Conocimientos sobre genética y actitudes sobre pruebas genéticas entre los internos rotativos de medicina de la universidad de cuenca. Cuenca-Azuay, 2021
Bibliographic record
Abstract
Antecedentes: La genética tiene una vasta aplicabilidad en la medicina. Sin embargo, los profesionales de la salud tienen pobres conocimientos sobre la materia. En este punto, la formación durante el pregrado en relación a la genética es primordial. \nObjetivo: Determinar los conocimientos sobre genética y las actitudes sobre pruebas genéticas de los Internos Rotativos de Medicina de la Universidad de Cuenca. \nMetodología: Se realizó un estudio observacional, descriptivo, de corte transversal; con una muestra de 153 Internos de Medicina. Se estudiaron los factores sociodemográficos, conocimientos sobre genética y actitudes sobre pruebas genéticas. Se aplicó la tercera versión de la Encuesta sobre Conocimientos y Actitudes en Genética. Se utilizaron porcentajes y frecuencias para las variables categóricas. Para las continuas con distribución normal, medias y desviaciones estándar. Mediana y rango intercuartílico para las que no cumplían este criterio. El análisis estadístico se realizó con IBM-SPSS v.23 y Microsoft Excel 2016. \nResultados: Se encuestó a 153 Internos. El 51,0% correspondía a la Cohorte de Septiembre 2021-Agosto 2022. El 58,2% fueron mujeres entre los 22 a 25 años (85,0%). El 75,2% tuvo un nivel de conocimiento genético medio, seguido por conocimientos bajos (15,0%) y altos (9,8%). Las actitudes de los participantes fueron adecuadas en relación a la aplicación de la genética, medicina convencional e investigación biomédica. \nConclusiones: El nivel de conocimientos sobre genética y las actitudes sobre pruebas genéticas de los Internos de Medicina de la Universidad de Cuenca fueron medios y adecuados, respectivamente.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| 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".