Uso del índice de Garcés en quemaduras pediátricas versus clasificación de Benaim en pacientes pediatricos como predictor de morbilidad
Bibliographic record
Abstract
Las quemaduras de pacientes pediátricos en Guatemala representan el 15% de las consultas anuales a las emergencias. No se cuenta con una herramienta modelo para la gradación adecuada de los niveles intermedios de quemadura. El objetivo fue realizar la comparación entre el índice de gravedad de Garcés (Artigas/Minsal) y la escala Benaim en pacientes pediátricos quemados del Hospital de Cuilapa, Santa Rosa en 2013, para establecer su efectividad. Estudio descriptivo, retrospectivo que se llevó a cabo por encuesta, recabando los datos de los expedientes luego del egreso. Se evidenció que la moda de género del grupo fue varón, con edad < 2 años, afectando el 10% de su superficie corporal, siendo la quemadura de segundo grado superficial la prevalente. La estancia intrahospitalaria promedio fue de 11 días. Los pacientes se evaluaron, según la escala pronóstica de Garcés, el cual se calificó como riesgo moderado, pero comparando el mismo grupo con la escala de Benaim, como estándar, se evidenció que se encuentra en el grupo I (leve). Al evaluar, los verdaderos negativos fueron el 51%. Se determinó el valor predictivo negativo el cual fue del 100%, por lo que se evidencia la alta sensibilidad para descartar la presencia de morbilidad en los pacientes más graves. Se recomienda continuar el estudio a mayor escala, y en un futuro mejorar el proceso de clasificación de pacientes para disminuir el riego de morbilidad.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".