Implementación de un proyecto de infraestructura de hospital de construcción rápida durante la crisis sanitaria contra el COVID 19, Lima 2020
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
A mediados del primer trimestre, específicamente en marzo del año 2020, el Perú enfrentó el destape de la pandemia del COVID 19, Bajo esos argumentos, EsSalud implementó el primer Hospital de construcción rápida San Isidro Labrador (FONAFE, 2020) que brindó 300 camas para atención de pacientes Covid. La investigación tuvo como objetivo determinar la relación entre la implementación de un proyecto de infraestructura de hospital de construcción rápida y crisis sanitaria contra el COVID 19, la metodología empleada fue de tipo descriptivo, enfoque cuantitativo y diseño no experimental correlacional. En los resultados se obtuvo que Rho = 0,827 y significación = 0.001 (p>0.05) entre la capacidad de infraestructura y crisis sanitaria se obtuvo Rho de Spearman = 0,832 con una significancia = 0.001 (p>0.05), también entre la adquisición de equipos y crisis sanitaria Rho= 0,766 y una significancia = 0.001 (p>0.05), por otro lado entre prestación de servicios terceros y crisis sanitaria se obtuvo Rho= -0,845 y una significancia=0.001 (p>0.05), y también entre la asistencia administrativa y crisis sanitaria Rho= 0,740 y una significancia = 0.001 (p>0.05), también entre la contratación de rrhh y crisis sanitaria Rho= 0,821 y una significancia = 0.001 (p>0.05), finalmente entre confección de procesos y estrategias sanitarias y crisis sanitaria Rho= -0,780 y una significancia = 0.001 (p>0.05), La conclusión fue que existe una correlación grado muy bajo entre implementación de un proyecto de infraestructura de hospital de construcción rápida y crisis sanitaria contra el COVID 19
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it