Deterioro cognitivo en pacientes post COVID-19 SCREENIG comparativo entre dos centros de salud durante la primera ola en la ciudad de Arequipa, Arequipa-peru-2022
Bibliographic record
Abstract
Introducción. El tiempo cronológico en el que se obtienen los datos de este trabajo de\ninvestigación se realiza en un ámbito en medio de la llamada primera ola de la pandemia de\nCOVID-19 en nuestro país. Durante esta pandemia como todos hemos podido experimentar\nse desarrolló tan rápido que ningún país estuvo preparado para esta emergencia sanitaria,\nincluido el nuestro, no estuvimos preparados ni sanitaria, ni económicamente para afrontar\nesta enfermedad\nObjetivo. Determinar si existe un Deterioro Cognitivo en pacientes post COVID-19en sus\nformas No graves, Identificar las características epidemiológicas de los pacientes post\nCOVID-19. de los Centros de Salud Ampliación Paucarpata y el Centrode Salud mental\nComunitario Simón Bolívar\nMétodo. Con motivo de esta investigación se realizará la recolección de datos del MoCA\nTest (Montreal Cognitive Assessment). El mismo que evalúa al individuo en las áreas de\nFunciones ejecutivas, Lenguaje, Orientación, Cálculo, Razonamiento conceptual,\nPercepción visual, Atención, Concentración. El test se realizará previa coordinación de los\nsujetos que cumplan los parámetros de inclusión, los resultados de esta evaluación se\nprocesaran estadísticamente\nResultados. Encontramos un deterioro cognitivo de un 42.9% de la población de estudio,\nde este grupo de estudio el 44.4% son de género masculino y el 55.6% de género femenino.\nDel total de la muestra el 50% se encuentra en el rango de 36 a 45 años. El deterioro\ncognitivo se evidencio en las siguientes áreas, Funciones Ejecutivas 61.9%, Memoria\nInmediata 47.6%, Fluidez Verbal 7.1%, Orientación 26.2%, Calculo 64.3%, Abstracción\n42.3%, Memoria Diferida 76.2, Percepción Visual 11.9%, Denominación 4.8%, Atención\n40.4%.\nConclusiones. En base a este trabajo de investigación podemos concluir que si existe un\ndeterioro cognitivo leve en la población incluida en este trabajo de investigación\n“DETERIORO COGNITIVO EN PACIENTES POST COVID 19” de los Centros de Salud\nAmpliación Paucarpata y el Centro de Salud mental Comunitario Simón Bolívar de\nArequipa-Perú”. El deterioro cognitivo en el universo total de la muestra asciende al 42.9\n%.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".