Implementación de un proyecto de infraestructura de hospital de construcción rápida durante la crisis sanitaria contra el COVID 19, Lima 2020
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A mediados del primer trimestre, específicamente en marzo del año 2020, el Perú enfrentó el destape de la pandemia del COVID 19, Bajo esos argumentos, EsSalud implementó el primer Hospital de construcción rápida San Isidro Labrador (FONAFE, 2020) que brindó 300 camas para atención de pacientes Covid. La investigación tuvo como objetivo determinar la relación entre la implementación de un proyecto de infraestructura de hospital de construcción rápida y crisis sanitaria contra el COVID 19, la metodología empleada fue de tipo descriptivo, enfoque cuantitativo y diseño no experimental correlacional. En los resultados se obtuvo que Rho = 0,827 y significación = 0.001 (p>0.05) entre la capacidad de infraestructura y crisis sanitaria se obtuvo Rho de Spearman = 0,832 con una significancia = 0.001 (p>0.05), también entre la adquisición de equipos y crisis sanitaria Rho= 0,766 y una significancia = 0.001 (p>0.05), por otro lado entre prestación de servicios terceros y crisis sanitaria se obtuvo Rho= -0,845 y una significancia=0.001 (p>0.05), y también entre la asistencia administrativa y crisis sanitaria Rho= 0,740 y una significancia = 0.001 (p>0.05), también entre la contratación de rrhh y crisis sanitaria Rho= 0,821 y una significancia = 0.001 (p>0.05), finalmente entre confección de procesos y estrategias sanitarias y crisis sanitaria Rho= -0,780 y una significancia = 0.001 (p>0.05), La conclusión fue que existe una correlación grado muy bajo entre implementación de un proyecto de infraestructura de hospital de construcción rápida y crisis sanitaria contra el COVID 19
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle