Current Organizations / Institutes

The organizations/institutes from the scholar's latest article

Previous Organizations / Institutes

The organizations / institutes from the scholar's other articles in the past ten years


Silvio César Cazella has a total of 198 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Quality over quantity: early performance predicts suturing proficiency in robotic surgery simulation

    by Júlia Iaroseski, André Vicente Bigolin, Sofia Galvão Lima, Silvio César Cazella

    Robotic surgery training increasingly relies on simulation-based curricula and objective performance metrics; however, it remains unclear whether early simulator performance predicts later proficiency in complex robotic tasks. This retrospective observational cohort study analyzed simulation training data from the Simulation Center of Santa Casa de Porto Alegre, Brazil, collected between 2020 and 2024. Early-stage training metrics included time, repetitions, and mean performance scores in the Basic, Essential, and Fundamentals modules, while the primary outcome was the final simulator-derived Suture Score. Correlation analyses were performed to assess the association between prior training trajectory and final suturing performance. Fifty-seven participants were included. Mean performance scores in the Basic and Fundamentals modules were significantly associated with shorter suturing time (r = −0.269, p = 0.043 and r = −0.325, p = 0.014, respectively). Mean score in the Basic module was also associated with a higher final Suture Score (r = 0.277, p = 0.037). In contrast, total simulation time and number of repetitions showed no significant correlation with final proficiency (all p > 0.05). These findings suggest that early simulator performance scores may be more informative than training duration alone in predicting proficiency in complex robotic suturing and support the development of individualized, performance-based robotic training pathways.

  • Open Access

    Uso de Inteligência Artificial e Pensamento Computacional na Estimulação Cognitiva de Pessoas Idosas: Uma Revisão Sistemática da Literatura

    by Cintia Reis de Oliveira, Francelmo Guimarães de Farias, Isabel Dillmann Nunes, Letícia Sophia Rocha Machado, Sílvio César Cazella

    O envelhecimento populacional acelerado exige a construção de ações que possam impactar no envelhecimento ativo e saudável. Assim, este trabalho investiga, por meio de uma Revisão Sistemática de Literatura, como a Inteligência Artificial (IA) e o Pensamento Computacional (PC) podem promover o desenvolvimento cognitivo em pessoas idosas. Os resultados mostram que a IA personaliza a estimulação, ajustando exercícios e avaliando o desempenho. Quanto aos pilares do PC, os resultados exibem sua aplicação por meio de exercícios cognitivos multidomínio. Portanto, é fundamental considerar também o ensino de IA e PC para pessoas idosas, trazendo os benefícios de raciocínio lógico e resolução de problemas para a vida.

  • Open Access

    Um modelo de analítica acadêmica baseado na regulação geral de proteção de dados, na lei geral de proteção de dados pessoais e governança da informação

    by Rafael Vescovi Bassani, Silvio César Cazella

    A educação apresenta um papel de destaque no desenvolvimento sustentável de uma nação, contribuindo com o desenvolvimento do país como um todo. Nesse sentido, a modalidade de educação a distância alcança um número significativo de pessoas, desempenhando, assim, esse papel. A modalidade de educação a distância, traz consigo, a utilização de plataformas que coletam um significativo volume de dados e informações (armazenadas) em bancos de dados dos alunos, que podem ser analisados por educadores, pesquisadores e gestores e que dão origem a estudos na temática de Analítica Acadêmica e Governança da Informação. Mas, para operar com os dados de alunos nos anos atuais é preciso seguir atentamente a legislação vigente. Nessa direção, a União Europeia legislou sobre a proteção de dados pessoais através do Regulamento Geral sobre a Proteção de Dados, N° 679 de 2016. No Brasil é a Lei nº 13.709, Lei Geral de Proteção de Dados Pessoais de 2018, que teve seu efeito iniciado em agosto de 2020 que legisla sobre o tema. Considerando as restrições legais e regulatórias estabelecidas pelas legislações, bem como as possibilidades proporcionadas pela temática da Analítica Acadêmica, este artigo tem como objetivo propor um modelo de Analítica Acadêmica baseado no Regulamento Geral sobre a Proteção de Dados Europeu, na Lei Geral de Proteção de Dados Pessoais Brasileira e na Governança da Informação, para ser aplicado em ambientes de Educação.


  • Open Access

    Medicina de Família no Brasil

    by Iago Gonçalves Ferreira, Silvio César Cazella, Márciarosa da Costa

    Introdução: A Atenção Primária à Saúde (APS) é um pilar dos sistemas de saúde, apoiando a cobertura universal e organizando os fluxos de assistência à saúde.Assim, a Medicina de Família e Comunidade (MFC) configura-se como uma especialidade médica estratégica, essencialmente dedicada à APS, oferecendo cuidado resolutivo, de longo prazo e holístico a indivíduos e famílias. Objetivo: Analisar as percepções e prospecções sobre a APS de participantes do Curso de Formação em Preceptoria (CFP) — UNA-SUS/UFCSPA —, bem como descrever seu perfil acadêmico- profissional. Métodos: A pesquisa adotou uma abordagem de métodos mistos (quantitativo e qualitativo), composta por três fases: ‘Delineamento da População,’ baseada nos dados cadastrais dos participantes; ‘Questionário de Pesquisa,’ levantamento virtual aplicado aos alunos e egressos do curso; e ‘Entrevista Individual,’ com realização de entrevistas virtuais com uma amostra dos participantes, sob a orientação de um roteiro de perguntas abertas. Essas fases da pesquisa foram realizadas de outubro/2020 a abril/2021. Resultados: Ao longo de suas três edições, o CFP contou com 2.530 participantes, com predominância do sexo feminino e média de idade de 33,1 anos. Na fase “Questionário da pesquisa”, foram obtidas respostas de 232 participantes, a maioria vinculada a programas de residência na região sudeste (45,7%) e em instituições municipais (41,4%). Além disso, entre os que atuavam na APS, a maioria relatou estar muito satisfeita (24,0%) e satisfeita (35,6%) com seu trabalho nesse ambiente de saúde. Por outro lado, de acordo com 12 participantes entrevistados, apesar da importância das contribuições da MFC para a APS, a especialidade enfrenta desafios como vínculos empregatícios instáveis, falta de reconhecimento e baixo nível de conhecimento sobre a especialidade por parte da população e de gestores de saúde. Conclusões: Nos últimos anos, a MFC tem crescido exponencialmente no Brasil, impulsionado pela expansão de iniciativas governamentais e pelo engajamento dos médicos de família. No entanto, atrair e reter novos profissionais representa um grande desafio para o futuro e a consolidação a especialidade, demandando o engajamento e o comprometimento de gestores e profissionais de saúde, comunidades acadêmicas, governos e sociedade.

  • M-Health Solution to Support the Monitoring of Elderly Patients After Hospital Discharge

    by Silvio César Cazella, Fernanda Viegas Dihl, Airton Tetelbom Stein, Leticia Rocha Machado

  • Open Access

    How do machine learning models perform in the detection of depression, anxiety, and stress among undergraduate students? A systematic review

    by Bruno Luis Schaab, Prisla Ücker Calvetti, Sofia Hoffmann, Gabriela Bertoletti Diaz, Maurício Rech, Sílvio César Cazella, Airton Tetelbom Stein, Helena Maria Tannhauser Barros, Pamela Carvalho da Silva, Caroline Tozzi Reppold

    Undergraduate students are often impacted by depression, anxiety, and stress. In this context, machine learning may support mental health assessment. Based on the following research question: “How do machine learning models perform in the detection of depression, anxiety, and stress among undergraduate students?”, we aimed to evaluate the performance of these models. PubMed, Embase, PsycINFO, and Web of Science databases were searched, aiming at studies meeting the following criteria: publication in English; targeting undergraduate university students; empirical studies; having been published in a scientific journal; and predicting anxiety, depression, or stress outcomes via machine learning. The certainty of evidence was analyzed using the GRADE. As of January 2024, 2,304 articles were found, and 48 studies met the inclusion criteria. Different types of data were identified, including behavioral, physiological, internet usage, neurocerebral, blood markers, mixed data, as well as demographic and mobility data. Among the 33 studies that provided accuracy assessment, 30 reported values that exceeded 70%. Accuracy in detecting stress ranged from 63% to 100%, anxiety from 53.69% to 97.9%, and depression from 73.5% to 99.1%. Although most models present adequate performance, it should be noted that 47 of them only performed internal validation, which may overstate the performance data. Moreover, the GRADE checklist suggested that the quality of the evidence was very low. These findings indicate that machine learning algorithms hold promise in Public Health; however, it is crucial to scrutinize their practical applicability. Further studies should invest mainly in external validation of the machine learning models.


  • Open Access

    Ferramenta para Predição do Desempenho Acadêmico no Ensino Superior

    by Léo Manoel Lopes da Silva Garcia, Daiany Francisca Lara, Raquel Salcedo Gomes, Sílvio Cezar Cazella

    Este trabalho apresenta o desenvolvimento de uma ferramenta para a predição de desempenho acadêmico na educação superior, especificamente em disciplinas a serem cursadas. Os modelos preditivos são concebidos a partir do percurso curricular realizado pelos alunos. Para aferir a eficácia da ferramenta desenvolvida, foram computados dados de 15 disciplinas de um curso de Ciências da Computação no período letivo de 2022/1. Os resultados demonstraram uma alta taxa de acerto, com uma média de 86% de predições corretas para o desempenho em geral, e 90% para predição específica de casos de reprovação. Destaca-se que essas médias de precisão foram obtidas mesmo em disciplinas de fases letivas iniciais (a partir da segunda fase).

  • Open Access

    Utilização de ferramentas para análise de aprendizagem na Plataforma Moodle

    by Anita Raquel Da Silva, Liane Margarida Rockenbach Tarouco, Sílvio César Cazella, Marcelo Augusto Rauh Schmitt

    Nos últimos anos, a quantidade de plataformas online para o ensino e aprendizagem tem crescido significativamente e educadores e alunos estão migrando para tais plataformas, em sua maioria de código aberto. O Moodle é uma das plataformas de aprendizado de código aberto mais utilizadas em instituições de ensino em todo o mundo. Embora forneça uma boa estrutura para o aprendizado, oferece poucas funcionalidades em termos de indicadores sobre os acessos dos estudantes. O presente artigo apresenta o resultado de uma investigação a respeito de abordagens para coletar e recuperar os dados sobre os comportamentos dos alunos a partir de (1) tabelas do banco de dados do Moodle, usando ferramentas nativas do ambiente, (2) plugins e (3) outras ferramentas externas integradas ao ambiente, com vistas a ensejar análise de aprendizagem de dados educacionais para apoiar uma investigação da pegada digital do aluno. A análise realizada permitiu relacionar ferramentas que auxiliam na identificação de padrões de atuação dos estudantes, com vistas a detectar a tempo estudantes que estejam enfrentando dificuldades e desencadear ações de apoio ao aprendizado.