Tamiz neonatal cardiaco: beneficios de su implementación en México
Bibliographic record
Abstract
MexicoComité Mexicano para el Tamiz Neonatal Cardiaco RESUMEN El tamiz neonatal cardiaco es una prueba sencilla, no invasiva, indolora y costo-efectiva, con el cual se pueden detectar oportunamente las cardiopatías congénitas críticas, enfermedades que pueden ocasionar secuelas graves o la muerte de los recién nacidos, de no ser diagnosticadas a tiempo.Estas malformaciones requieren algún tipo de procedimiento invasivo durante el primer mes de vida.De acuerdo con los algoritmos publicados a partir del año 2011, se realiza mediante el registro de la oximetría de pulso en la mano derecha y cualquiera de los dos pies de los neonatos, con mediciones secuenciales y puntos de corte establecidos.En México, en apego a la normativa nacional e internacional, el tamiz se ha implementado en algunos estados de la república, con su adición como prueba de cribado en la Ley General de Salud en el año 2021, lo que la hace un estudio obligatorio en el territorio mexicano.En este documento se exponen antecedentes globales, aspectos científicos, técnicos, operativos, normativos y económicos para la realización apropiada del tamizaje, proponiendo además modificaciones al algoritmo y dando a conocer los análisis realizados sobre los costos y beneficios del tamiz neonatal cardiaco.El objetivo de realizar ajustes en el algoritmo es adaptarlo a las condiciones demográficas de la población mexicana, de tal forma que se pueda reducir el número de falsos positivos y falsos negativos relacionados con la altitud geográfica y con la medición del índice de perfusión.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".