Simulación del nivel de eliminación de sarampión y rubéola según la estratificación e interacción social (Simulating measles and rubella elimination levels according to social stratification and interaction)
Bibliographic record
Abstract
Objetivo: Comparar el nivel de eliminación de enfermedades como sarampión y rubéola en población homogénea y heterogénea según la existencia de estratos sociales con interacción entre individuos de estrato social alto y bajo y diversidad en el número promedio de contactos entre ellos. Métodos: Simulaciones del ritmo reproductivo efectivo, derivado de un modelo matemático tipo SIR (Susceptibles Infectados Recuperados), según diferentes ritmos de inmunidad. Se utilizaron datos de incidencia de sarampión (1980 y 2005) y rubéola (1998 y 2005) de América Latina y el Caribe. Se analizó la interacción entre individuos del estrato social alto y bajo con diferente número promedio de contactos mediante análisis de red aleatoria bipartita. Las simulaciones se ejecutaron en MAPLE 12 (Maplesoft Inc, Ontario Canada). Resultados: En la población socialmente homogénea se reprodujo el avance en la eliminación de ambas enfermedades entre los dos períodos de tiempo. En el estrato alto y bajo, se lograría la eliminación en sarampión (2005) pero en rubéola (2005) sólo se lograría si hay alto ritmo de inmunidad en el estrato bajo. Si varía el número promedio de contactos habituales, no se lograría la eliminación de rubéola ni con un ritmo de inmunidad de 95 %. Conclusión: El seguimiento del nivel de eliminación de enfermedades como sarampión y rubéola demanda la consideración de la situación socioeconómica y del patrón de interacción de la población. Especial atención se debe prestar a comunidades con diversidad en el número promedio de contactos en espacios confinados como comunidades desplazadas, carcelarias, educativas, hospitalarias, etc.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".