Revisiones Sistemáticas Exploratorias como metodología para la síntesis del conocimiento científico
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Introducción: En la actualidad los sistemas de salud alrededor del mundo apuestan por una toma decisiones clínicas basadas en la evidencia científica. Para ello, es necesario que los profesionales de la salud consulten los resultados de las investigaciones científicas. Sin embargo, dada la gran cantidad de literatura, los investigadores han desarrollado metodologías de revisión para compilar los estudios científicos dentro de un área específica. Aun cuando existen más de 10 tipos de metodologías para la revisión de la literatura, la Revisión Sistemática Exploratoria (RSE) ha recibido poca atención en la literatura sobre métodos de investigación científica de habla hispana. Objetivo: Detallar la metodología de la RSE, sus propósitos y las fases para su desarrollo. Desarrollo: Este trabajo detalla las generalidades de la RSE basándose en la metodología propuesta por Arksey & O’Malley. Así mismo, se describen las áreas o ámbitos donde este tipo de revisión se puede emplear, las fases para desarrollar la revisión y ejemplos de las RSE. Conclusiones: Las RSE tienen la fortaleza de hacer saber a los profesionales de la salud sobre un tema en específico que permita incidir en las políticas públicas. Al igual que las Revisiones Sistemáticas, las RSE utilizan una metodología clara y replicable, aportando datos confiables y científicos para los profesionales de la 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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 it