Implementación de la guía El maltrato contra las mujeres: cribado, identificación y respuesta inicial de la Registered Nurses' Association of Ontario (RNAO)
Bibliographic record
Abstract
Introducción. La Organización Mundial de la Salud considera la violencia de género como un grave problema de salud pública. Una de cada cuatro mujeres entre 15 y 49 años ha sufrido violencia de género a lo largo de su vida desde los 15 años, esto conlleva graves consecuencias para la salud no solo de las mujeres sino también de sus hijas e hijos. Desde la Organización Sanitaria Integrada Bilbao-Basurto y la Universidad del País Vasco existe el compromiso de dar respuesta a este importante problema a través de la implementación de la Guía de Buenas Prácticas: El maltrato contra las mujeres: cribado, identificación y respuesta inicial. Objetivo. Reflexionar acerca del proceso de implementación en los ámbitos asistencial y académico de la guía de buenas prácticas clínicas sobre “El maltrato contra las mujeres de la Registered Nurses’ Association of Ontario RNAO: cribado, identificación y respuesta inicial. Temas de reflexión. En este artículo se abordarán dos temas de reflexión: 1) Descripción de la metodología de implementación. 2) Descripción de cada una de las fases, tanto en el ámbito clínico como académico. Conclusiones. La Guía de Buenas prácticas “El maltrato contra las mujeres de la RNAO: cribado, identificación y respuesta inicial”, presenta una herramienta útil para la implementación de buenas prácticas en los sistemas sanitarios que ayudan a la lucha contra la violencia de género. Las enfermeras y otros profesionales de la salud se encuentran en una posición privilegiada para ayudar a las mujeres que sufren abuso/violencia de su pareja íntima.
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 | 0.015 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".