Bibliographic record
Abstract
En Espa ña, como en muchos países del mundo, los cuidados que se reciben al final de la vida suelen depender de las actitudes del médico o del equipo tratante, de las actitudes y las creencias de los familiares, y del acuerdo o desacuerdo entre profesionales y familia, sin tener todo esto mucho que ver con lo que desea o hubiera deseado el/la paciente.Todas las personas deseamos tener lo que consideramos «una buena muerte», pero la buena muerte varía como si fuera un sorteo.En un número reciente del British Medical Journal varios artículos proponen no reducir los debates sobre los cuidados al final de la vida a un debate polarizado y estéril sobre la muerte asistida que no conduce a ningún resultado; algunos/as autores/as proponen que la sociedad en conjunto debería concentrarse en organizar la ayuda a morir para que cada persona pueda hacerlo de la forma que mejor le parezca; y la editora en jefe propone encuestar a los/las médicos/as y confrontar los resultados de esta encuesta con la postura de la British Medical Association, contraria hasta la fecha a la ayuda médica a morir 1 .En los últimos a ños, Gaceta Sanitaria ha publicado varios artículos sobre los cuidados al final de la vida.En este número se incluye una serie de artículos para informar y facilitar el debate entre los/las profesionales y las asociaciones de salud pública sobre los temas que presentamos a continuación. Ayuda médica a morir, eutanasia y suicidio asistidoBelanger y Deschamps 2 analizan la implementación de la Ley Ayuda Médica a Morir, aprobada por el Parlamento canadiense en 2016 tras una modificación de la ley que penalizaba la ayuda médica a morir.Esta ley estuvo precedida por consultas
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".