Construcción de aplicativo web para la gestión y prestación del servicio de ambulancias en la ciudad de Pereira, utilizando inteligencia artificial
Bibliographic record
Abstract
En Colombia en los últimos años se han diseñado e implementado propuestas que pretenden aportar soluciones viables a un problema que es recurrente en la atención prehospitalaria primaria relacionado al servicio de ambulancias, en parte este problema es debido a cómo está estructurado el modelo de salud del país, lo que habilita que este vital servicio sea prestado por un conjunto de actores públicos, privados y mixtos. El servicio de ambulancia es una parte fundamental en la atención prehospitalaria en el sistema de salud colombiano y sumado a la normatividad aprobada con enfoque a establecer las pautas que las organizaciones prestadoras de salud se ven obligadas a cumplir y a la vez ajustar sus procesos operacionales para asegurar la calidad, generar valor y continuar siendo competentes. En este documento se analiza las posibles causas de la problemática de la atención prehospitalaria relacionada a los servicios de ambulancias en la ciudad de Pereira aplicando la Metodología de Matriz de Marco Lógico y basado en este análisis se plantea y desarrolla una propuesta de solución basada en tecnologías Web y herramientas desarrolladas por Google que integran componentes de Inteligencia Artificial para construir una aplicación móvil que permita reducir los principales problemas relacionados a la gestión de ambulancias, además se esquematizan los componentes urbanos de la infraestructura vial de la ciudad y se discute acerca de la viabilidad de la aplicación de algoritmos propuestos por algunas investigaciones en las últimas décadas que tratan problemas de encontrar rutas óptimas entre dos puntos para un conjunto vértices y aristas de un grafo, finalmente se introduce brevemente el modelo de arquitectura de Software C4 como un enfoque moderno adoptado debido al auge de las tendencias ágiles en el desarrollo de Software.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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 source (direct Gemma or distilled Codex), 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".