Abstract Unsupervised learning techniques are employed to study the relationship between atmospheric circulation and precipitation over Central America and its surrounding areas. Specifically, the clustering algorithm k-means++ is applied to three coarse-grained datasets from ERA-interim reanalysis that are the candidates for representing the atmospheric state vector, each candidate contains its full temporal variability. Datasets are composed of: a) wind fields at 925, 800 and 200 hPa, b) same as “a)” plus convective available potential energy and c) same as “a)” plus total column water vapor. Clustering metrics, namely the variance ratio criterion, the silhouette criterion and the mean squared error, are computed to quantify clustering quality. Clusters are interpreted as weather types, recurrent configurations of the atmospheric state vector associated with observable weather states. The correct number of clusters for each dataset is determined with a Monte Carlo test of normality, to assure cluster existence. The main objective is to obtain a set of weather types containing elements that characterize the transition from and to the rainy season over the Pacific side of Central America as well as other elements of the seasonal cycle of regional precipitation, such as the Mid-Summer Drought. Besides the statistical metrics, in order to select between candidate datasets and plausible number of clusters, focus is given to the temporal characteristics of the clusters. Existing literature does not provide a set of weather types suitable to analyze seasonal transitions and the differences in the mechanisms associated with rainfall maxima.

Resumen Técnicas de aprendizaje no supervisado se emplean para estudiar la relación entre la circulación atmosférica y la precipitación sobre América Central y sus áreas circundantes. Específicamente, el algoritmo de agrupamiento k-means++ se aplica a tres conjuntos de datos de baja resolución del reanálisis ERA interim, estos son candidatos a representar el vector de estado atmosférico y cada uno contiene su variabilidad temporal completa. Los conjuntos de datos probados son: a) campos de viento a 925, 800 y 200 hPa, b) lo mismo que “a)” más la energía potencial convectiva disponible y c) lo mismo que “a)” más el vapor de agua en la columna total. Se calculan métricas de agrupamiento, a saber, el criterio de relación de varianza, el criterio de silueta y el error cuadrático medio, para cuantificar la calidad del agrupamiento. Los grupos se interpretan como weather types, configuraciones recurrentes del vector de estado atmosférico asociadas con estados observables del tiempo atmosférico. El número correcto de grupos para cada conjunto de datos se determina con una prueba de normalidad de Monte Carlo para asegurar la existencia de grupos reales. El objetivo principal es obtener un conjunto de weather types que contengan elementos que caractericen la transición de y hacia la temporada de lluvias en la vertiente del Pacífico de América Central, así como otros elementos del ciclo estacional de precipitación regional, como las canículas. Además de las métricas estadísticas, para seleccionar entre conjuntos de datos y un número plausible de grupos, se presta atención a las características temporales de los grupos. La literatura existente no proporciona un conjunto de weather types adecuado para analizar transiciones estacionales y las diferencias en los mecanismos asociados con los máximos estacionales de lluvia.

Resumen El comportamiento de los componentes de las plantas proteicas es de vital importancia para los animales que los consumen en su dieta. La presente investigación tiene como objetivo evaluar algoritmos de regresión para determinar la conducta de las expresiones que mejor se adaptan a los procedimientos de un laboratorio tradicional y estimar los componentes químicos de plantas proteicas, en este sentido, se ha utilizado la biblioteca MULAN de java, que contiene algoritmos de aprendizaje automático capaces de adaptarse a disímiles problemas. Para ello, se crearon tres conjuntos de datos para cada especie estudiada en este trabajo; cada uno de estos incluye los elementos principales a ser evaluados en cada experimento, que están delimitados por: Metabolitos secundarios, componentes de la pared celular y digestibilidad para los ficheros de entrenamiento uno, dos y tres, respectivamente. Posteriormente, fueron evaluados por medio del aprendizaje supervisado y una validación cruzada de cada uno para determinar el mejor ajuste por aRMSE (Error cuadrático medio de la raíz). Los resultados del aprendizaje fueron comparados con experimentos anteriores, donde se tenía una variante de aprendizaje que contenía en un solo dataset todos los componentes a evaluar en una sola predicción. El resultado de la comparación muestra que los algoritmos vagos basados en instancias tienen un mejor comportamiento en el aprendizaje que los otros evaluados.

Abstract The behavior of components of protein plant is of vital importance for animals that consume them in their diet. The objective of this research is to evaluate regression algorithms, to determine the behavior of the expressions that best adapt to the procedures of a traditional laboratory and to estimate the chemical components of protein plants, in this sense the MULAN library of java has been used, that contain automatic learning algorithms capable of adapting to dissimilar problems. Three data set were created for each species treated in this study; each of these include the main elements to be evaluate in each experiment, these are delimitings by: secondary metabolites, cell wall components and digestibility element for training files one, two and three, respectively; subsequently, they were evaluated through learning supervised and cross-validation of each to determine the best fit by aRMSE (Average Root Mean Square Error). The learning results were compare with previous experiments, where there was a learning variant that contained in a single dataset all the components to be evaluates in a single prediction. The result of the comparison shows that the lazy algorithms based on instances have a better learning behavior than the others evaluate.

SUMMARY: The study purposed to examine the morphometry and morphology of crista galli in cone beam computed tomography (CBCT) and apply a new analysis, supervised Machine Learning techniques to find the answers to research questions “Can sex be determined with crista galli morphometric measurements?” or “How effective are the crista galli morphometric measurements in determining sex?”. Crista galli dimensions including anteroposterior, superoinferior, and laterolateral were measured and carried out on 200 healthy adult subjects (98 females; 102 males) aged between 18-79 years. Also, crista galli was classified with two methods called morphological types and Keros classification. In this study, the Chi-square test, Student's t-test, and Oneway ANOVA were performed. Additionally, Machine Learning techniques were applied. The means of the CGH, CGW, and CGL were found as 14.96 mm; 3.96 mm, and 12.76 mm in males, respectively. The same values were as 13.54 mm; 3.51 mm and 11.59±1.61 mm in females, respectively. The CG morphometric measurements of males were higher than those of females. There was a significant difference between sexes in terms of morphological classification type. Also, when the sex assignment of JRip was analyzed, out of 102 male instances 62 of them were correctly predicted, and for 98 female instances, 70 of them were correctly predicted according to their CG measurements. The JRip found the following classification rule for the given dataset: “if CGH<=14.4 then sex is female, otherwise sex is male”. The accuracy of this rule is not high, but it gives an idea about the relationship between CG measurements and sex. Although the issue that CG morphometric measurements can be used in sex determination is still controversial, it was concluded in the analysis that CG morphometric measurements can be used in sex determination. Also, Machine Learning Techniques give an idea about the relationship between CG measurements and sex.

RESUMEN: En el estudio se propuso examinar la morfometría y la morfología de la crista galli del hueso etmoides usando tomografía computarizada de haz cónico (CBCT) y aplicar un nuevo análisis, técnicas de aprendizaje automático supervisado para encontrar las respuestas a las preguntas de investigación "¿Se puede determinar el sexo con mediciones morfométricas de la crista galli?" o “¿Qué tan efectivas son las medidas morfométricas de la crista galli para determinar el sexo?”. Las dimensiones de la crista galli, incluidas los diámetros anteroposterior, superoinferior y laterolateral, se midieron y realizaron en 200 sujetos adultos sanos (98 mujeres; 102 hombres) con edades comprendidas entre los 18 y los 79 años. La crista galli se clasificó con dos métodos llamados tipos morfológicos y clasificación de Keros. En este estudio, se realizaron la prueba de Chicuadrado, la prueba t de Student y ANOVA de una vía. Adicionalmente, se aplicaron técnicas de Machine Learning. Las medias de CGH, CGW y CGL se encontraron en 14,96 mm; 3,96 mm y 12,76 mm en hombres, respectivamente. Los mismos valores fueron 13,54 mm; 3,51 mm y 11,59 ± 1,61 mm en mujeres, respectivamente. Las medidas morfométricas del CG de los hombress fueron más altas que las de las mujeres. Hubo una diferencia significativa entre sexos en cuanto al tipo de clasificación morfológica. Además, cuando se analizó la asignación de sexo de JRip, de 102 instancias masculinas, 62 de ellas se predijeron correctamente, y de 98 instancias femeninas, 70 de ellas se predijeron correctamente de acuerdo con las mediciones de CG. El JRip encontró la siguiente regla de clasificación para el conjunto de datos dado: "si CGH<=14.4, por tanto el sexo es femenino, de lo contrario, el sexo es masculino". La precisión de esta regla no es alta, pero da una idea de la relación entre las medidas del CG y el sexo. Aunque la pregunta si las medidas morfométricas CG se pueden usar en la determinación del sexo sigue aún siendo controvertida. Se concluyó en el análisis que las medidas morfométricas CG se pueden usar en la determinación del sexo. Además, las técnicas de aprendizaje automático dan una idea de la relación entre las medidas de CG y el sexo.

RESUMEN El aprendizaje conjunto es un término que se utiliza para referirse a los métodos que combinan varios algoritmos para tomar una decisión, generalmente en tareas de aprendizaje automático supervisado. En los últimos años la regresión logística, Support Vector Machine, la red neuronal y otros algoritmos de aprendizaje de máquinas se han utilizado en el diagnostico inteligente de fallas en maquinaria rotativa, sin embargo, cada algoritmo tiene sus ventajas y desventajas y pueden funcionar de distinta manera para un determinado conjunto de datos. En el presente artículo científico se proponen tres modelos de detección de fallas en cajas de engranajes bajo el enfoque de aprendizaje conjunto utilizando las técnicas de clasificación por votación mayoritaria, votación suave y apilamiento a través de las cuales se combinan las predicciones de varios estimadores a fin de mejorar la generalización y la robustez sobre un solo estimador. Para el desarrollo de los modelos especificados se utiliza un conjunto de datos de señales de falla de cajas de engranajes y cuatro técnicas de clasificación las cuales son: regresión logística, support vector machine, XGBoost y random forest. Los resultados finales de precisión de los modelos de votación mayoritaria y votación suave son 99.86% y 99.82% respectivamente, mientras que la precisión del modelo bajo el enfoque de apilamiento es de 99.85%. En comparación con los resultados de los clasificadores individuales, se demuestra que los modelos de aprendizaje conjunto compensan los errores cometidos por los clasificadores individuales y mejoran efectivamente la precisión de clasificación.

ABSTRACT Joint learning is a term used to refer to methods that combine several algorithms to make a decision, usually in supervised machine learning tasks. In recent years logistic regression, Support Vector Machine, neural network and other machine learning algorithms have been used in intelligent fault diagnosis in rotating machinery, however, each algorithm has its advantages and disadvantages and may perform differently for a given data set. In this scientific paper, three gearbox fault detection models are proposed under the ensemble learning approach using the majority voting, soft voting and stacking classification techniques through which the predictions of several estimators are combined in order to improve generalization and robustness over a single estimator. A data set of gearbox failure signals and four classification techniques are used to develop the specified models: logistic regression, support vector machine, XGBoost and random forest. The final accuracy results of the majority voting and soft voting models are 99.86% and 99.82% respectively, while the accuracy of the model under the stacking approach is 99.85%. Compared with the results of the individual classifiers, it is shown that the ensemble learning models compensate for the errors made by the individual classifiers and effectively improve the classification accuracy.

Resumen Contexto: En el sector educativo se han identificado variables que inciden considerablemente en el rendimiento academico de los estudiantes. En la ultima decada se han llevado a cabo investigaciones desde diversos campos como la psicologia, la estadistica y el analisis de datos con el fin de predecir el rendimiento academico. Metodo: La analitica de datos, especialmente a traves de herramientas de Machine Learning, permite predecir el rendimiento academico utilizando algoritmos de aprendizaje supervisado basados en variables academicas, demograficas y sociodemograficas. En este trabajo se seleccionan las variables mas influyentes en el transcurso de la vida academica de los estudiantes mediante metodos de filtro, embebidos, y de ensamble, asi como las caracteristicas mas importantes semestre a semestre utilizando algoritmos de Machine Learning (arbol de decision, KNN, SVC, Naive Bayes, LDA), implementados en el lenguaje Python. Resultados: Los resultados del estudio muestran que el KNN es el modelo que mejor predice el rendimiento academico para cada uno de los semestres, seguido de los arboles de decision, con valores de precision que oscilan alrededor del 80 y 78,5% en algunos semestres. Conclusiones: Con respecto a las variables, no se puede decir que el promedio academico semestral de un estudiante influya necesariamente en la prediccion del rendimiento academico del siguiente semestre. El analisis de estos resultados indica que la prediccion del rendimiento academico utilizando herramientas de Machine Learning es un enfoque promisorio que puede ayudar a mejorar la vida academica de los estudiantes y permitir a las instituciones y a los docentes adoptar acciones que ayuden al proceso de ensenanza-aprendizaje.

Abstract Context: In the education sector, variables have been identified which considerably affect students’ academic performance. In the last decade, research has been carried out from various fields such as psychology, statistics, and data analytics in order to predict academic performance. Method: Data analytics, especially through Machine Learning tools, allows predicting academic performance using supervised learning algorithms based on academic, demographic, and sociodemographic variables. In this work, the most influential variables in the course of students’ academic life are selected through wrapping, embedded, filter, and assembly methods, as well as the most important characteristics semester by semester using Machine Learning algorithms (Decision Trees, KNN, SVC, Naive Bayes, LDA), which were implemented using the Python language. Results: The results of the study show that the KNN is the model that best predicts academic performance for each of the semesters, followed by Decision Trees, with precision values that oscillate around 80 and 78,5% in some semesters. Conclusions: Regarding the variables, it cannot be said that a student’s per-semester academic average necessarily influences the prediction of academic performance for the next semester. The analysis of these results indicates that the prediction of academic performance using Machine Learning tools is a promising approach that can help improve students’ academic life allow institutions and teachers to take actions that contribute to the teaching-learning process.

Abstract The main objective of this work is to examine the role of early warning systems to find currency crises in Mexico during the period 1996-2022. This is calculated by the index of speculative pressures (ISP) developed in the 90`s to predict disruptions that went through different developing countries. A Markov regime shift model and support vector machines (SVM) are used to capture the dynamics of the ISP. The results obtained suggests that supervised learning models has better a performance than regime change models as the early warning system, since SVM models can capture the signals sent by different macroeconomic variables, that can be used as guidelines to be take response to these events.

Resumen El objetivo general de este trabajo es analizar el papel que tienen los sistemas de alerta temprana para identificar las crisis cambiarias en México para el periodo 1996-2022. Esto fue calculado por medio del índice de presiones especulativas (ISP) que fue desarrollado en la década de los 90`s para predecir las disrupciones por las que atravesaron distintos países en vías de desarrollo. Se empleó un modelo de cambio de régimen de Markov y de máquinas de soporte vectorial (SVM) para capturar la dinámica del ISP. Los resultados obtenidos sugieren que los modelos de aprendizaje supervisado presentan un mejor desempeño que los modelos de cambio de régimen como un sistema de alerta temprana, ya que los modelos SVM pueden capturar las señales enviadas por distintas variables macroeconómicas que permiten armar las guías a partir de la respuesta de los eventos.

ABSTRACT Artificial intelligence methods using unsupervised learning tools can support problem solving by establishing unidentified grouping or classification patterns that allow typing subgroups for more individualized management. There are few studies that allow us to know the influence of digestive and extra-digestive symptoms in the classification of functional dyspepsia. This research carried out a cluster unsupervised learning analysis based on these symptoms to discriminate subtypes of dyspepsia and compare with one of the currently most accepted classifications. An exploratory cluster analysis was carried out in adults with functional dyspepsia according to digestive, extra-digestive and emotional symptoms. Grouping patterns were formed in such a way that within each group there was homogeneity in terms of the values adopted by each variable. The cluster analysis method was two-stage and the results of the classification pattern were compared with one of the most accepted classifications of functional dyspepsia. Of 184 cases, 157 met the inclusion criteria. The cluster analysis excluded 34 unclassifiable cases. Patients with type 1 dyspepsia (cluster one) presented improvement after treatment in 100% of cases, only a minority presented depressive symptoms. Patients with type 2 dyspepsia (cluster two) presented a higher probability of failure to treatment with proton pump inhibitor, suffered more frequently from sleep disorders, anxiety, depression, fibromyalgia, physical limitations or chronic pain of a non-digestive nature. This classification of dyspepsia by cluster analysis establishes a more holistic vision of dyspepsia in which extradigestive characteristics, affective symptoms, presence or absence of sleep disorders and chronic pain allow discriminating behavior and response to first-line management.

RESUMEN Los métodos de inteligencia artificial utilizando herramientas de aprendizaje no supervisado pueden apoyar la resolución de problemas al establecer patrones de agrupación o clasificación no identificados, que permiten tipificar subgrupos para manejos más individualizados. Existen pocos estudios que permiten conocer la influencia de síntomas digestivos y extradigestivos en la tipificación dispepsia funcional; esta investigación realizó un análisis de aprendizaje no supervisado por conglomerados basándose en dichos síntomas, para discriminar subtipos de dispepsia y comparar con una de las clasificaciones actualmente más aceptadas. Se realizó un análisis exploratorio de conglomerados en adultos con dispepsia funcional según síntomas digestivos, extradigestivos y emocionales. Se conformaron patrones de agrupación de tal manera que dentro de cada grupo existiera homogeneidad en cuanto a los valores adoptados por cada variable. El método de análisis de conglomerados fue bietápico y los resultados del patrón de clasificación se compararon con una de las clasificaciones más aceptadas de dispepsia funcional. De 184 casos, 157 cumplieron con criterios de inclusión. El análisis de conglomerados excluyó 34 casos no clasificables. Los pacientes con dispepsia de tipo 1 (conglomerado uno), presentaron mejoría al tratamiento en el 100% de los casos, solo una minoría presentaron síntomas depresivos. Los pacientes con dispepsia de tipo 2 (conglomerado dos) presentaron una mayor probabilidad de falla al tratamiento con inhibidor de bomba de protones, padecieron con mayor frecuencia trastornos de sueño, ansiedad, depresión, fibromialgia, limitaciones físicas o dolor crónico de naturaleza no digestiva. Esta clasificación de dispepsia por análisis de clúster establece una visión más holística de la dispepsia en la cual características extradigestivas, síntomas afectivos, presencia o no de trastornos de sueño y de dolor crónico permiten discriminar el comportamiento y respuesta al manejo de primera línea.

Abstract: Because of the impact on productivity and cost reduction, decision making in industrial processes is one of the most required aspects in the industry. Specifically in the panel industries, product quality depends on multiple variables, especially wood variability. Among other factors, quality depends on the adhesion of veneers or perpendicular tensile strength. The main objective of this study was to evaluate a Machine Learning approach to predict the adhesion under industrial conditions in the gluing and pre-pressing stage. The control variables that determine this adhesion are mainly: operational times, amount of adhesive, environmental conditions, and veneer temperature. Using Knowledge Discovery in Databases data analytics methodology, Artificial Neural Networks and Support Vector Machine were evaluated. The sigmoid activation function was used with 3 hidden layers and 245 neurons. In addition to the Adam optimizer, Multi-LayerPerceptron, Artificial Neural Networks delivered the best accuracy levels of over 66 %. Sigmoid showed an accuracy of over 66 %, precision fit good to find positive results (70 %). Relu function obtained the best recall (over 74 %) showing a good capacity to identify reality. Results show that it is not sufficient to generate a data set using the averages of each process variable, since it is difficult to obtain better results with the algorithms evaluated. This work contributes to defining a methodology to be used in plywood plants using industrial data to train and validate Machine Learning models.

Resumen: Dado el impacto que tiene en la productividad y en la reducción de costos, la toma de decisiones es uno de los aspectos más requeridos en la industria. En la fabricación de tableros, la calidad del producto es función de múltiples variables, especialmente de la variabilidad de la madera. Esta calidad depende, entre otros factores, de la adherencia entre chapas o resistencia a la tracción perpendicular. El objetivo principal de este estudio fue evaluar un enfoque de Machine Learning, esto es modelos de aprendizaje automático, que permitan predecir la adherencia bajo condiciones de operación industrial, en la etapa de encolado y pre-prensado. Las principales variables de control que determinan esta adherencia son los tiempos operacionales, la cantidad de adhesivo, las condiciones ambientales y la temperatura en la chapa. Usando la metodología de analítica de datos Knowledge Discovery in Databases, se evaluaron algoritmos de Redes Neuronales Artificiales y Máquina de Soporte Vectorial. La función Sigmoid entregó resultados de acierto global (accuracy sobre el 66 %) y precisión en encontrar resultados correctos (casi 70 %). Al usar la función Relu se obtuvó un recall (sobre el 74 %), lo que muestra su aptitud para identificar la realidad. Estos resultados muestran la viabilidad de usar inteligencia artificial en la predicción de procesos complejos. Muchos espacios de mejora se abren con un adecuado pretratamiento de las variables de proceso a objeto de obtener mejores resultados. El aporte de este trabajo radica en la definición de una metodología para ser usada en plantas industriales, en particular en la fabricación de tableros contrachapados, y en mostrar la factibilidad del uso de datos industriales y Machine Learning en la predicción de la calidad del producto.

Los pacientes con síndrome pos-COVID-19 pueden beneficiarse de los programas de promoción de la salud. Su rápida identificación es importante para el uso efectivo de estos programas. Las técnicas de identificación tradicionales no tienen un buen desempeño, especialmente en pandemias. Se realizó un estudio observacional descriptivo, con el uso de 105.008 autorizaciones previas pagadas por un operador de salud privado mediante la aplicación de un método no supervisado de procesamiento del lenguaje natural mediante modelado temático para identificar a los pacientes sospechosos de estar infectados por COVID-19. Se generaron 6 modelos: 3 con el uso del algoritmo BERTopic y 3 modelos Word2Vec. El modelo BERTopic crea automáticamente grupos de enfermedades. En el modelo Word2Vec para definir temas relacionados con la COVID-19, fue necesario el análisis manual de los primeros 100 casos de cada tema. El modelo BERTopic con más de 1.000 autorizaciones por tema sin tratamiento de palabras seleccionó a pacientes más graves: costo promedio por autorizaciones previas pagada de BRL 10.206 y gasto total de BRL 20,3 millones (5,4%) en 1.987 autorizaciones previas (1,9%). Además, contó con el 70% de aciertos en comparación con el análisis humano y el 20% de los casos con potencial interés, todos los cuales pueden analizarse para su inclusión en un programa de promoción de la salud. Hubo una pérdida significativa de casos en comparación con el modelo tradicional de investigación con lenguaje estructurado y se identificó otros grupos de enfermedades: ortopédicas, mentales y cáncer. El modelo BERTopic sirvió como un método exploratorio para ser utilizado en el etiquetado de casos y su posterior aplicación en modelos supervisados. La identificación automática de otras enfermedades plantea preguntas éticas sobre el tratamiento de la información de salud mediante el aprendizaje de máquina.

Os pacientes com síndrome pós-COVID-19 se beneficiam de programas de promoção de saúde e sua rápida identificação é importante para a utilização custo efetiva desses programas. Técnicas tradicionais de identificação têm fraco desempenho, especialmente em pandemias. Portanto, foi realizado um estudo observacional descritivo utilizando 105.008 autorizações prévias pagas por operadora privada de saúde com aplicação de método não supervisionado de processamento de linguagem natural por modelagem de tópicos para identificação de pacientes suspeitos de infecção por COVID-19. Foram gerados seis modelos: três utilizando o algoritmo BERTopic e três modelos Word2Vec. O modelo BERTopic cria automaticamente grupos de doenças. Já no modelo Word2Vec, para definição dos tópicos relacionados a COVID-19, foi necessária análise manual dos 100 primeiros casos de cada tópico. O modelo BERTopic com mais de 1.000 autorizações por tópico sem tratamento de palavras selecionou pacientes mais graves - custo médio por autorizações prévias pagas de BRL 10.206 e gasto total de BRL 20,3 milhões (5,4%) em 1.987 autorizações prévias (1,9%). Teve 70% de acerto comparado à análise humana e 20% de casos com potencial interesse, todos passíveis de análise para inclusão em programa de promoção à saúde. Teve perda importante de casos quando comparado ao modelo tradicional de pesquisa com linguagem estruturada e identificou outros grupos de doenças - ortopédicas, mentais e câncer. O modelo BERTopic serviu como método exploratório a ser utilizado na rotulagem de casos e posterior aplicação em modelos supervisionados. A identificação automática de outras doenças levanta questionamentos éticos sobre o tratamento de informações em saúde por aprendizado de máquina.

Patients with post-COVID-19 syndrome benefit from health promotion programs. Their rapid identification is important for the cost-effective use of these programs. Traditional identification techniques perform poorly especially in pandemics. A descriptive observational study was carried out using 105,008 prior authorizations paid by a private health care provider with the application of an unsupervised natural language processing method by topic modeling to identify patients suspected of being infected by COVID-19. A total of 6 models were generated: 3 using the BERTopic algorithm and 3 Word2Vec models. The BERTopic model automatically creates disease groups. In the Word2Vec model, manual analysis of the first 100 cases of each topic was necessary to define the topics related to COVID-19. The BERTopic model with more than 1,000 authorizations per topic without word treatment selected more severe patients - average cost per prior authorizations paid of BRL 10,206 and total expenditure of BRL 20.3 million (5.4%) in 1,987 prior authorizations (1.9%). It had 70% accuracy compared to human analysis and 20% of cases with potential interest, all subject to analysis for inclusion in a health promotion program. It had an important loss of cases when compared to the traditional research model with structured language and identified other groups of diseases - orthopedic, mental and cancer. The BERTopic model served as an exploratory method to be used in case labeling and subsequent application in supervised models. The automatic identification of other diseases raises ethical questions about the treatment of health information by machine learning.

Abstract Objective To compare the performance of machine-learning models with the Medication Fall Risk Score (MFRS) in predicting fall risk related to prescription medications. Methods This is a retrospective case-control study of adult and older adult patients in a tertiary hospital in Porto Alegre, RS, Brazil. Prescription drugs and drug classes were investigated. Data were exported to the RStudio software for statistical analysis. The variables were analyzed using Logistic Regression, Naive Bayes, Random Forest, and Gradient Boosting algorithms. Algorithm validation was performed using 10-fold cross validation. The Youden index was the metric selected to evaluate the models. The project was approved by the Research Ethics Committee. Results The machine-learning model showing the best performance was the one developed by the Naive Bayes algorithm. The model built from a data set of a specific hospital showed better results for the studied population than did MFRS, a generalizable tool. Conclusion Risk-prediction tools that depend on proper application and registration by professionals require time and attention that could be allocated to patient care. Prediction models built through machine-learning algorithms can help identify risks to improve patient care.

Resumen Objetivo Comparar el desempeño de modelos de aprendizaje de máquina con Medication Fall Risk Score (MFRS) para la previsión del riesgo de caída relacionado con medicamentos prescriptos. Métodos Se trata de un estudio caso-control retrospectivo de pacientes adultos y adultos mayores de un hospital terciario de Porto Alegre, estado de Rio Grande do Sul, Brasil. Se investigaron los medicamentos prescriptos y las clases de medicamentos. Los datos fueron exportados al software RStudio para el análisis estadístico. Las variables se analizaron a través de los algoritmos de regresión logística Naive Bayes, Random Forest y Gradient Boosting. La validación del algoritmo se realizó usando validación cruzada de 10 veces. El índice de Youden fue la métrica seleccionada para evaluar los modelos. El proyecto fue aprobado por el Comité de Ética en Investigación. Resultados El modelo de aprendizaje de máquina que presentó el mejor desempeño fue el desarrollado por el algoritmo Naive Bayes. El modelo construido a partir de un conjunto de datos de un hospital específico presentó mejores resultados en la población estudiada que el MFRS, una herramienta generalizada. Conclusión Herramientas de previsión de riesgo que dependen de la aplicación y el registro adecuados por parte de los profesionales demandan tiempo y atención que podría ser destinado al cuidado del paciente. Modelos de previsión construidos mediante algoritmos de aprendizaje de máquina pueden ayudar a identificar riesgos para mejorar la atención al paciente.

Resumo Objetivo Comparar o desempenho de modelos de aprendizado de máquina com o Medication Fall Risk Score (MFRS) na previsão de risco de queda relacionado a medicamentos prescritos. Métodos Trata-se de um estudo caso-controle retrospectivo de pacientes adultos e idosos de um hospital terciário de Porto Alegre, RS, Brasil. Medicamentos prescritos e classes de medicamentos foram investigados. Os dados foram exportados para o software RStudio para análise estatística. As variáveis foram analisadas por meio dos algoritmos de Regressão Logística, Naive Bayes, Random Forest e Gradient Boosting. A validação do algoritmo foi realizada usando validação cruzada de 10 vezes. O índice de Youden foi a métrica selecionada para avaliar os modelos. O projeto foi aprovado pelo Comitê de Ética em Pesquisa. Resultados O modelo de aprendizado de máquina que apresentou melhor desempenho foi o desenvolvido pelo algoritmo Naive Bayes. O modelo construído a partir de um conjunto de dados de um hospital específico apresentou melhores resultados para a população estudada do que o MFRS, uma ferramenta generalizável. Conclusão Ferramentas de previsão de risco que dependem de aplicação e registro adequados por parte dos profissionais demandam tempo e atenção que poderiam ser alocados ao cuidado do paciente. Modelos de previsão construídos por meio de algoritmos de aprendizado de máquina podem ajudar a identificar riscos para melhorar o atendimento ao paciente.

Patients with post-COVID-19 syndrome benefit from health promotion programs. Their rapid identification is important for the cost-effective use of these programs. Traditional identification techniques perform poorly especially in pandemics. A descriptive observational study was carried out using 105,008 prior authorizations paid by a private health care provider with the application of an unsupervised natural language processing method by topic modeling to identify patients suspected of being infected by COVID-19. A total of 6 models were generated: 3 using the BERTopic algorithm and 3 Word2Vec models. The BERTopic model automatically creates disease groups. In the Word2Vec model, manual analysis of the first 100 cases of each topic was necessary to define the topics related to COVID-19. The BERTopic model with more than 1,000 authorizations per topic without word treatment selected more severe patients - average cost per prior authorizations paid of BRL 10,206 and total expenditure of BRL 20.3 million (5.4%) in 1,987 prior authorizations (1.9%). It had 70% accuracy compared to human analysis and 20% of cases with potential interest, all subject to analysis for inclusion in a health promotion program. It had an important loss of cases when compared to the traditional research model with structured language and identified other groups of diseases - orthopedic, mental and cancer. The BERTopic model served as an exploratory method to be used in case labeling and subsequent application in supervised models. The automatic identification of other diseases raises ethical questions about the treatment of health information by machine learning.

Los pacientes con síndrome pos-COVID-19 pueden beneficiarse de los programas de promoción de la salud. Su rápida identificación es importante para el uso efectivo de estos programas. Las técnicas de identificación tradicionales no tienen un buen desempeño, especialmente en pandemias. Se realizó un estudio observacional descriptivo, con el uso de 105.008 autorizaciones previas pagadas por un operador de salud privado mediante la aplicación de un método no supervisado de procesamiento del lenguaje natural mediante modelado temático para identificar a los pacientes sospechosos de estar infectados por COVID-19. Se generaron 6 modelos: 3 con el uso del algoritmo BERTopic y 3 modelos Word2Vec. El modelo BERTopic crea automáticamente grupos de enfermedades. En el modelo Word2Vec para definir temas relacionados con la COVID-19, fue necesario el análisis manual de los primeros 100 casos de cada tema. El modelo BERTopic con más de 1.000 autorizaciones por tema sin tratamiento de palabras seleccionó a pacientes más graves: costo promedio por autorizaciones previas pagada de BRL 10.206 y gasto total de BRL 20,3 millones (5,4%) en 1.987 autorizaciones previas (1,9%). Además, contó con el 70% de aciertos en comparación con el análisis humano y el 20% de los casos con potencial interés, todos los cuales pueden analizarse para su inclusión en un programa de promoción de la salud. Hubo una pérdida significativa de casos en comparación con el modelo tradicional de investigación con lenguaje estructurado y se identificó otros grupos de enfermedades: ortopédicas, mentales y cáncer. El modelo BERTopic sirvió como un método exploratorio para ser utilizado en el etiquetado de casos y su posterior aplicación en modelos supervisados. La identificación automática de otras enfermedades plantea preguntas éticas sobre el tratamiento de la información de salud mediante el aprendizaje de máquina.

Os pacientes com síndrome pós-COVID-19 se beneficiam de programas de promoção de saúde e sua rápida identificação é importante para a utilização custo efetiva desses programas. Técnicas tradicionais de identificação têm fraco desempenho, especialmente em pandemias. Portanto, foi realizado um estudo observacional descritivo utilizando 105.008 autorizações prévias pagas por operadora privada de saúde com aplicação de método não supervisionado de processamento de linguagem natural por modelagem de tópicos para identificação de pacientes suspeitos de infecção por COVID-19. Foram gerados seis modelos: três utilizando o algoritmo BERTopic e três modelos Word2Vec. O modelo BERTopic cria automaticamente grupos de doenças. Já no modelo Word2Vec, para definição dos tópicos relacionados a COVID-19, foi necessária análise manual dos 100 primeiros casos de cada tópico. O modelo BERTopic com mais de 1.000 autorizações por tópico sem tratamento de palavras selecionou pacientes mais graves - custo médio por autorizações prévias pagas de BRL 10.206 e gasto total de BRL 20,3 milhões (5,4%) em 1.987 autorizações prévias (1,9%). Teve 70% de acerto comparado à análise humana e 20% de casos com potencial interesse, todos passíveis de análise para inclusão em programa de promoção à saúde. Teve perda importante de casos quando comparado ao modelo tradicional de pesquisa com linguagem estruturada e identificou outros grupos de doenças - ortopédicas, mentais e câncer. O modelo BERTopic serviu como método exploratório a ser utilizado na rotulagem de casos e posterior aplicação em modelos supervisionados. A identificação automática de outras doenças levanta questionamentos éticos sobre o tratamento de informações em saúde por aprendizado de máquina.

Resumen: El objetivo de este trabajo es identificar la eficacia de los objetos virtuales de aprendizaje (OVA) en la adquisición de competencias en química entre alumnos de primer año de dos universidades de Coquimbo, Chile, y evaluar el desarrollo de competencias para el empleo y la vida en sociedad. La investigación se circunscribe a una metodología cuasiexperimental de pre y post test con grupo de control. Los instrumentos utilizados cuentan con un índice de Alfa de Cronbach de 0.8 y 0.9 respectivamente. Los resultados muestran la eficacia de los OVA en apropiación de competencias, con significación estadística entre un 79 % y 100 %. En las competencias hay evidencias de articulación entre ellas, lo que deja indicios para seguir indagando la relación entre actitudes y competencias. Se concluye que los OVA, en el proceso enseñanza-aprendizaje en línea supervisado por el docente, motivan a los estudiantes a aprender y potencian las habilidades de interpretación, modelación de análisis y ejecución de procedimientos para solucionar problemas de química.

Abstract: The objective of this work is to identify the effectiveness of virtual learning objects (VLOs) in the acquisition of chemistry competencies among first year students of two universities in Coquimbo, Chile, and to evaluate the development of competencies for employment and life in society. The research is limited to a quasi-experimental methodology of pre- and post-test with a control group. The instruments used have a Cronbach's Alpha index of 0.8 and 0.9 respectively. The results show the effectiveness of the VLOs in the appropriation of competencies, with statistical significance between 79 % and 100 %. In the competencies there is evidence of articulation between them, which leaves indications to continue investigating the relationship between attitudes and competencies. It is concluded that the VLOs, in the online teaching-learning process supervised by the teacher, motivate students to learn and enhance the skills of interpretation, analysis modeling and execution of procedures to solve chemistry problems.

Resumo: O objetivo deste trabalho é identificar a eficácia dos Objetos Virtuais de Aprendizagem (OVAs) na aquisição de habilidades de química entre estudantes do primeiro ano em duas universidades em Coquimbo, Chile, e avaliar o desenvolvimento de habilidades para o emprego e a vida em sociedade. A pesquisa é limitada a uma metodologia quase-experimental de pré e pós-teste com um grupo de controle. Os instrumentos utilizados têm um índice Alfa de Cronbach de 0,8 e 0,9, respectivamente. Os resultados mostram a eficácia do OVA na apropriação de competências, com significância estatística entre 79 % e 100 %. Nas competências há evidências de articulação entre elas, o que deixa indicações para uma investigação mais profunda da relação entre atitudes e competências. Conclui-se que os OVAs, no processo de ensino-aprendizagem on-line supervisionado pelo professor, motivam os alunos a aprender e melhorar as habilidades de interpretação, modelagem de análise e execução de procedimentos para resolver problemas de química.

Resumo Com base na tendência crescente da agricultura urbana, este trabalho tem como objetivo a construção de um sistema IoT para o monitoramento e análise das variáveis climáticas de interesse em cultivos de agricultura urbana. A metodologia considerada para o desenvolvimento desta pesquisa consiste em 4 fases: seleção de ferramentas e tecnologias, desenho da arquitetura do sistema IoT, construção do protótipo do sistema e, finalmente, um estudo de caso no contexto do cultivo de alface. Como resultado desta pesquisa, foi construído um sistema IoT baseado em ferramentas livres de hardware e software, que é articulado dentro da arquitetura convencional de 4 camadas de IoT (captura, armazenamento, análise e visualização). O sistema tem a vantagem sobre as soluções existentes, o uso de plataformas SBC portáteis assim como a inclusão de modelos de aprendizagem automático dentro da camada de análise. A partir do estudo de caso desenvolvido em um cultivo de alface doméstico, conclui-se que as ferramentas escolhidas permitem realizar de forma adequada a captura, o monitoramento e a análise das variáveis climáticas de interesse em cultivos de agricultura urbana. Da mesma forma, conclui-se que os modelos de análise considerados podem ser personalizados levando em conta as características de agricultura e climáticas de cada cultivo e que são úteis para a tomada de decisões relacionadas à fisiologia dos cultivos.

Abstract Based on the growing trend of urban agriculture, this work aims to build an IoT system for the monitoring and analysis of climatological variables of interest in urban agriculture crops. The methodology considered for conducting this research comprises four phases: selection of tools and technologies, design of the IoT system architecture, construction of the system’s prototype, and a case study in the context of lettuce crops. As a result of this research, an IoT system based on open hardware and software tools was built, which is articulated within the conventional 4-layer IoT architecture (capture, storage, analysis, and visualization). With respect to the existing solutions, the advantage of this system is the use of portable SBC platforms, as well as the inclusion of machine learning models within the analysis layer. From the case study, conducted on a home lettuce crop, it is concluded that the selected tools allow capturing, monitoring, and analyzing climatological variables of interest in urban agriculture crops. Likewise, it is concluded that the studied analysis models can be customized by considering the agroclimatic characteristics of each crop and that they are useful for decision-making related to crop physiology.

Resumen A partir de la creciente tendencia de la agricultura urbana, este trabajo tiene por objetivo la construcción de un sistema IoT para la monitorización y el análisis de variables climatológicas de interés en cultivos de agricultura urbana. La metodología considerada para el desarrollo de la presente investigación está constituida por cuatro fases: selección de herramientas y tecnologías, diseño de arquitectura del sistema IoT, construcción de prototipo del sistema y estudio de caso en el contexto del cultivo de lechuga. Como resultado de la presente investigación, se construyó un sistema IoT basado en herramientas de hardware y software libre, el cual está articulado dentro de la arquitectura convencional de cuatro capas de IoT (captura, almacenamiento, análisis y visualización). Con respecto a las soluciones existentes, la ventaja del sistema es el uso de plataformas portables SBC, así como la inclusión de modelos de aprendizaje automático dentro de la capa de análisis. A partir del estudio de caso, desarrollado sobre un cultivo de lechuga casero, se concluye que las herramientas escogidas permiten realizar de manera adecuada la captura, la monitorización y el análisis de variables climatológicas de interés en cultivos de agricultura urbana. Del mismo modo, se concluye que los modelos de análisis considerados pueden ser personalizados teniendo en cuenta las características agroclimáticas de cada cultivo y que resultan útiles para la toma de decisiones relacionadas con la fisiología de los cultivos.

Resumen: En ciencia de los datos, la mayoría de los modelos de clasificación están en la categoría de modelos discriminativos o de modelos generativos. Los modelos discriminativos solamente capturan la relación entre los atributos de una instancia y su clase, mientras que los modelos generativos buscan representar toda la distribución de datos. Aunque la mayoría de los modelos de clasificación sean discriminativos, no se puede asegurar que este tipo de modelos sea mejor que los modelos generativos. En ese sentido, se aborda la comparación de los algoritmos Naive Bayes y Regresión Logística como modelos muy representativos de los clasificadores discriminativos y generativos, respectivamente. En este trabajo son evaluadas la exactitud de los modelos de Naive Bayes y Regresión Logística en función al número de atributos e instancias de un conjunto de datos artificiales, donde tanto los atributos como las clases son binarios. A diferencia de otras metodologías que emplean los conjuntos de datos para aproximar el error de clasificación, este trabajo solo emplea los conjuntos de datos para realizar el entrenamiento de los modelos, mientras que el error de clasificación es calculado de forma exacta para la distribución de los datos. Los experimentos muestran una exactitud de clasificación binaria que tiende a ser levemente mejor para la Regresión Logística usando 50 a 500 instancias de entrenamiento, cuando promediamos los resultados de distribuciones generadas aleatoriamente con 1 a 6 atributos binarios.

Abstract: In data science, most classification models fall into the category of either discriminative models or generative models. Discriminative models only capture the relationship between the attributes of an instance and its class, whereas generative models seek to represent the entire data distribution. Although most classification models are discriminative, it cannot be assured that this type of models is better than generative models. In that sense, the comparison of Naive Bayes and Logistic Regression algorithms as very representative models of dis- criminative and generative classifiers, respectively, is addressed. In this work, the accuracy of Naive Bayes and Logistic Regression models are evaluated as a function of the number of attributes and instances of an artificial dataset, where both attributes and classes are binary. Unlike other methodologies that employ the datasets to approximate the classification error, this work only employs the datasets to perform the training of the models, while the classification error is computed exactly for the distribution of the data. Experiments show a binary classification accuracy that tends to be slightly better for Logistic Regression using 50 to 500 training instances, when we average the results of randomly generated distributions with 1 to 6 binary attributes.

Abstract: The primary objective of this research study is to develop a mobile application that measures coffee bean moisture by using image processing, supervised learning, and computer imaging. Coffee beans must have moisture content between 10% and 12% to certify their quality. An image database is built, imaging protocols are defined, and an algorithm is developed and integrated into a mobile application that coffee growers can use. Testing and sampling is conducted using mid to lower end cell phones. The software is validated both in the laboratory and in the field, proving to be 99% efficient. The digital image app’s acceptability is over 80% among coffee growers. It is concluded that machine learning processes can be adapted to solve coffee farming and agroindustry challenges.

Resumen: El principal objetivo de esta investigación es desarrollar un aplicativo móvil que permita medir la humedad en granos de café por medio del procesamiento de imágenes, de técnicas de aprendizaje supervisado y de visión por computador. En la etapa de secado de estos se debe garantizar que la humedad este entre el 10 % y el 12 % para certificar su calidad. Se crea una base de datos donde se define el protocolo de captura de imágenes y se desarrolla un aplicativo móvil integrando el algoritmo diseñado para que los caficultores puedan usarlo. El muestreo se realiza con celulares de gama media baja. El software es validado en laboratorio y en campo, demostrando ser eficiente en un 99% y con una aceptación de más del 80% entre los caficultores. Se concluye que los métodos de aprendizaje de máquina pueden ser adaptados para solucionar problemas en la caficultura y la agroindustria.