Disparidad en Salud desde la Experiencia de Trabajadores en la Gestión Epidemiológica del Dengue
Bibliographic record
Abstract
Este estudio examina las disparidades en salud desde la perspectiva de trabajadores en la gestión epidemiológica del dengue. Se fundamenta en la identificación de barreras estructurales y sistémicas que perpetúan inequidades. El objetivo fue comprender sus experiencias para desarrollar estrategias más inclusivas y sostenibles. Metodológicamente, se realizó una revisión teórica integrativa bajo principios PRISMA, empleando enfoque mixto (cualitativo-cuantitativo con evaluación bifásica mediante marcos complementarios: Cochrane Handbook para estudios experimentales y Escala Newcastle-Ottawa para observacionales. Los resultados identificaron tres dimensiones fundamentales: brecha conceptual-operativa (desconexión entre conocimiento teórico y aplicación práctica), brecha estructural-funcional (limitaciones en infraestructura y recursos) y brecha organizacional-sistemática (deficiencias en coordinación interinstitucional). Se concluye que estas disparidades reflejan desigualdades que afectan tanto la respuesta al dengue como el bienestar de trabajadores y comunidades, evidenciando la necesidad de políticas inclusivas que combinen esfuerzos intersectoriales, participación comunitaria y fortalecimiento del sistema sanitario.
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 | 0.036 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".