La Medicina Familiar y Comunitaria como fuente de cuidados de Salud Mental
Bibliographic record
Abstract
En la Séptima Cumbre Iberoamericana de Medicina Familiar, Cali – Colombia 2018, el grupo de trabajo Salud Mental (SM) reflexionó sobre como la Medicina Familiar (MF) puede actuar para apoyar a las personas que enfrentan situaciones de estrés frente a la vida diaria, conflictos (armados/no armados), emergencias y desastres naturales. Estudio descriptivo de corte transversal basado em una encuesta de 42 preguntas a 99 profesionales sanitarios iberoamericanos provenientes de 15 países, 98 médicos y 1 psicólogo, 8% residentes de MF, 85% especialistas en MF, 4% médicos generales, 2% psiquiatras y 1% internista. El 47% de los médicos percibe como buena la capacidade de los médicos de familia en el abordaje de la SM. En cuanto a los problemas de SM observados, 30% indica Trastorno de Ansiedad, 27% depresión, 17% insomnio, 10% alcoholismo, 7% adicción a drogas ilícitas, 5% trastornos alimentarios y 4% trastorno de estrés postraumático. En este contexto se realizaron las recomendaciones para la Carta de Cali que consideran la formación en SM necesaria para los Médicos Familiares, con estrategias de autocuidado costo efectivas, mediante el fortalecimiento del trabajo comunitario. El cuerpo docente de las residencias de MF debe hacerse cargo de acciones tendientes al autocuidado de los alumnos, propendiendo a facilitar el processo de aprendizaje y la preparación para ejercer la profesión en un medio tan complejo como son los centros del primer nivel de atención o en cualquier contexto en el que se trabaje con la estratégia de Atención Primaria de Salud.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".