O objetivo deste estudo foi o de conhecer os impactos biopsicossociais durante o isolamento social decorrente da pandemia do COVID-19. A pesquisa trata-se de uma revisão integrativa de literatura, realizada em abril de 2020, nas bases de dados da Biblioteca Virtual em Saúde (BVS) que incluiu a Literatura Latino-Americana em Ciências de Saúde (Lilacs) e Medical Literature Analysis and Retrieval System Online (Medline); Publisher Medline (PubMed) e biblioteca virtual Scientific Electronic Library Online (SciELO) utilizando a seguinte estratégia de busca: “coronavirus” [AND] “isolamento social”, adotando o recorte temporal de 2015 a 2020. Foram analisados oito estudos. A análise dos materiais levou a classificação dos temas abordados em quatro grandes áreas: a) estudos com relatos do cenário atual do coronavírus; b) relacionados à leis e medidas organizacionais; c) avaliações de medidas em territórios específicos e; d) análise psicológica de grupos afetados pelo isolamento social decorrente da COVID-19. Como conclusão, observa-se que o isolamento social está relacionado a danos biopsicossociais e qualidade de vida, como por exemplo aumento da ansiedade, estresse, diminuição da qualidade do sono e, ainda, a sobrecarga de trabalho dos profissionais de linha de frente.
The main purpose of this research is to apply the regression control chart as tool of statistical control to monitor productive processes, where a state variable that is of interest can be expressed as function of a control variable. Several studies exist to control variables in productive processes, but most of time they are separately in relation to the control of each variable, and however not could be used for a comparative study. This research, therefore, it presents an efficient technique to control simultaneous by correlated variables. ResumoEsta pesquisa tem por objetivo empregar o gráfico de controle de regressão, como ferramenta de controle estatístico, para monitorar processos produtivos, onde uma variável de estado, que seja de interesse, possa ser expressa como função de uma variável de controle. Existem vários estudos sobre o controle de variáveis em processos produtivos, mas, na maioria das vezes, são em relação ao controle de cada variável, separadamente, não podendo ser utilizados para um estudo comparativo. Esta pesquisa, portanto, apresenta uma técnica eficiente no controle simultâneo de variáveis correlacionadas.
The purpose of this article is to evaluate the application of forecasting models along with the use of residual control charts to assess production processes whose samples have autocorrelation characteristics. The main objective is to determine the efficiency of control charts for individual observations (CCIO) and exponentially weighted moving average (EWMA) charts when they are applied to residuals of models of AR(1) or MA(1) to detect outlier in autocorrelated processes. Considering autocorrelation strength and sign in the data series and the outlier range, the series were simulated accomplishing 640,000 sets. The series were contaminated by anomalous observations at 100th position, an AR(1) or MA(1) model were fitted, and the residuals were evaluated by CCIO and EWMA control charts; the points correctly detected as an autocorrelation were recorded. For the parameters investigated (autocorrelation and outlier range), a detection rate was generated in each chart, and nonparametric comparison tests were applied. The result of the tests showed the superiority (p < 0.05) of the CCIO chart for both models. The study of the influence of the sign and magnitude of the autocorrelation parameter showed no significant (p > 0.05) for either AR(1) or MA(1) charts and models. In this context, control charts for individual observations (CCIO) were confirmed to effectively detect outliers through residuals in industrial autocorrelated processes originated in first-order AR and MA models.
Unanticipated events often occur in the development of an experiment, especially in field experiments, often causing data loss. Through the present study, we sought to verify whether there is a difference in the result of the analysis of variance (ANOVA) test for unbalanced data in the Completely Randomized Design (DIC) when the inclusion of data obtained from the data imputation technique was performed of Predictive Average. Experiments were simulated in the DIC with 5 treatments and 10 repetitions, generating complete databases. From each database, 10% of the plots were removed and after the imputation method was applied, comparing the ANOVA results in each step. The imputation yielded acceptable results, but not better than those obtained when performing the specific ANOVA test for unbalanced data.
II RESUMO Neste trabalho o objetivo foi realizar um estudo de queimadas acidentais em campo, foi para identificar
A educação é tema amplamente discutido, pois é um fator essencial para avaliar o desenvolvimento de um país. O governo federal, por meio de testes padronizados, busca medir de forma quantitativa a qualidade da educação no Brasil. Com base nisso, este trabalho teve por objetivo investigar como o Índice de Desenvolvimento da Educação Básica (IDEB) é visto e como seus resultados são utilizados pelos gestores em educação, com auxílio da técnica de análise de conteúdo. Para tal, utilizou-se a técnica de análise de conteúdo, a partir do levantamento bibliográfico realizado nas bases de dados Scopus e Web of Science, que resultou em 22 artigos relevantes ao tema. A partir desses artigos foram identificados três vertentes de discussões à cerca do IDEB: como o sistema de avaliação da qualidade da educação é visto; as práticas desenvolvidas pelos gestores para atingir as metas nos testes padronizados; o perfil das escolas com base nos resultados do IDEB. Foram realizadas as análises de similitude e nuvem de palavras, onde se pode identificar os pontos chaves em relação ao IDEB. Assim, pode-se concluir que o IDEB, embora não abranja todos os aspectos importantes que envolvem a educação, quando usado de forma correta, traz melhorias no processo de ensino-aprendizagem.
The objective of this research was to forecast the Brazilian national production of agricultural and road machinery in the short term by BOX & JENKINS methodology and determine the persistence effect. Data were obtained at National Association of Automotive Vehicle Manufacturers (ANFAVEA) from January 1960 to October 2019, totaling 718 monthly observations. The Autoregressive Integrated Moving Average (ARIMA) and Autoregressive Conditional Heteroscedasticity (ARCH) methodology were used. The ARIMA (2,1,1)-ARCH (2) model was fitted and persistence of 0.60 was determined, showing that the instability in the series will be for a long period of time.
Esse estudo teve como objetivo construir modelos de regressão para descrever a tendência temporal dos casos novos de AIDS na Região Norte do Brasil e seus estados. O método empregado consistiu na análise dos casos de AIDS coletados no portal do DATASUS, para descrever a tendência da doença considerando o recorte temporal de 1984 a 2017, os modelos foram submetidos à análise dos pressupostos para sua validação, a qualidade do ajuste foi feito com uso do coeficiente de determinação R² e a eficiência na capacidade de previsão foi determinada pelos critérios BIC e AIC. Entre os principais resultados destaca-se que, para a região Norte do Brasil, o modelo associado foi o logístico (p<0.01, R² = 0.9974) que projeta uma estabilidade futura de casos de AIDS em 5300 casos novos por ano. Observase a importância da modelagem estatística na contribuição dos estudos sobre a AIDS, sendo empregada para previsão de casos novos ou confirmar tendência de estabilidade, crescimento e decrescimento da doença na população, comparando cidades e estados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.