MétaCan
Menu
Retour à la cohorte
Enregistrement W3017040861 · doi:10.33262/concienciadigital.v3i1.1.1153

Aplicativo móvil para la gestión del historial médico de pacientes

2020· article· es· W3017040861 sur OpenAlexvenueno aff
Wilmer Clemente Cunuhay Cuchipe, Diego Fernando Jácome Segovia, Johnny Vergara Brito, Efraín Velasteguí López

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Con el interés de optimizar los procesos de la información, asociados al tratamiento de los pacientes y solucionar las insuficiencias de los procedimientos incorrectos y los modos de gestión que imposibilitaban un servicio pleno de atención a los pacientes. Los procesos de gestión que se maneja dentro de la clínica son llevados de manera dinámica e interactiva. El sistema es multiplataforma, y su utilización es mediante un dominio previamente definido por las personas autorizadas, la seguridad y privacidad de la información está a cargo de cada miembro de la clínica ya que posee un usuario y clave para su ingreso. Los registros de datos estarán compuestos de la siguiente manera como: Medico, paciente, enfermeras, especializaciones del médico, registro de exámenes, medicamentos, historial del paciente y horarios para revisión del paciente. En la presente investigación se especifica cómo implementar un aplicativo móvil que permite gestionar el proceso de fichas médicas del paciente en la clínica Santa Cecilia dentro del departamento de tecnologías. Se aplicó la encuesta con el propósito de determinar si es factible la implementación del aplicativo móvil. La metodología utilizada fue la Mobile-D debido a que esta se ajusta al proyecto de desarrollo ágil con sus fases respectivas. Como resultado se puede especificar que el aplicativo móvil fue favorable para un mejor proceso del manejo de la información dentro de la clínica.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,225
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetBusiness, Innovation, and EconomyTravaux en français237 207