Cobertura universal y Medicina Familiar en el contexto de Iberoamérica.
Bibliographic record
Abstract
Introduccion: La cobertura universal garantiza que las personas usen los servicios de salud sin el riesgo de ruina economica o empobrecimiento. Objetivo: Caracterizar la cobertura universal en salud en el contexto de los paises de Iberoamerica. Metodologia: estudio exploratorio, transversal, con informaciones de representantes de las asociaciones de medicina familiar de 20 paises asociados a la Confederacion Iberoamericana de Medicina Familiar (CIMF). Se conformo un cuestionario semi-estructurado que fue contestado en linea, abarcando 34 preguntas, con tres dimensiones. Resultados: El 92.9% de los paises planteo tener grupos poblacionales sin cobertura. Los paises con mayor proporcion en el area rural son Paraguay, Panama, Ecuador y Bolivia. Cuba, con ingreso mediano bajo y Espana y Chile con ingresos altos, reportan las esperanzas de vida mas altas en la region. Cuba y Espana son paises que muestran menos inequidad segun indice de Gini. Las tasas de mortalidad infantil mas bajas las tienen Cuba, Barbados, Canada, Chile, Costa Rica, Estados Unidos de America y Uruguay; Bolivia y Haiti presentan los niveles mas altos. Cuba presenta la mas baja tasa de desempleo, las mas altas son de Paraguay y Espana. Los paises de la region donde la mayoria de los medicos de los equipos son especialistas en medicina familiar con posgrado son Espana, Cuba y Portugal. El porcentaje de Equipos de Atencion Primaria varia; desde menos del 1% en Colombia o Ecuador, al 100% de Cuba o Panama. Conclusiones: Cuba con sus resultados favorecedores en cuanto a esperanza de vida, menos inequidad, baja tasa de mortalidad infantil y desempleo y mejor cobertura de medicos de familia, destaca por la contribucion positiva en la comunidad iberoamericana a la cobertura universal. Palabras clave: cobertura universal, Confederacion Iberoamericana de Medicina Familiar , medicina familiar.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".