de inteligencia artificial para el desarrollo de modelo clasificador / Carga de trabalho de enfermagem: uso de inteligência artificial para o desenvolvimento de modelo classificador

Objective: to describe the development of a predictive nursing workload classifier model, using artificial intelligence. Method: retrospective observational study, using secondary sources of electronic patient records, using machine learning. The convenience sample consisted of 43,871 assessments carried out by clinical nurses using the Perroca Patient Classification System, which served as the gold standard, and clinical data from the electronic medical records of 11,774 patients, which constituted the variables. In order to organize the data and carry out the analysis, the Dataiku® data science platform was used. Data analysis occurred in an exploratory, descriptive and predictive manner. The study was approved by the Ethics and Research Committee of the institution where the study was carried out. Results: the use of artificial intelligence enabled the development of the nursing workload assessment classifier model, identifying the variables that most contributed to its prediction. The algorithm correctly classified 72% of the variables and the area under the Receiver Operating Characteristic curve was 82%. Conclusion: a predictive model was developed, demonstrating that it is possible to train algorithms with data from the patient's electronic medical record to predict the nursing workload and that artificial intelligence tools can be effective in automating this activity.

Objetivo: describir el desarrollo de un modelo clasificador predictivo de la carga de trabajo de enfermería, utilizando inteligencia artificial. Método: estudio observacional retrospectivo, en fuentes secundarias de registros electrónicos de pacientes, con uso de aprendizaje automático. La muestra por conveniencia se constituyó de 43.871 evaluaciones realizadas por enfermeras asistenciales con el Sistema de Clasificación de Pacientes de Perroca, que sirvieron como patrón oro, y datos clínicos del expediente electrónico de 11.774 pacientes, que constituyeron las variables. Para la organización de los datos y la realización de los análisis se utilizó la plataforma de ciencia de datos Dataiku ® . El análisis de los datos ocurrió de forma exploratoria, descriptiva y predictiva. Estudio aprobado por el Comité de Ética e Investigación de la institución campo del estudio. Resultados: el uso de inteligencia artificial posibilitó el desarrollo del modelo clasificador de evaluación de la carga de trabajo de enfermería, identificando las variables que más contribuyeron para su predicción. El algoritmo clasificó correctamente el 72% de las variables y el área bajo la curva Receiver Operating Characteristic fue del 82%. Conclusión: hubo el desarrollo de un modelo predictivo, demostrando que es posible entrenar algoritmos con datos del expediente electrónico del paciente para predecir la carga de trabajo de enfermería y que las herramientas de inteligencia artificial pueden ser efectivas para la automatización de esta actividad.

Objetivo: descrever o desenvolvimento de um modelo classificador preditivo da carga de trabalho de enfermagem, utilizando inteligência artificial. Método: estudo observacional retrospectivo, em fontes secundárias de registros eletrônicos de pacientes, com uso de aprendizado de máquina. A amostra por conveniência constituiu-se de 43.871 avaliações realizadas por enfermeiras assistenciais com o Sistema de Classificação de Pacientes de Perroca, as quais serviram como padrão ouro, e os dados clínicos do prontuário eletrônico de 11.774 pacientes, que constituíram as variáveis. Para a organização dos dados e a realização das análises, utilizou-se a plataforma de ciência de dados Dataiku ® . A análise dos dados ocorreu de forma exploratória, descritiva e preditiva. Estudo aprovado pelo Comitê de Ética e Pesquisa da instituição campo do estudo. Resultados: o uso de inteligência artificial possibilitou o desenvolvimento do modelo classificador de avaliação da carga de trabalho de enfermagem, identificando as variáveis que mais contribuíram para a sua predição. O algoritmo classificou corretamente 72% das variáveis e a área sob a curva Receiver Operating Characteristic foi de 82%. Conclusão: houve o desenvolvimento de um modelo preditivo, demonstrando que é possível treinar algoritmos com dados do prontuário eletrônico do paciente para predizer a carga de trabalho de enfermagem e que as ferramentas da inteligência artificial podem ser efetivas para a automatização desta atividade.

Esquema para mejorar el aprendizaje sobre el Análisis de la Situación de Salud / Scheme to improve learning about Health Situation Analysis / Scheme to improve learning about Health Situation Analysis / Esquema para melhorar o aprendizado sobre Análise da Situação de Saúde

Introducción: El análisis de la situación de salud es una investigación primordial que se realiza en el sistema de salud cubano, en el que se estudia la salud, los elementos que la determinan y las formas de mejorarla. Objetivo: Evaluar la propuesta de diseño de un esquema que contribuya a la mejora del aprendizaje del análisis de la situación de salud de la comunidad para los residentes de la especialidad Medicina General Integral, pertenecientes a la Universidad de Ciencias Médicas de Guantánamo. Método: Se realizó una investigación pedagógica de tipo descriptiva en la antes mencionada institución durante el período marzo-julio de 2022. De un universo de 67 profesores que aceptaron participar, se seleccionaron 26 por muestreo intencional. Para obtener los datos primarios fueron aplicados tres cuestionarios tipo Likert para evaluar el esquema, en consideración con la estructura, la funcionalidad y el aporte en el aprendizaje. Dichos cuestionarios incluyeron las respuestas: Totalmente en desacuerdo, En desacuerdo, Ni de acuerdo ni en desacuerdo, De acuerdo y Totalmente de acuerdo. Los datos se resumieron en números absolutos y porcentajes. Se presentaron en tablas de distribución de frecuencias. Resultados: Los subtotales de respuestas Totalmente de acuerdo y De acuerdo sobre la evaluación estructural y funcional, así como la influencia que se espera de este para mejorar el aprendizaje del análisis de situación de salud, se consideraron adecuados al superar el estándar. Conclusiones: El esquema propuesto es evaluado como adecuado en estructura y funcionalidad. Se considera positiva la influencia que se espera de este para mejorar el aprendizaje del análisis de situación de salud de la comunidad.(AU)

Introduction: The analysis of the health situation is a fundamental investigation carried out in the Cuban health system, in which health is studied, the elements that determine it and the ways to improve it. Objective: To evaluate the design proposal of a scheme that contributes to the improvement of learning of the analysis of the health situation of the community for the residents of the Comprehensive General Medicine specialty, belonging to the Universidad de Ciencias Médicas de Guantánamo. Method: A descriptive pedagogical research was carried out in the aforementioned institution during the period March-July 2022. From a universe of 67 teachers who agreed to participate, 26 were selected by intentional sampling. To obtain primary data, three Likert-type questionnaires were applied to evaluate the scheme, taking into consideration the structure, functionality and contribution to learning. These questionnaires included the responses: Totally disagree, Disagree, Neither agree nor disagree, Agree and Totally agree. Data were summarized in absolute numbers and percentages. They were presented in frequency distribution tables. Results: The subtotals of Completely Agree and Agree responses on the structural and functional evaluation, as well as the expected influence of this to improve the learning of health situation analysis, were considered adequate when exceeding the standard. Conclusions: The proposed scheme is evaluated as adequate in structure and functionality. The influence expected from this to improve learning about the analysis of the community's health situation is considered positive.(AU)

Introdução: A análise da situação sanitária é uma investigação fundamental realizada no sistema de saúde cubano, no qual se estuda a saúde, os elementos que a determinam e as formas de melhorá-la. Objetivo: Avaliar a proposta de desenho de um esquema que contribua para a melhoria da aprendizagem da análise da situação de saúde da comunidade para os residentes da especialidade Medicina Geral Integral, pertencente à Universidad de Ciencias Médicas de Guantánamo. Método: Foi realizada uma pesquisa pedagógica descritiva na referida instituição durante o período de março a julho de 2022. De um universo de 67 professores que aceitaram participar, 26 foram selecionados por amostragem intencional. Para obtenção dos dados primários, foram aplicados três questionários do tipo Likert para avaliação do esquema, levando em consideração a estrutura, funcionalidade e contribuição para a aprendizagem. Esses questionários incluíram as respostas: Discordo totalmente, Discordo, Nem concordo nem discordo, Concordo e Concordo totalmente. Os dados foram resumidos em números absolutos e porcentagens. Eles foram apresentados em tabelas de distribuição de frequência. Resultados: Os subtotais das respostas Concordo Totalmente e Concordo na avaliação estrutural e funcional, bem como a influência esperada desta para melhorar a aprendizagem da análise da situação de saúde, foram considerados adequados quando excedem o padrão. Conclusões: O esquema proposto é avaliado como adequado em estrutura e funcionalidade.A influência que se espera disto para melhorar a aprendizagem sobre a análise da situação de saúde da comunidade é considerada positiva.(AU)

The new era of artificial intelligence in neuroradiology: current research and promising tools / A nova era da inteligência artificial em neurorradiologia: pesquisa atual e ferramentas promissoras

Abstract Radiology has a number of characteristics that make it an especially suitable medical discipline for early artificial intelligence (AI) adoption. These include having a well-established digital workflow, standardized protocols for image storage, and numerous well-defined interpretive activities. The more than 200 commercial radiologic AI-based products recently approved by the Food and Drug Administration (FDA) to assist radiologists in a number of narrow image-analysis tasks such as image enhancement, workflow triage, and quantification, corroborate this observation. However, in order to leverage AI to boost efficacy and efficiency, and to overcome substantial obstacles to widespread successful clinical use of these products, radiologists should become familiarized with the emerging applications in their particular areas of expertise. In light of this, in this article we survey the existing literature on the application of AI-based techniques in neuroradiology, focusing on conditions such as vascular diseases, epilepsy, and demyelinating and neurodegenerative conditions. We also introduce some of the algorithms behind the applications, briefly discuss a few of the challenges of generalization in the use of AI models in neuroradiology, and skate over the most relevant commercially available solutions adopted in clinical practice. If well designed, AI algorithms have the potential to radically improve radiology, strengthening image analysis, enhancing the value of quantitative imaging techniques, and mitigating diagnostic errors.

Resumo A radiologia tem uma série de características que a torna uma disciplina médica especialmente adequada à adoção precoce da inteligência artificial (IA), incluindo um fluxo de trabalho digital bem estabelecido, protocolos padronizados para armazenamento de imagens e inúmeras atividades interpretativas bem definidas. Tal adequação é corroborada pelos mais de 200 produtos radiológicos comerciais baseados em IA recentemente aprovados pelo Food and Drug Administration (FDA) para auxiliar os radiologistas em uma série de tarefas restritas de análise de imagens, como quantificação, triagem de fluxo de trabalho e aprimoramento da qualidade das imagens. Entretanto, para o aumento da eficácia e eficiência da IA, além de uma utilização clínica bem-sucedida dos produtos que utilizam essa tecnologia, os radiologistas devem estar atualizados com as aplicações em suas áreas específicas de atuação. Assim, neste artigo, pesquisamos na literatura existente aplicações baseadas em IA em neurorradiologia, mais especificamente em condições como doenças vasculares, epilepsia, condições desmielinizantes e neurodegenerativas. Também abordamos os principais algoritmos por trás de tais aplicações, discutimos alguns dos desafios na generalização no uso desses modelos e introduzimos as soluções comercialmente disponíveis mais relevantes adotadas na prática clínica. Se cautelosamente desenvolvidos, os algoritmos de IA têm o potencial de melhorar radicalmente a radiologia, aperfeiçoando a análise de imagens, aumentando o valor das técnicas de imagem quantitativas e mitigando erros de diagnóstico.

Natural language processing in the classification of radiology reports in benign gallbladder diseases / O processamento de língua natural permite a classificação correta de laudos radiológicos em doenças benignas da vesícula biliar

Abstract Objective: To develop a natural language processing application capable of automatically identifying benign gallbladder diseases that require surgery, from radiology reports. Materials and Methods: We developed a text classifier to classify reports as describing benign diseases of the gallbladder that do or do not require surgery. We randomly selected 1,200 reports describing the gallbladder from our database, including different modalities. Four radiologists classified the reports as describing benign disease that should or should not be treated surgically. Two deep learning architectures were trained for classification: a convolutional neural network (CNN) and a bidirectional long short-term memory (BiLSTM) network. In order to represent words in vector form, the models included a Word2Vec representation, with dimensions of 300 or 1,000. The models were trained and evaluated by dividing the dataset into training, validation, and subsets (80/10/10). Results: The CNN and BiLSTM performed well in both dimensional spaces. For the 300- and 1,000-dimensional spaces, respectively, the F1-scores were 0.95945 and 0.95302 for the CNN model, compared with 0.96732 and 0.96732 for the BiLSTM model. Conclusion: Our models achieved high performance, regardless of the architecture and dimensional space employed.

Resumo Objetivo: Desenvolver uma aplicação de processamento de linguagem natural capaz de identificar automaticamente doenças cirúrgicas benignas da vesícula biliar a partir de laudos radiológicos. Materiais e Métodos: Desenvolvemos um classificador de texto para classificar laudos como contendo ou não doenças cirúrgicas benignas da vesícula biliar. Selecionamos aleatoriamente 1.200 laudos com descrição da vesícula biliar de nosso banco de dados, incluindo diferentes modalidades. Quatro radiologistas classificaram os laudos como doença benigna cirúrgica ou não. Duas arquiteturas de aprendizagem profunda foram treinadas para a classificação: a rede neural convolucional (convolutional neural network - CNN) e a memória longa de curto prazo bidirecional (bidirectional long short-term memory - BiLSTM). Para representar palavras de forma vetorial, os modelos incluíram uma representação Word2Vec, com dimensões variando de 300 a 1000. Os modelos foram treinados e avaliados por meio da divisão do conjunto de dados entre treinamento, validação e teste (80/10/10). Resultados: CNN e BiLSTM tiveram bom desempenho em ambos os espaços dimensionais. Relatamos para 300 e 1000 dimensões, respectivamente, as pontuações F1 de 0,95945 e 0,95302 para o modelo CNN e de 0,96732 e 0,96732 para a BiLSTM. Conclusão: Nossos modelos alcançaram alto desempenho, independentemente de diferentes arquiteturas e espaços dimensionais.

Repertório lexical de crianças de 24 e 30 meses falantes do português brasileiro: resultados preliminares / Lexical repertoire of 24 and 30-month-old children speaking Brazilian portuguese: preliminary results

RESUMO Objetivo Verificar o repertório lexical de crianças falantes do português brasileiro aos 24 e 30 meses e a associação entre a quantidade de palavras faladas e as variáveis: nível socioeconômico, escolaridade dos pais, presença de irmãos no convívio familiar, frequentar ou não escola e uso exacerbado de tablets e celulares pelas crianças. Método 30 pais de crianças com 24 meses, residentes no estado de São Paulo participaram do estudo. Por meio de plataformas de videoconferência eles foram submetidos à anamnese fonoaudiológica, entrevista com o serviço social e preencheram o "Inventário MacArthur de Desenvolvimento Comunicativo - Primeiras Palavras e Gestos", quando seus filhos tinham 24 e 30 meses. Foi aplicada estatística indutiva inferencial, quantitativa e qualitativa. Resultados A mediana das palavras emitidas foi de 283 aos 24 meses e 401 aos 30 meses, indicando aumento em torno de 118 palavras após seis meses. A criança estar frequentando ambiente escolar apresentou relação significativa com o aumento do vocabulário. Conclusão O estudo reforça o crescimento do vocabulário conforme o avanço da idade e corrobora o fato de as crianças com 24 meses já possuírem um repertório maior que 50 palavras. Aqueles que frequentam escola diariamente produzem pelo menos 70 palavras a mais dos que não frequentam.

ABSTRACT Purpose To check the lexical repertoire of Brazilian Portuguese-speaking children at 24 and 30 months of age and the association between the number of words spoken and the following variables: socioeconomic status, parents' education, presence of siblings in the family, whether or not they attend school, and excessive use of tablets and cell phones. Methods 30 parents of children aged 24 months living in the state of São Paulo participated in the study. Using videoconferencing platforms, they underwent a speech-language pathology anamnesis, an interview with social services, and then they completed the "MacArthur Communicative Development Inventory - First Words and Gestures" as soon as their children were 24 and 30 months old. Quantitative and qualitative inferential inductive statistics were applied. Results the median number of words produced was 283 at 24 months and 401 at 30 months, indicating an increase of around 118 words after six months. The child attending a school environment had a significant relationship with increased vocabulary. Conclusion The study reinforces the fact that vocabulary grows with age and corroborates the fact that children aged 24 months already have a repertoire greater than 50 words. Those who attend school every day produce at least 70 more words than those who do not.

Adaptação dos acadêmicos de Medicina em currículo PBL e tradicional ao ensino remoto na pandemia / How medical students using either PBL or a traditional curriculum adapted to online learning during the pandemic

RESUMO Introdução: Em 2020, o mundo foi afetado pelo novo coronavírus, e isso gerou mudanças históricas em diversos setores, incluindo o da educação, que teve que se adaptar rapidamente ao formato online. Objetivo: Este estudo teve como objetivo comparar se houve uma melhor adaptação ao ensino remoto durante a pandemia de Covid-19 dos acadêmicos de Medicina que estudam em currículos PBL quando comparada a de alunos com currículos em modelo disciplinar expositivo. Método: Trata-se de um estudo transversal. Foram incluídos na pesquisa os estudantes matriculados do segundo ao quarto ano do curso de Medicina que tenham preenchido o questionário completamente e cursado pelo menos um semestre de ensino remoto durante o ano de 2020. Resultado: Houve uma diferença significativa entre as metodologias, com maior adaptação dos estudantes que utilizaram o modelo PBL em comparação aos que cursaram no modelo disciplinar expositivo durante a pandemia de Covid-19. Conclusão: Na amostra estudada, o método PBL mostrou-se superior ao método disciplinar, nos quesitos avaliados, na adaptação de estudantes de Medicina ao ensino remoto.

ABSTRACT Introduction: In 2020, the new coronavirus pandemic affected the whole world, causing historic changes in several sectors, including education, in which students were forced to quickly adapt to online learning. Objective: This study aimed to compare medical students' adaptation to remote learning during the COVID-19 pandemic depending on whether they were following a PBL curriculum or a curriculum based on an expository disciplinary model. Method: This was a cross-sectional study. The sample was composed of students enrolled in the 2nd to 4th year of the Medicine course who had fully completed the questionnaire and attended at least one semester of remote learning during 2020. Result: A significant difference was found between the students' adaptation to remote learning during the Covid-19 pandemic according to their study methodology; students using the PBL model showed better adaptation than those following an expository learning model. Conclusion: The study corroborated the results in the existing literature on the subject, which defends PBL as a better alternative for online learning.

Prediction of tuberculosis clusters in the riverine municipalities of the Brazilian Amazon with machine learning / Predição de áreas de aglomeração de tuberculose nos municípios ribeirinhos da Amazônia brasileira com aprendizagem de máquina

ABSTRACT Objective: Tuberculosis (TB) is the second most deadly infectious disease globally, posing a significant burden in Brazil and its Amazonian region. This study focused on the "riverine municipalities" and hypothesizes the presence of TB clusters in the area. We also aimed to train a machine learning model to differentiate municipalities classified as hot spots vs. non-hot spots using disease surveillance variables as predictors. Methods: Data regarding the incidence of TB from 2019 to 2022 in the riverine town was collected from the Brazilian Health Ministry Informatics Department. Moran's I was used to assess global spatial autocorrelation, while the Getis-Ord GI* method was employed to detect high and low-incidence clusters. A Random Forest machine-learning model was trained using surveillance variables related to TB cases to predict hot spots among non-hot spot municipalities. Results: Our analysis revealed distinct geographical clusters with high and low TB incidence following a west-to-east distribution pattern. The Random Forest Classification model utilizes six surveillance variables to predict hot vs. non-hot spots. The machine learning model achieved an Area Under the Receiver Operator Curve (AUC-ROC) of 0.81. Conclusion: Municipalities with higher percentages of recurrent cases, deaths due to TB, antibiotic regimen changes, percentage of new cases, and cases with smoking history were the best predictors of hot spots. This prediction method can be leveraged to identify the municipalities at the highest risk of being hot spots for the disease, aiding policymakers with an evidenced-based tool to direct resource allocation for disease control in the riverine municipalities.

RESUMO Objetivo: A tuberculose (TB) é a segunda doença infecciosa que mais mata no mundo, representando um problema de saúde pública no Brasil, especialmente na região amazônica. Este estudo analisa a TB nos municípios ribeirinhos" com o objetivo de identificar aglomerados de alta incidência, também conhecidos como "hot spots". Posteriormente, utilizando aprendizagem de máquina, visamos prever estes aglomerados por meio de variáveis de vigilância epidemiológica. Assim buscamos auxiliar o ente público no combate à TB nesta região. Métodos: Dados da incidência de TB nos "municípios ribeirinhos" foram coletados entre os anos de 2019 e 2022 do Departamento de Informática do Ministério da Saúde. O índice de Moran foi utilizado para a determinação de autocorrelação espacial global, enquanto o método Getis-Ord GI* foi empregado para a autocorrelação espacial local. Variáveis referentes ao diagnóstico, tratamento e características socioeconômicas associadas aos casos foram utilizadas para a predição de aglomerados de alta incidência por meio de um modelo Random Forest. Resultados: Foram identificados aglomerados com alta incidência de TB a oeste e baixa incidência a leste. O total de seis variáveis de vigilância epidemiológica foi identificado como relevante para a predição. Nosso modelo Random Forest alcança uma área sob a curva da característica operacional do receptor (AUC-ROC) de 0,81. Conclusão: Municípios com altas porcentagens de casos recorrentes, mortes por TB, mudança do esquema de tratamento, casos novos e casos com história de tabagismo estão associados a aglomerados de alta incidência. Esperamos que este método de identificação de possíveis aglomerados de TB seja útil para o ente público no combate à doença na região.

Development of the educational technology called "cola na profe!" for classroom use / Desarrollo de la tecnología educativa llamada "cola na profe!" para ser usa en salones de clase / Desenvolvimento da tecnologia educacional "cola na profe!" para uso em sala de aula

ABSTRACT Objective: to develop a teaching resource for use in the classroom, involving smartphones and focused on Nursing students. Method: this is an applied technological production research aimed at teachers and students of undergraduate and postgraduate Nursing courses. The study was structured based on the health product and service design model, which includes briefing, data collection, problem analysis, concept, generation of alternatives, selection of the best alternative, solution refinement, prototype, tests, modifications, and implementation. The project was developed in the second semester of 2022 by four doctoral students, a master's student and two PhDs in Nursing, during the discipline of Technologies and Management in Education and Work in Health and Nursing of the Graduate Program in Nursing at the Federal University of Santa Catarina. Results: an educational technology was developed to assists in learning and interactions in the classroom. "Cola na Profe!" was created as a didactic and technological strategy. The objective was to integrate students and encourage their participation and attention in classes through the use of smartphones in the virtual learning environment. Conclusion: the use of the teaching resource "Cola na Profe!" contributes to the teaching-learning process, linking the virtual world to the classroom and contributing to the interaction of those involved, which makes students protagonists of their own learning.

RESUMEN Objetivo: desarrollar un recurso didáctico para ser usado en salones de clase, con utilización de smartphones y centrado en estudiantes de Enfermería. Método: investigación aplicada de producción tecnológica dirigida a docentes y estudiantes de la carrera de grado y cursos de postgrado en Enfermería. El estudio se estructuró a partir del modelo de diseño de productos y servicios de salud, que contempla lo siguiente: briefing, sondeo de datos, análisis del problema, concepto, generación de opciones, selección de la mejor opción, refinamiento de la solución, prototipo, pruebas, modificaciones e implementación. El proyecto fue desarrollado en el segundo semestre de 2022 por cuatro estudiantes de Doctorado, un estudiante de Maestría y dos Doctoras en Enfermería, durante la disciplina académica de Tecnologías y Gestión en Educación y Trabajo en Salud y Enfermería de un programa de postgrado en Enfermería de la Universidad Federal de Santa Catarina. Resultados: se desarrolló una tecnología educativa que asiste en el aprendizaje y en las interacciones en salones de clase. "Cola na Profe!" se creó como una estrategia didáctica y tecnológica. El objetivo es integrar a los alumnos y estimular su participación y atención en la clase recurriendo al uso de smartphones en el ambiente virtual de aprendizaje. Conclusión: utilizar el recurso didáctico "Cola na Profe!" contribuye al proceso de enseñanza-aprendizaje, vinculando el mundo virtual con el salón de clase y facilitando la interacción de todas las personas involucradas, lo que convierte a los alumnos en los protagonistas de su propio proceso de aprendizaje.

RESUMO Objetivo: desenvolver um recurso didático para uso em sala de aula, envolvendo smartphones e centrado nos estudantes de enfermagem. Método: trata-se de uma pesquisa aplicada de produção tecnológica voltada aos docentes e discentes do curso de graduação e pós-graduação em Enfermagem. Estruturou-se o estudo a partir do modelo de projeto de produtos e serviços em saúde, que contempla: briefing, levantamento de dados, análise do problema, conceito, geração de alternativas, seleção da melhor alternativa, refino da solução, protótipo, testes, modificações e implementação. O projeto foi desenvolvido no segundo semestre de 2022, por quatro doutorandas, uma mestranda e duas doutoras em Enfermagem, durante a disciplina de Tecnologias e Gestão na Educação e Trabalho em Saúde e Enfermagem de um programa de pós-graduação em Enfermagem da Universidade Federal de Santa Catarina. Resultados: desenvolveu-se uma tecnologia educacional que auxilia na aprendizagem e na interação em sala de aula. O "Cola na Profe!" foi criado como uma estratégia didática e tecnológica. O objetivo é integrar os alunos e estimular a participação e atenção deles em sala, por meio do uso do smartphone no ambiente virtual de aprendizagem. Conclusão: o uso do recurso didático "Cola na Profe!" contribui com o processo de ensino-aprendizagem, vinculando o mundo virtual à sala de aula e contribuindo para a interação dos envolvidos, o que torna o estudante, protagonista do seu aprendizado.

Aprendizagem baseada em casos clínicos no ensino de genética para medicina / Learning based on clinical cases in the teaching of genetics for medicine

Resumo Introdução: A necessidade premente de formar médicos autônomos e proativos implica novas abordagens didáticas e formas de mediar o conteúdo. Nesse contexto, a utilização de métodos ativos de ensino e aprendizagem pode incrementar o perfil do novo profissional. A Aprendizagem Baseada em Casos (ABC) é uma estratégia fundamentada na capacidade de o estudante relacionar teoria e prática com autonomia e tomada de decisão. A disciplina de genética aborda conteúdos que podem parecer distantes do cotidiano e da prática profissional futura, e, por isso, a necessidade de utilizar estratégias de ensino que facilitem a compreensão da aplicação desse conhecimento na prática médica. Objetivo: O presente trabalho teve por objetivo avaliar a ABC como abordagem pedagógica no processo de ensino-aprendizagem de genética para o curso de Medicina de uma instituição pública. Método: Aplicou-se um protocolo de método ativo composto por nove casos clínicos a 46 estudantes de Medicina da Universidade de Brasília que, posteriormente, foram divididos em nove grupos. Por meio de questionários, avaliaram-se o desempenho e as percepções em relação ao método. Os resultados quantitativos foram analisados por meio do teste t de Student. Resultado: O rendimento do trabalho em grupo foi estatisticamente maior em oito dos nove casos em comparação ao trabalho individual. A atividade foi considerada boa ou muito boa por 76% dos estudantes, e 90% mencionaram que houve aumento da motivação. Além disso, 71,4% destes demonstraram interesse em estudar mais sobre o assunto após a aula, 20% se consideraram capazes de ensinar o assunto a outras pessoas, e 42% avaliaram que acertariam todas ou a maioria das questões caso fossem submetidos a uma nova avaliação. Com relação ao trabalho em equipe, 38% relataram se sentir mais motivados. Por fim, 86% consideraram relevante ou muito relevante a discussão de casos clínicos para a formação profissional. Conclusão: Os resultados demostraram sucesso no uso do método ABC na abordagem de genética, porém apontaram que há dificuldades na utilização de métodos de ensino alternativos à aula expositiva. Apesar disso, fica explícito que a estratégia adotada pode levar à mobilização de conhecimentos prévios em situações da prática profissional.

Abstract Introduction: The pressing need to train autonomous and proactive professionals demands new ways of mediating content. In this context, the use of active teaching and learning methods can improve the profile of the new professional. Case-Based Learning (CBL) is a strategy based on the student's ability to relate theory and practice, with autonomy and decision-making. The discipline of Genetics addresses contents that may seem distant from everyday life and future professional practice, so it is necessary to use teaching strategies that facilitate the understanding of the application of this knowledge in medical practice. Objective: This study aimed to evaluate the CBL as a pedagogical approach in the teaching-learning process of Genetics for Medicine courses in a public institution. Methods: An active methodology protocol that consisted of nine clinical cases was applied to 46 medical students from Universidade de Brasília, who were later divided into nine groups. The performance and perceptions regarding the methodology were evaluated by questionnaires. Quantitative results were analyzed using Student's t test. Results: The performance of group work was statistically higher in 8 of 9 cases compared to individual work. Most students considered the activity good or very good (76%), but approximately half reported no increase in motivation. Moreover, 71.4% felt motivated to learn more about the subject after class and 20% considered they were able to teach the subject to others and 42% assessed they would get all or most of the questions correct if they were submitted to a new assessment. Regarding teamwork, 38% reported feeling more motivated. Finally, 86% considered the discussion of clinical cases relevant or very relevant for professional training. Final considerations: The results show, in general, success in the use of CBL on the study of genetic diseases but point out that there are difficulties in the use of alternative teaching methods to the lecture. Despite this, it is clear that learning based on clinical cases can lead to the mobilization of previous knowledge in situations of professional practice.

Metodologias ativas de ensino-aprendizagem em genética humana: percepção de discentes dos cursos de saúde / Active teaching-learning methodologies in human genetics: the view of health students

RESUMO Introdução: No processo de ensino, as estratégias de ensino, como as metodologias ativas, desempenham um papel fundamental na promoção da construção do conhecimento dos alunos, especialmente em disciplinas com temáticas e conteúdos científicos de difícil assimilação. Objetivo: Este estudo teve como objetivo avaliar a percepção dos alunos sobre as metodologias ativas usadas na disciplina de Genética Humana nos cursos de saúde de uma universidade pública do Amazonas. Método: Neste estudo, alunos de Enfermagem, Medicina e Odontologia responderam a um questionário com alternativas de respostas em escalas Likert sobre seis metodologias ativas na sala de aula: construção de modelo didático, gamificação, aprendizagem baseada em equipe, sala de aula invertida, estudo de casos clínicos e aprendizagem baseada em vídeo. Avaliou-se a confiabilidade das respostas, e testes qui-quadrado, Mann-Whitney e Kruskal-Wallis foram usados para análises de associação com nível de confiança de 95%. Resultado: Os participantes, em sua maioria mulheres, tinham uma média de idade de 20,4 ± 3,5 anos. Os alunos de Medicina foram os mais representativos em quatro das seis metodologias ativas usadas. Observou-se uma associação significativa entre o sexo feminino e a preferência pela metodologia de construção de modelo didático, enquanto o sexo masculino tendeu a avaliar mais positivamente a aprendizagem baseada em vídeo. Além disso, a análise individual revelou que a aprendizagem baseada em vídeo foi mais associada ao curso de Odontologia em comparação com Enfermagem, enquanto o estudo de casos clínicos foi mais favorecido pelos alunos de Medicina em comparação com Enfermagem. Isso sugere uma preferência dos estudantes de Odontologia e Medicina por essas metodologias, respectivamente. Quanto ao entendimento do conceito de metodologias ativas, a palavra "aluno" foi a mais frequentemente mencionada. Conclusão: Os alunos reconhecem o envolvimento direto das metodologias ativas, mas têm compreensão parcial dos benefícios. Metodologias ativas em genética humana motivaram e despertaram interesse. Docentes devem considerar a diversidade de competências e preferências dos alunos ao usarem tais metodologias, bem como compartilhar suas experiências e buscar uma educação permanente.

ABSTRACT Introduction: In the education process, learning strategies such as active methodologies play a fundamental role in promoting the construction of students' knowledge, especially in subjects with challenging scientific themes and content. Objective: To evaluate how students perceive active methodologies used in the discipline of human genetics in health courses at a public university in the state of Amazonas. Method: In this study, nursing, medicine, and dentistry students responded to a questionnaire with Likert scale response options relating to six active methodologies in the classroom: construction of didactic models, gamification, team-based learning, flipped classroom, clinical case studies, and video-based learning. The reliability of the responses was assessed, and Chi-square, Mann-Whitney, and Kruskal-Wallis tests were used for association analyses with a confidence level of 95%. Results: The participants, mostly women, had an average age of 20.4±3.5 years. Medicine students were the most representative in four of the six active methodologies used. A significant association was observed between female gender and preference for the didactic model construction methodology, while the male gender tended to evaluate video-based learning more positively. Additionally, individual analysis revealed that video-based learning was more associated with the dentistry course compared to nursing, while clinical case studies were more favoured by medicine students compared to nursing. This suggests a preference of dentistry and medicine students for these methodologies, respectively. As for understanding the concept of active methodologies, the word "student" was the most frequently mentioned. Conclusion: Students acknowledge the direct involvement of active methodologies but have a partial understanding of the benefits. Active methodologies in human genetics have motivated and sparked interest. Educators should consider the diversity of students' skills and preferences when using such methodologies, as well as share their experiences and pursue ongoing education.

Ensino experiencial na farmácia universitária: um estudo de perspectiva etnográfica na educação / Experiential learning in a university pharmacy: a study adopting the ethnographic approach to education / Enseñanza experiencial en la farmacia universitaria: un estudio de perspectiva etnográfica en la educación

O objetivo deste estudo foi refletir sobre o desafio da formação de identidade profissional do farmacêutico clínico em um contexto de currículo não integrado e em um ambiente tradicional e especializado. Desenvolveu-se uma pesquisa qualitativa orientada pelos pressupostos da perspectiva etnográfica na educação, empregando-se múltiplos métodos de coleta de dados entre abril e julho de 2019. O cenário de ensino experiencial foi uma Farmácia Universitária da região Sul do Brasil. Por meio de uma descrição densa e com uso da reflexividade teórica e intertextual, é apresentada uma narrativa utilizando a voz dos participantes como âncora para dar visibilidade ao processo vivenciado. A ausência de um padrão para o cuidado na profissão farmacêutica, o currículo tradicional e a desarticulação entre teoria e prática constituem desafios para os estudantes de Farmácia legitimarem a prática profissional farmacêutica centrada no usuário.(AU)

The aim of this study was to reflect on the challenge of forming the professional identity of clinical pharmacists in the context of non-integrated curriculums and a traditional specialized environment. We conducted a qualitative study between April and July 2019 guided by the ethnographic approach to education, employing multiple data collection methods. The experiential learning setting was a university pharmacy in the south of Brazil. By means of a thick description and through the use of theoretical and intertextual reflexivity, we present a narrative using the voice of the participants as an anchor to provided visibility to the experienced process. The absence of a standard for the care process in the pharmacy profession, the traditional curriculum, and the lack of connection between theory and practice are challenges facing pharmacy students in legitimizing patient-centered professional practice.(AU)

El objetivo de este estudio fue reflexionar sobre el desafío de la formación de la identidad profesional del farmacéutico clínico en un contexto de currículum no integrado y en un ambiente tradicional y especializado. Se desarrolló una investigación cualitativa orientada por las presuposiciones de la perspectiva etnográfica en la educación, utilizándose múltiples métodos de colecta de datos entre abril y julio de 2019. El escenario de la enseñanza experiencial fue una Farmacia Universitaria de la región sur de Brasil. Por medio de una descripción densa y con el uso de la reflexividad teórica e intertextual se presenta una narrativa que utiliza la voz de los participantes como ancla para dar visibilidad al proceso vivido. La ausencia de un estándar para el proceso de cuidado en la profesión farmacéutica, el currículum tradicional y la desarticulación entre teoría y práctica se constituyen en desafíos para que los estudiantes de Farmacia legitimen la práctica profesional farmacéutica centrada en el usuario.(AU)