Resultados de la Encuesta COVID-19. Impacto en la atención cardiovascular del Registro Nacional de Infarto ARGEN IAM-ST
Notice bibliographique
Résumé
Introducción: La pandemia declarada por la OMS por el virus SARS CoV2 llevó al sistema de salud argentino a prepararse para la atención de casos de COVID-19, pero se desconoce el impacto en este escenario sobre patologías prevalentes, como las cardiovasculares. Material y métodos: Se realizó una encuesta transversal en los centros que participan del registro ARGEN-IAM-ST, que se desarrolló para indagar sobre la organización institucional, la atención ambulatoria, la internación en cuidados críticos y el personal de la salud. Resultados: Se encuestaron 80 centros; el 55% eran de dependencias públicas y el 97% con servicio de cuidados críticos. El 91% de las instituciones formó un comité de crisis por la pandemia. El 65% de los centros tomó medidas de atención ambulatoria por el distanciamiento social. Para el 89% se redujeron los ingresos por patologías cardiovasculares, y la magnitud de la caída tuvo una media de 57% (DE ± 18). En 24% de los centros se registró personal de la salud contagiados con SARS-Cov2. Conclusión: Un elevado porcentaje de centros que participan del registro continuo ARGEN-IAM-ST crearon comités de crisis para reorganizar la atención; casi dos tercios de ellos tomaron medidas para seguimiento ambulatorio y se registró una importante caída de la ocupación de camas de pacientes cardiovasculares.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».