The evaluation of food intake is important in scientific research and clinical practice to understand the relationship between diet and health conditions of an individual or a population. Large volumes of data are generated daily in the health sector. In this sense, Artificial Intelligence (AI) tools have been increasingly used, for example, the application of Machine Learning (ML) algorithms to extract useful information, find patterns, and predict diseases. This systematic review aimed to identify studies that used ML algorithms to assess food intake in different populations. A literature search was conducted using five electronic databases, and 36 studies met all criteria and were included. According to the results, there has been a growing interest in the use of ML algorithms in the area of nutrition in recent years. Also, supervised learning algorithms were the most used, and the most widely used method of nutritional assessment was the food frequency questionnaire. We observed a trend in using the data analysis programs, such as R and WEKA. The use of ML in nutrition is recent and challenging. Therefore, it is encouraged that more studies are carried out relating these themes for the development of food reeducation programs and public policies.

Este trabalho teve como objetivo analisar a eficiência da Atenção Primária à Saúde, avaliando as experiências de municípios brasileiros do estado de Minas Gerais no que se refere à sua eficiência na promoção da saúde. Os municípios foram selecionados entre os dez benchmark e anti-benchmark obtidos por meio de um primeiro do cálculo da eficiência através da Análise Envoltória de Dados. A entrevista em profundidade foi a técnica utilizada para captar a percepção dos profissionais dos municípios analisados. Em cada município, foram entrevistados 3 profissionais da Atenção Primária à Saúde. As respostas foram analisadas pela abordagem de análise de conteúdo e divididas em categorias, definidas a partir da literatura na área da administração pública e de gestão da saúde. Entre os principais resultados, observou-se que as dificuldades apontadas em comum nos municípios analisados se referem à falta de recursos ou sua limitação, bem como às condições educacionais da população e sua baixa participação e conhecimento sobre a Estratégia Saúde da Família. Conclui-se que há grande necessidade de trabalhos intersetoriais que apoiem ações de promoção da saúde já existentes, bem como novas estratégias que podem elevar o nível de conhecimento da população, dos profissionais e também dos gestores como forma de se melhorar o desempenho da promoção da saúde dos municípios.

A bioética tem se tornado, nas últimas décadas, um tema de importância central para a prática clínica, por fornecer ferramentas teóricas para a tomada de decisão do profissional de saúde. A questão que se propõe diz respeito a como saber se a decisão é a mais apropriada, já que uma decisão na esfera clínica - quer se esteja atuando na atenção primária, secundária ou terciária - deve, necessariamente, ser acertada tanto do ponto de vista técnico, quanto do ponto de vista ético. A literatura tem apresentado diferentes modelos para a tomada de decisão no campo de análise da bioética clínica. Com base nessas ponderações, objetiva-se, no presente ensaio, apresentar apontamentos sobre (i) a tomada de decisão na área de bioética clínica e (ii) as possibilidades de abordagem computacional das decisões bioéticas.

Small open reading frames (ORFs) have been systematically disregarded by automatic genome annotation. The difficulty in finding patterns in tiny sequences is the main reason that makes small ORFs to be overlooked by computational procedures. However, advances in experimental methods show that small proteins can play vital roles in cellular activities. Hence, it is urgent to make progress in the development of computational approaches to speed up the identification of potential small ORFs. In this work, our focus is on bacterial genomes. We improve a previous approach to identify small ORFs in bacteria. Our method uses machine learning techniques and decoy subject sequences to filter out spurious ORF alignments. We show that an advanced multivariate analysis can be more effective in terms of sensitivity than applying the simplistic and widely used e-value cutoff. This is particularly important in the case of small ORFs for which alignments present higher e-values than usual. Experiments with control datasets show that the machine learning algorithms used in our method to curate significant alignments can achieve average sensitivity and specificity of 97.06% and 99.61%, respectively. Therefore, an important step is provided here toward the construction of more accurate computational tools for the identification of small ORFs in bacteria.

As transformações da prática médica nos últimos anos - sobretudo com a incorporação de novas tecnologias da informação - apontam a necessidade de ampliar as discussões sobre o processo ensino-aprendizagem na educação médica. A utilização de novas tecnologias computacionais no ensino médico tem demonstrado inúmeras vantagens no processo de aquisição de habilidades para a identificação e a resolução de problemas, o que estimula a criatividade, o senso crítico, a curiosidade e o espírito científico. Nesse contexto, ganham destaque as Redes Neurais Artificiais (RNA) - sistemas computacionais cuja estrutura matemática é inspirada no funcionamento do cérebro humano -, as quais têm sido úteis no processo ensino-aprendizagem e na avaliação de estudantes de Medicina. Com base nessas ponderações, o escopo da presente comunicação é revisar aspectos da aplicação das RNA na educação médica.