Bibliographic record
Abstract
En el año 2013 un grupo canadiense publicó un ensayo clínico en el que sometían, a los pacientes que esperaban una cirugía, a una terapia cuyo objetivo era mejorar la capacidad funcional con la que alcanzaban el día de la intervención quirúrgica, había nacido el término de “prehabilitación”, tal y como lo conocemos hoy en día. No era un término nuevo, ya que la primera referencia a él, la encontramos en la década de los cincuenta del siglo pasado, en una editorial publicada en la prestigiosa revista anglosajona del British Medical Journal. En aquella ocasión el contexto era diferente, en la editorial se exponía que el ejército británico estaba preocupado por que los aspirantes a reclutas no conseguían superar las exigentes pruebas de acceso y se hablaba de “prehabilitar” a los aspirantes. Años antes de aquel artículo de 2013, el Dr. Francesco Carli, profesor del Departamento de Anestesia de la Facultad de Medicina de la Universidad McGill de Montreal y coordinador del citado grupo de investigación, había trabajado con pacientes ancianos frágiles que esperaban a ser intervenidos, en estos trabajos había observado que en aquellos pacientes que llevaban una vida menos sedentaria su evolución postoperatoria era más favorable.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.054 | 0.015 |
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".