La necesidad de entrenar subespecialistas en neurología en el Perú
Notice bibliographique
Résumé
The need to train subspecialists in neurology in Peru Jorge G. Burneo 1 En 2010 se publicó que existían 254 neurólogos en el Perú (1).Esta información fue obtenida del Colegio Médico del Perú.Si bien no todos los médicos que practican neurología en el país están registrados como especialistas, este estudio nos dio una idea del número de galenos que lo son.Como era de esperarse, la mayoría estaba concentrada en Lima (72,8 %), con regiones sin neurólogos, como San Martín, Amazonas, Ucayali, Tumbes, Huancavelica, Ayacucho, Apurímac y Madre de Dios.Esta situación ha cambiado significativamente.El mismo Colegio reportó en su página web que hay actualmente 887 neurólogos en el país, y si bien existe ahora una mejor distribución territorial, la mayoría de ellos labora en la capital (2).Con el pasar de los años, la población peruana se ha incrementado, y con ella también la expectativa de vida.Según la Organización Mundial de la Salud (3), se espera que la población del Perú sea cerca de 40 millones en el año 2050, de los cuales un porcentaje significativo serán mayores de 60 años.Este incremento en la población mayor traerá consigo un aumento en desórdenes neurológicos comunes en este grupo etario, como demencia, enfermedad de Parkinson, ataques cerebrovasculares y otras enfermedades neurodegenerativas.Asimismo, con los avances en la medicina, la sobrevida de los recién nacidos continuará incrementándose, así como también las enfermedades neurológicas propias de la edad.Si bien es imperativo que haya presencia de neurólogos en todos los rincones del país, es también importante que existan centros en ciertas partes clave del territorio peruano, con grupos de neurólogos que tengan un entrenamiento más capacitado en ciertas enfermedades neurológicas, es decir, que estén subespecializados.Lamentablemente, una vez graduados, los neurólogos peruanos no tienen la oportunidad de obtener un entrenamiento subespecializado de manera formal, lo que en países del hemisferio norte se conoce como fellowships.
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 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».