Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Saltar el buscador

Esta ingresando al contenido principal

  • Artículos

Los cuidados de salud de las familias haitianas en Canadá. Una aproximación antropológica de los dolores de estómago en los niños

CONTENIDO DE LIBRE ACCESO

Este contenido es de libre acceso. Solo haz clic en el siguiente botón.

Ir a este contenido
  • Autor
  • Año de publicación 01/01/2011
  • Idioma Español
  • Publicado por Revista Reflets; Vol. 17, No. 2
Descripción
El presente artículo expone los resultados de un trabajo de campo que se llevó a cabo sobre los inmigrantes haitianos en Montreal (Canadá). El objetivo del estudio fue el de explicar la escasa presencia de familias inmigrantes que consultaran la clínica de gastro-enterología del hospital universitario de la Universidad de Montreal (el CHU Sainte-Justine). Nos interesamos en los inmigrantes originarios de Haití ya que éstos representan una cultura médica importante y constituyen una de las minorías étnicas más numerosas en la ciudad de Montreal. La metodología utilizada fue de tipo cualitativo, con una aproximación antropológica hermenéutica. El análisis de los datos recogidos se basó en el modelo de « signos, significados y acciones » (Corin y Bibeau, 1995). Se realizaron trece entrevistas semi-estructuradas a cinco familias haitianas, con las cuales se logró documentar el conjunto de explicaciones dadas a los dolores de estómago y los medios empleados para aliviar estas dolencias en los niños. Igualmente, se identificaron los factores que hacen que las familias busquen, o no, los servicios clínicos. Finalmente, concluímos con algunas pistas de reflexión que son de utilidad para los médicos y los trabajadores sociales que trabajan con poblaciones vulnerables, particularmente con esta población inmigrante.
Citación recomendada (normas APA)
Liliana Gómez Cardona, "Los cuidados de salud de las familias haitianas en Canadá. Una aproximación antropológica de los dolores de estómago en los niños", Canadá:Revista Reflets; Vol. 17, No. 2, 2011. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/2087599/), el día 2025-01-14.

Contenidos relacionados

Compartir este contenido

Fundamentos de neurociencia

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Deep Learning Model with Conv-LSTM Networks for Subway Passenger Congestion Delay Prediction

A Deep Learning Model with Conv-LSTM Networks for Subway Passenger Congestion Delay Prediction

Por: Hindawi | Fecha: 2021

Cuando el transporte ferroviario urbano se enfrenta a un gran número de pasajeros de cercanías durante las horas punta, los viajeros suelen esperar al siguiente tren porque el metro funciona a plena carga, lo que provoca retrasos en el tiempo total de viaje de los pasajeros. El cálculo y la predicción del retraso por congestión en las estaciones de metro pueden orientar al departamento de operaciones y a los pasajeros para realizar una mejor planificación y selección. En este trabajo, utilizamos un nuevo método basado en la tecnología de aprendizaje profundo para evaluar el retraso por congestión de las estaciones de metro. En primer lugar, utilizamos datos del sistema de recogida automática de billetes (AFC) para evaluar los retrasos de congestión de las estaciones. A continuación, utilizamos una red convolucional de memoria a largo plazo (Conv-LSTM) para extraer características espaciales y temporales para resolver el problema de predicción a corto plazo del retraso de congestión del metro en la estructura de la red. Las variables espaciotemporales incluyen el flujo de pasajeros entrantes, el flujo de pasajeros salientes, el número de pasajeros retrasados y el tiempo medio de retraso. Como secuencia espaciotemporal, los objetivos de entrada y predicción son tensores tridimensionales espaciotemporales en el modelo de entrenamiento de extremo a extremo. La eficacia del método se verifica mediante un estudio de caso del Tránsito Ferroviario de Chongqing. Los resultados experimentales muestran que Conv-LSTM es mejor que los modelos de referencia a la hora de capturar la correlación espacial y temporal.

Compartir este contenido

A Deep Learning Model with Conv-LSTM Networks for Subway Passenger Congestion Delay Prediction

Copia el enlace o compártelo en redes sociales

¡Disfruta más de la BDB!

Explora contenidos digitales de forma gratuita, crea tus propias colecciones, colabora y comparte con otros.

Afíliate

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones

Compartir este contenido

Los cuidados de salud de las familias haitianas en Canadá. Una aproximación antropológica de los dolores de estómago en los niños

Copia el enlace o compártelo en redes sociales

¿Eliminar esta reseña?