Principales dificultades de los proyectos de investigación de la especialidad Medicina General Integral
Bibliographic record
Abstract
RESUMEN Introducción: El residente de Medicina General Integral, una vez graduado, ejecutará investigaciones en correspondencia con las necesidades actuales del Sistema Nacional de Salud y a partir de los problemas de salud predominantes en su comunidad. Objetivo: Describir las principales dificultades en los proyectos de investigación de los residentes de la Especialidad de Medicina General Integral. Métodos: Se realizó un estudio observacional descriptivo transversal en la Facultad de Ciencias Médicas de Sagua la Grande en el período 2020-2021. La población objeto de análisis quedó constituida por un total de 69 proyectos de investigación provenientes de 5 policlínicos docentes de 3 municipios del territorio (Corralillo, Quemado de Güines y Sagua la Grande). Se revisó el proyecto de investigación, se confeccionó un modelo para la recogida de datos extraídos de los mismos y se elaboró una base de datos para su almacenamiento. Resultados: Las principales dificultades estuvieron dadas en no sustentar adecuadamente la investigación, en la redacción del problema científico, específicamente la relación entre el problema y el tipo de investigación, la conceptualización y/o operacionalización de las variables, la selección y elaboración de los métodos, técnicas e instrumentos para la recogida de la información y la acotación de la bibliografía por normas de Vancouver. Conclusiones: Resulta de vital importancia que los residentes de esta especialidad desarrollen habilidades investigativas desde el primer año de formación, lo que contribuirá a un mejor desempeño profesional a partir de la aplicación del método científico en la solución de los problemas de salud que se presenten en su quehacer diario.
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 | 0.018 | 0.035 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".