Simple Sampling for SARS-CoV-2 Infection in Hidalgo
Notice bibliographique
Résumé
Throughout the history of our country, different policies have left an incentive for favorable changes, however, none by itself has managed to combat the problems of chronic malnutrition, to which the current pandemic is added. The state of Hidalgo is in a nutritional transition, with persistent child undernutrition and the predominance of chronic diseases associated with malnutrition (undernutrition, overweight and obesity). Part of this research aims to contribute (in a second phase) to the adequacy of current public policy in the fight against malnutrition and, of course, to the current needs experienced by the SARS-CoV-2 infection contingency. This work develops the application of simple sampling and the stages involved in this statistical tool, whose objective is to establish which part of the reality under study should be studied in order to make inferences about a given population. From the period contemplated between April 28, 2020 and March 8, 2022, the 84 municipalities of the state of Hidalgo reported a total of 86,124 confirmed cases of SARS-CoV-2 infection, from which a sample size of 1,054 subjects has been calculated (representativeness of 91.35% of the target population). The correct application of mathematics in the context of health should allow us to enjoy good health, especially if these results are focused on the promotion and prevention of diseases and their complications; mathematics has surpassed the frontiers of knowledge in various areas and its implementation in this case with respect to public policy and nutrition.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».