revisao-literatura

name: revisao-literatura description: "Modalidades de revisão de literatura como produto final: integrativa, sistemática e de escopo. A revisão É o texto sendo produzido. Usa o pipeline automatizado em ~/bin/escrita-tooling/tools/." status: ativa version: 2.0 criada: 2026-02-18 atualizada: 2026-02-18 baseda-em: ~/PKM/Escrita/Livro Editora Atheneu/relatorio-audit-deep-research.md

Revisão de Literatura — Pipeline Validado

Propósito

Conduzir revisão de literatura como produto final (o artigo de revisão É o texto sendo produzido). Três subtipos:

Princípio central: ferramentas de IA são úteis para mapear o terreno, nunca para gerar a lista final de referências.

Quando usar esta skill: publicar artigo de revisão, TCC/dissertação/tese com revisão de literatura.

Quando usar pesquisa-academica: quando a revisão é intermediária (capítulo, artigo original, material didático).

Fundamentação metodológica: ~/PKM/Escrita/Pesquisas sobre Pipeline/revisao-metodologica-tipos-de-revisao.md

Pipeline automatizado

A partir da v2.0, esta skill é orquestrada pelo pipeline em ~/bin/escrita-tooling/tools/.

# Revisão integrativa
python -m tools scope "Artigo Revisão" --init --modality revisao-integrativa
python -m tools run "Artigo Revisão"

# Revisão sistemática
python -m tools scope "Projeto" --init --modality revisao-sistematica
python -m tools run "Projeto" --modality revisao-sistematica

# Revisão de escopo
python -m tools scope "Projeto" --init --modality revisao-escopo
python -m tools run "Projeto" --modality revisao-escopo

Documentação completa: ~/bin/escrita-tooling/tools/README.md

O pipeline automatiza busca, deduplicação, verificação, classificação, triagem e geração de .bib/relatório. As diferenças entre subtipos (profundidade, documentação, avaliação de qualidade) são configuradas automaticamente pela modalidade.

1. Pipeline de 6 etapas (instruções humanas)

Etapa 1 — Mapeamento conceitual

Objetivo: entender os tópicos, subtemas e terminologia do campo — NÃO gerar referências.

Ferramentas: ChatGPT ou Gemini (qualquer modelo competente)

O que pedir:

• "Quais são os subtemas principais de [X]?"
• "Quais são os termos de busca em inglês e português para [X]?"
• "Quais são as instituições de referência (nacionais e internacionais) que produzem dados sobre [X]?"
• "Quais são os autores seminais sobre [X]?"

Produto desta etapa: lista de palavras-chave, subáreas e atores — não uma lista de referências.

Regra de ouro: nenhuma referência desta etapa vai diretamente para o texto.

Etapa 2 — Busca primária em bases indexadas

Objetivo: encontrar artigos científicos verificáveis com DOI.

Ferramentas e como usar:

Estratégia de busca:

• Combinar termos em inglês (mais artigos) + português (contexto nacional)
• Filtros temporais: priorizar 2020–2025
• Filtros de tipo: "review", "systematic review", "meta-analysis" para embasamento conceitual; "original research" para casos e dados
• Verificar listas de referências dos melhores artigos (snowball)

Produto desta etapa: lista de DOIs e PMIDs com título confirmado.

Etapa 3 — Fontes institucionais e de mercado

Objetivo: complementar com dados de mercado e fontes de referência do setor que não estão em periódicos.

Fontes de alta autoridade para saúde no Brasil:

¹ Relatórios de consultoria: citar como "relatório de mercado" com data de acesso, nunca como evidência científica.

Para encontrar essas fontes: Gemini ou Perplexity são úteis para localizar o URL exato de um relatório específico. Acesse sempre o site oficial diretamente após.

Etapa 4 — Verificação de citações com scite.ai

Objetivo: para afirmações científicas importantes, verificar se a citação é apoiada ou contestada pela literatura.

Quando usar:

• Afirmação central do argumento (não tangencial)
• Afirmação quantitativa com número específico
• Afirmação potencialmente controversa

Como usar: inserir título do artigo ou DOI no scite.ai → verificar contexto de citação (supporting/contrasting/mentioning).

Quando NÃO usar: como buscador de tema (não é para isso — produz refs off-topic).

Etapa 5 — Gestão e rastreabilidade

Ferramentas: Zotero (gratuito, indispensável)

Para cada referência, registrar em notas_pesquisa.md:

- Autores: [...]
- Título: [...]
- Periódico: [...]
- Ano: [...]
- DOI: [doi.org/...]
- URL: [...]
- Data de acesso: [YYYY-MM-DD]
- Status verificação: [acessível / verificado / bloqueado / 404]
- Dado utilizado: [...]
- Verificação do dado: [sim/não — o número/afirmação está no texto da fonte?]

Hierarquia de estabilidade de link:

1. DOI (raramente quebra)
2. URL canônica do artigo no periódico
3. URL de download/PDF (muda frequentemente)
4. URL de site governamental (alta taxa de link rot)

Etapa 6 — Checklist de inserção

Antes de inserir cada referência no texto canônico, executar:

2. Critérios de qualidade de fontes

Classificação por tier

Domínios confiáveis por tier (lista consolidada desta auditoria)

Tier 1 (periódicos acadêmicos):

• pmc.ncbi.nlm.nih.gov, pubmed.ncbi.nlm.nih.gov
• scielo.br, scielo.org
• ieeexplore.ieee.org, bmj.com, biomedcentral.com, mdpi.com
• jmir.org, tandfonline.com, semanticscholar.org
• journals.library.columbia.edu, jmphc.com.br, abccardiol.org
• researchgate.net, arxiv.org (pré-print), fi-admin.bvsalud.org

Tier 2 (fontes institucionais):

• saude.gov.br, datasus.gov.br, ans.gov.br, anvisa.gov.br
• ibge.gov.br, fiocruz.br, ipea.gov.br
• who.int, paho.org, himss.org
• cetic.br, iess.org.br, cfm.org.br
• rnds-guia.saude.gov.br, ces.ibge.gov.br
• pwc.com.br (relatórios públicos de pesquisa)

Tier 3 (técnicos/especializados):

• medicinasa.com.br, anahp.com.br, sindihospa.com.br
• grandviewresearch.com, straitsresearch.com, statista.com

Tier 4 (evitar como referência):

• Blogs corporativos, sites de consultores individuais, YouTube, LinkedIn
• Sites de startups/healthtechs (carefy.com.br, sensorweb.com.br etc.)

3. Avaliação de relevância

Score por escopo

Use este critério ao triagear referências geradas por IA:

Keywords para gestão de saúde digital (Capítulo 16)

Score 2 (incluir): big data, machine learning, gestão hospitalar, hospital management, saúde suplementar, operadora, leito, bed management, patient flow, fraude, fraud detection, auditoria médica, supply chain, cadeia de suprimentos, people analytics, no-show, value-based, custo, eficiência, DATASUS, SUS, ANS, RNDS, FHIR, TISS, prontuário eletrônico, interoperabilidade, LGPD, saúde digital, transformação digital, analytics, data lake, maturidade digital.

Score 0 (descartar): resíduo hospitalar, tuberculose, geriatria, cuidados paliativos, resistência antimicrobiana, AMR, nutrição, wearable (salvo gestão), diagnóstico por imagem (salvo menção gerencial).

4. Sobre as ferramentas de IA — resumo empírico

Baseado na auditoria de 288 referências (2026-02-18). Relatório completo: ~/PKM/Escrita/Livro Editora Atheneu/relatorio-audit-deep-research.md.

Sequência recomendada: ChatGPT/Gemini (mapeamento) → PubMed/SciELO (busca primária) → CETIC.br/ANS/DATASUS (fontes nacionais) → scite.ai (verificação pontual) → Zotero (gestão).

5. Erros comuns e como evitar

Referências desta skill

• Relatório de auditoria: ~/PKM/Escrita/Livro Editora Atheneu/relatorio-audit-deep-research.md
• Skill complementar: ~/bin/escrita-tooling/skills/referencias-e-citacoes/SKILL.md
• Script de verificação reutilizável: ~/PKM/Escrita/Livro Editora Atheneu/scripts/check_refs.py