Derrames de petróleo y afectación a la salud materno infantil en pueblos indígenas de la Amazonía Peruana: Un Análisis exploratorio desde los determinantes de la salud
Bibliographic record
Abstract
El título completo de la investigación es "Derrames de petróleo y afectación a la salud materno infantil en pueblos indígenas de la Amazonía peruana: un análisis exploratorio desde los determinantes de la salud". Su objetivo es analizar la influencia de los derrames de petróleo en la salud materno infantil en Loreto, desde la perspectiva de los determinantes de la salud, que incluye el género. La metodología utilizada es interdisciplinaria y abarca métodos cualitativos y cuantitativos que requirieron una visita a la CN Cuninico. Se identificaron impactos directos de los derrames de petróleo en la salud materno infantil a través de revisión de literatura, los cuales coincidieron con los malestares autopercibidos por las madres de la comunidad. Asimismo, se identificaron tres impactos indirectos: la afectación de la seguridad alimentaria, el deterioro de la tranquilidad emocional de las mujeres y la acentuación de la división sexual del trabajo. Este estudio se desarrolló como resultado del XX Concurso Anual de Investigación CIES 2018, con el auspicio de Global Affairs Canada (GAC), el Centro Internacional de Investigaciones para el Desarrollo (IDRC, por sus siglas en inglés), la Fundación Manuel J. Bustamante De la Fuente, la Superintendencia Nacional de Aduanas y de Administración Tributaria (SUNAT) y el Consorcio de Investigación Económica y Social (CIES).
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".