Ir más allá de los “grupos vulnerables”: contextos y dinámica de la vulnerabilidad
Bibliographic record
Abstract
Resumen Este artículo repasa los enfoques a la vulnerabilidad en el campo de la salud pública y presenta 10 trabajos sobre cómo abordarla en África. Entendemos la vulnerabilidad a la vez como situación y como proceso. Las desigualdades sociales son evidentes y se exacerban en tres dimensiones clave de la vulnerabilidad: el nivel inicial de bienestar, el grado de exposición al riesgo y la capacidad de gestionar el riesgo de manera efectiva. Subrayamos las interacciones dinámicas en virtud de las cuales se genera una relación entre la privación material y social, la pobreza, la impotencia y la mala salud: los riesgos o percances (shocks) y sus repercusiones sobre la salud están íntimamente interrelacionados y se refuerzan mutuamente en un círculo que multiplica la vulnerabilidad a menos que se realicen intervenciones eficaces. Gracias a un proceso inductivo que no empieza con una definición o una medición a priori de la “vulnerabilidad” y que no presupone la existencia de “grupos vulnerables” fijos, pudimos por un lado reafirmar los aspectos centrales de los marcos conceptuales existentes y por otro considerar de forma diferente la literatura que aborda específicamente la vulnerabilidad y la resiliencia a nivel de la población así como otro tipo de literatura - por ejemplo, en materia de ecología y en torno al concepto de fragilidad en los estudios sobre envejecimiento - con la que posiblemente no estén familiarizados los investigadores sobre salud y pobreza en África. Invitamos a realizar una labor conceptual y empírica sobre la vulnerabilidad en marcos de sistemas complejos. Estas perspectivas subrayan los contextos y la causalidad no lineal, dando más peso por lo tanto a los análisis de vulnerabilidad y de resiliencia en tanto que marcadores de las interacciones dinámicas y como propiedades emergentes de estas interacciones. Aceptamos una definición operativa de vulnerabilidad y reconocemos que algunos grupos de personas susceptibles de ser definidos tienen más probabilidades que otros de sufrir perjuicio como consecuencia de su exposición a los riesgos para la salud. Pero sugerimos que de lo que se trata en realidad – tanto a nivel intelectual como político y en materia de elaboración de políticas- es de comprender la dinámica, los significados y las relaciones de poder que subyacen a las instancias y procesos reales de vulnerabilidad y perjuicio y darles respuesta.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".