Regional networking between services that provide mental health care in Brazil’s decentralized public health system is challenging, partly due to the simultaneous existence of services managed by municipal and state authorities and a lack of efficient and transparent mechanisms for continuous and updated communication between them. Since 2011, the Ribeirao Preto Medical School and the XIII Regional Health Department of the Sao Paulo state, Brazil, have been developing and implementing a web-based information system to facilitate an integrated care throughout a public regional mental health care network. After a profound on-site analysis, the structure of the network was identified and a web-based information system for psychiatric admissions and discharges was developed and implemented using a socio-technical approach. An information technology team liaised with mental health professionals, health-service managers, municipal and state health secretariats and judicial authorities. Primary care, specialized community services, general emergency and psychiatric wards services, that comprise the regional mental healthcare network, were identified and the system flow was delineated. The web-based system overcame the fragmentation of the healthcare system and addressed service specific needs, enabling: detailed patient information sharing; active coordination of the processes of psychiatric admissions and discharges; real-time monitoring; the patients’ status reports; the evaluation of the performance of each service and the whole network. During a 2-year period of operation, it registered 137 services, 480 health care professionals and 4271 patients, with a mean number of 2835 accesses per month. To date the system is successfully operating and further expanding. We have successfully developed and implemented an acceptable, useful and transparent web-based information system for a regional mental healthcare service network in a medium-income country with a decentralized public health system. Systematic collaboration between an information technology team and a wide range of stakeholders is essential for the system development and implementation.

OBJETIVO Investigar desigualdades de gênero na produção científica de docentes da Universidade de São Paulo. MÉTODOS A população consiste em professores(as) da Universidade de São Paulo. O repositório Web of Science foi a fonte das métricas de publicação. Selecionamos as medidas: total de publicações e citações, média de citações por ano e por item, índice H e histórico de citações entre 1950 e 2019. Usamos o nome do(a) docente como um proxy para a identidade de gênero. Usamos estatísticas descritivas para caracterizar as métricas. Avaliamos o efeito tesoura selecionando os(as) professores(as) com índice H alto. A série histórica de citações foi projetada até 2100. Realizamos análises para a população geral e subgrupos de tempo de trabalho: menos de 10 anos, de 10 a 20 anos e 20 anos ou mais. RESULTADOS Dos 8.325 docentes, incluímos 3.067 (36,8%). Dentre os incluídos, 1.893 (61,7%) eram professores e 1.174 (38,28%) professoras. O gênero masculino apresentou valores mais altos nas métricas de publicação (média de artigos: M = 67,0 versus F = 49,7; média de citações/ano: M = 53,9 versus F = 35,9) e índice H (M = 14,5 versus F = 12,4). Entre os 100 indivíduos com maior índice H (≥ 37), 83% são do gênero masculino. Na série histórica de citações, a curva masculina cresce mais rápido, abrindo uma diferença entre os grupos com afastamento confirmado pela projeção. DISCUSSÃO A produção científica na Universidade de São Paulo está sujeita a um viés de gênero. Dois terços do corpo docente são do gênero masculino, e as contratações das últimas décadas perpetuam esse padrão. A grande maioria dos membros com alto impacto no corpo docente é do sexo masculino. CONCLUSÃO Nossas análises sugerem que a Universidade de São Paulo não superará a desigualdade de gênero na produção científica sem uma ação afirmativa substancial. O desenvolvimento não acontece por acaso, mas por meio de escolhas afirmativas, decisivas e de longo prazo.

O objetivo deste relato é apresentar, dentro da proposta do Programa Nacional de Reorientação da Formação Profissional em Saúde (Pró-Saúde), uma parte do projeto da Faculdade de Medicina de Ribeirão Preto (USP). Trata-se da estratégia de inserção das Tecnologias de Informação e Comunicação (TIC) no ensino de graduação extramuros da FMRP, que visa definir e implantar recursos tecnológicos de Aprendizado Eletrônico para apoiar atividades discentes e docentes, gestão da informação, educação continuada e segunda opinião formativa. A trajetória metodológica delineou tanto o processo de atendimento de parte das ações do eixo Cenário de Prática em Atenção Básica de saúde relativa ao processo de ampliação da rede de malha ótica, essencial para suporte às atividades de desenvolvimento do uso das TIC, quanto a abordagem qualitativa de um estudo exploratório sobre a utilização do Teleduc no primeiro ano do eixo de Atenção à Saúde da Comunidade (ASC) do curso de Medicina. Nesta investigação foram realizados dois grupos focais com aplicação de questionário estruturado a discentes e docentes.

: The state of the art for monitoring hypertension relies on measuring blood pressure (BP) using uncomfortable cuff-based devices. Hence, for increased adherence in monitoring, a better way of measuring BP is needed. That could be achieved through comfortable wearables that contain photoplethysmography (PPG) sensors. There have been several studies showing the possibility of statistically estimating systolic and diastolic BP (SBP/DBP) from PPG signals. However, they are either based on measurements of healthy subjects or on patients on intensive care units (ICUs). Thus, there is a lack of studies with patients out of the normal range of BP and with daily life monitoring out of the ICUs. To address this, we created a dataset (HYPE) composed of data from hypertensive subjects that executed a stress test and had 24-hours monitoring. We then trained and compared machine learning (ML) models to predict BP. We evaluated handcrafted feature extraction approaches vs image representation ones and compared different ML algorithms for both. Moreover, in order to evaluate the models in a different scenario, we used an openly available set from a stress test with healthy subjects (EVAL). The best results for our HYPE dataset were in the stress test and had a mean absolute error (MAE) in mmHg of 8.79 (±3.17) for SBP and 6.37 (±2.62) for DBP; for our EVAL dataset it was 14.74 (±4.06) and 7.12 (±2.32) respectively. Although having tested a range of signal processing and ML techniques, we were not able to reproduce the small error ranges claimed in the literature. The mixed results suggest a need for more comparative studies with subjects out of the intensive care and across all ranges of blood pressure. Until then, the clinical relevance of PPG-based predictions in daily life should remain an open question.