Barreras para el desarrollo de investigación en medicina familiar en Iberoamérica: Revisión sistemática
Bibliographic record
Abstract
RESUMEN: Objetivo: Identificar las principales barreras para el desarrollo de investigación en medicina familiar en Iberoamérica a partir de artículos publicados en idioma español.Métodos: Se realizó una revisión sistemática de acuerdo con la guía PRISMA 2020.Se seleccionaron artículos originales, publicados hasta octubre de 2021, que abordaran barreras existentes para el desarrollo de investigación en medicina familiar.Se consultaron las bases de datos ScienceDirect, Scielo y Google Scholar.Los artículos se clasificaron de acuerdo con la localidad, tipo de estudio, tamaño de muestra y principales barreras detectadas.La calidad de los artículos se evaluó mediante las listas de chequeo Newcastle-Ottawa y CASP.Resultados: De un total de 207 artículos identificados, nueve cumplieron con los criterios de selección.Se identificaron como principales barreras la falta de capacitación en metodología científica, falta de tiempo, ausencia de apoyo institucional, falta de estímulos y falta de tutores capacitados.Conclusiones: Las barreras y limitaciones se centraron en la falta de capacitación en residentes y profesores para desarrollar investigación, así como la falta de tiempo y apoyo institucional, entre otras.Se requieren estrategias integrales para atenuar el efecto de las barreras aquí detectadas a fin de fortalecer la investigación en medicina familiar.
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 | 0.155 | 0.189 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.009 | 0.008 |
| Bibliometrics | 0.051 | 0.029 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.005 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| 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".