Factores de Riesgo Y Protección de la Infección por COVID-19 en Personas en Situación de Sinhogarismo de la Ciudad de Girona (Cataluña, España)
Bibliographic record
Abstract
Objetivo: El objetivo de este estudio fue determinar la prevalencia de casos COVID-19, entre las personas en situación de sinhogarismo (PSH) de la ciudad de Girona (Cataluña, España) y analizar las variables que incidieron en su contagio durante la primera ola de la pandemia de 2020. Método: Se llevaron a cabo las pruebas Polymerase Chain Reaction (PCR) y se registraron las variables sociodemográficas, la presencia de trastorno mental severo y de trastorno por uso de sustancias y el tipo de instalación donde se albergaron durante el confinamiento (albergue específico, macro-instalación, intemperie) de 233 PSH de la ciudad de Girona. Resultados: De las 233 PSH el 23,6% (n = 55) se alojó en el albergue, el 29,6% (n = 69) en el pabellón y el 56,8% (n = 109) a la intemperie. Se realizaron 67 PCR de las que el 91,2% fueron negativas. De los 6 casos positivos, 1 fue del albergue (c2 = 11,9; gl=1; p<0,001). Las variables predictoras de riesgo de infección fueron: el tipo de instalación donde se albergaron durante el confinamiento, tener más edad, haber inmigrado y estar diagnosticado de un trastorno por consumo de substancias. Conclusiones: Las PSH son más vulnerables al contagio de COVID-19 que la población general. La edad (ser más jóvenes), haber realizado un proceso migratorio, padecer un trastorno por consumo de sustancias y no haberse podido alojar en el albergue fueron las variables predictoras de infección por COVID-19.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".