Familias supervivientes: la experiencia de perder uno de sus miembros por suicidio
Bibliographic record
Abstract
Objetivo: identificar los procesos interaccionales que permiten a las familias supervivientes a enfrentar la muerte por suicidio, de uno de sus miembros, reestructurarse como unidad y transformar la experiencia en aprendizaje. Método: estudio cualitativo, exploratorio, orientado por el concepto de Resiliencia Familiar, en el cual participaron ocho familias, que experimentaron el suicidio de uno de sus miembros. La recolección de datos fue realizada por medio de entrevistas semiestructuradas y los datos fueron sometidos al análisis temático. Resultados: son presentados en cuatro núcleos temáticos, muestran las reacciones de pesar, desesperación y perplejidad de los familiares, que no consiguen entender las razones para un acto tan radical y los sentimientos de dolor por la pérdida, superpuestos con rabia, alivio y culpa, este último compartido con otras personas y los servicios sociales y de salud; y también se presentan las enseñanzas que la experiencia propicia Conclusión: los enfermeros y demás profesionales de la salud pueden ayudar a las familias supervivientes a reestructurarse después del suicidio de uno de sus miembros, con acciones de cuidado planeadas a partir de evaluaciones repetidas de la repercusión del suicidio en la familia como un todo y sobre sus miembros individualmente; también se identifican las dimensiones de la vida familiar más comprometidas, las necesidades individuales y familiares, y los procesos de resiliencia familiar.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| 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".