MétaCan
Menu
Retour à la cohorte
Enregistrement W4205934472 · doi:10.29277/cardio.36.3.3

Impacto de las políticas de salud en la incidencia de infarto de miocardio durante la pandemia por COVID-19 en Uruguay

2021· article· es· W4205934472 sur OpenAlexaff
Víctor Dayan, Abayubá Perna, Enrique Soto, Dayan De Marzo, Dres Dayan, Álvaro Niggemeyer, Alejandro Cuesta, Natalia Piñeiro, Graciela Fernández, Rosana Gambogi

Notice bibliographique

RevueRevista Uruguaya de Cardiología · 2021
Typearticle
Languees
DomaineHealth Professions
ThématiqueHealth and Lifestyle Studies
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicinePolitical scienceHumanitiesVirologyArtOutbreakInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

Introduccin: las medidas sanitarias de emergencia impuestas para contener el SARS-CoV-2 pueden tener efectos colaterales en la atencin de enfermedades cardiovasculares. Los datos mundiales de los pases sobre la incidencia de infarto agudo de miocardio con elevacin del segmento ST (IAMCEST) durante la pandemia son fundamentales para la poltica sanitaria futura. Objetivos: nuestro objetivo fue determinar si las medidas sanitarias de emergencia impuestas en Uruguay tuvieron un impacto directo en la calidad de la atencin en la reperfusin del IAMCEST. Mtodos: realizamos un estudio retrospectivo poblacional de todo el pas para determinar la incidencia de reperfusin de IAMCEST (fibrinolticos e intervencin coronaria percutnea, FBL e ICP respectivamente) durante el perodo sanitario de emergencia. La tasa de incidencia de la reperfusin, el tiempo hasta la reperfusin y la mortalidad asociada se recopilaron de la base de datos del Fondo Nacional de Recursos (organizacin gubernamental nica a cargo de la financiacin de la reperfusin del IAMCEST en Uruguay). Estos mismos datos se recuperaron para 2019, 2018 y 2017

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)0,022
score de la tête « metaresearch » (Gemma)0,057
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,057
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,433
Écart entre enseignants0,402 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Uruguaya de CardiologíaMême sujetHealth and Lifestyle StudiesTravaux en français237 207