Evolución e impacto presupuestario de posibles mejoras en el Programa de Inmunizaciones: Paraguay 2008-2020
Bibliographic record
Abstract
Introducción: los programas de vacunación representan un abordaje integral que tiende a reducir o eliminar el impacto de enfermedades inmunoprevenibles.El objetivo del presente trabajo fue evaluar la evolución del calendario de Paraguay, el gasto en vacunas y estimar el impacto de potenciales mejoras en comparación con el esquema actual.Material y métodos: se evaluó la evolución del esquema de vacunación de Paraguay entre 2008 y 2020, se describió el escenario base y se comparó con diferentes esquemas alternativos.Los resultados fueron expresados como el impacto presupuestal total, relativo de cada escenario versus la situación actual.Resultados: Paraguay tuvo una importante evolución de su calendario.En términos económicos estimamos un crecimiento de más de seis veces.Los esquemas de vacunación más demandantes en términos presupuestarios fueron aquellos relacionados con vacunas combinadas de la infancia y los escenarios que sumaron varios cambios en simultáneo.Conclusiones: primer análisis de la evolución del calendario y estimación del gasto que se realiza en Paraguay que muestra el impacto económico de potenciales cambios innovadores en el calendario de vacunación.Se presentaron los efectos de distintos biológicos.La evidencia generada en este estudio apoyará a los sistemas de salud locales y regionales en la toma de decisiones sobre las vacunaciones.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".