Historia natural y factores determinantes de la duración de las incapacidades temporales por contingencia común en trabajadores afiliados a la Seguridad Social
Bibliographic record
Abstract
Esta tesis doctoral está basada en el estudio de los factores determinantes de la duración de la incapacidad temporal por contingencia común (ITcc). Se examina la variabilidad geográfica de la duración de la ITcc entre comarcas de Cataluña para episodios de ITcc en general y para dos patologías frecuentes, trastornos musculoesqueléticos (TME) y trastornos mentales. Se utilizan datos de cohortes de episodios de ITcc cedidos por el Institut Català d’Avaluacions Mèdiques i Sanitàries (ICAMS) de la Generalitat de Catalunya. Se analizaron todos los primeros episodios de ITcc finalizados en el año 2007 y 2010 estudiando factores individuales (sexo, edad, diagnóstico, entidad gestora del episodio, régimen de afiliación a la Seguridad Social y rama de actividad económica) y/o contextuales relacionados con recursos sanitarios (número de áreas básicas de salud) y socioeconómicos (cuota de mercado y tasa de desempleo) que podrían explicar la variabilidad observada. Se utilizaron modelos de regresión multinivel de riesgos proporcionales con episodios anidados en comarcas. También se propone un modelo de fragilidad condicional basado en un enfoque Poisson para analizar la duración de la ITcc (u otro evento de interés) en presencia de eventos repetidos para un mismo individuo, y se muestra la utilidad del modelo para analizar dicha duración en grandes bases de datos. Se utilizaron episodios de ITcc finalizados en el año 2007 por trastorno mental y por neoplasia, a partir de los cuales se comparó empíricamente el modelo de fragilidad condicional (CFM) y el enfoque propuesto basado en un modelo de fragilidad condicional Poisson (CFPM).
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".