Resumen La corrosión es un problema recurrente en la industria del gas natural, debido a la presencia de gases corrosivos como el CO2 y el H2S que en presencia de agua pueden atacar el acero y producir daños y fugas que generen accidentes y contaminación, es por ello que la predicción de la tendencia del gas natural hacia la corrosión es fundamental para desarrollar estrategias de inhibición y mitigación de este proceso. El objetivo del estudio fue desarrollar una Red Neuronal Artificial (RNA) entrenada con datos de composición de muestras de gas natural para predecir la tendencia corrosiva, como método alternativo que pueda ser utilizado como una herramienta predictiva eficiente. La RNA se entrenó con una muestra de 46 gases naturales y 11 componentes por cada una, además de la presión y la temperatura como condiciones operacionales, lo que representa un total de 598 datos de entrenamiento de la RNA, además se utilizaron 8 muestras adicionales para la validación externa del modelo. La RNA que desarrolló fue dentro de los principios de la estadística Bayesiana, con una arquitectura de Perceptrón Multicapa. Se obtuvo que la RNA es capaz de clasificar correctamente el 95,65% de la tendencia corrosiva de las muestras, siendo aquellas con tendencia no corrosiva las que presentaron el menor porcentaje de predicción (75%). La predicción de las muestras externas siguió la tendencia esperada, con menor capacidad para clasificar a las no corrosivas, y las muestras con posible corrosión y corrosivas fueron predichas en 80%. Se concluye que la RNA es una herramienta eficiente para la predicción de la tendencia corrosiva del gas natural en presencia de CO2 y su efectividad depende de que se utilicen muestras con todos los componentes necesarios para entrenar la misma, además puede ser mejorada al introducir otros parámetros como la cantidad de agua presente.

Abstract Corrosion is a recurrent problem in the natural gas industry, due to the presence of corrosive gases such as CO2 and H2S that in the presence of water can attack steel and produce damages and leaks that generate accidents and contamination, that is why the prediction of the tendency of natural gas towards corrosion is essential to develop strategies to inhibit and mitigate this process. The objective of the study was to develop an Artificial Neural Network (ANN) trained with composition data of natural gas samples to predict the corrosive tendency, as an alternative method that can be used as an efficient predictive tool. The ANN was trained with a sample of 46 natural gases and 11 components for each one, in addition to pressure and temperature as operational conditions, representing a total of 598 training data of the ANN, also 8 additional samples were used for external validation of the model. The ANN that developed was within the principles of Bayesian statistics, with a Multilayer Perceptron architecture. It was obtained that the ANN is able to correctly classify 95.65% of the corrosive tendency of the samples, being those with non-corrosive tendency the ones that presented the lowest prediction percentage (75%). The prediction of the external samples followed the expected trend, with lower capacity to classify the non-corrosive ones, and the samples with possible corrosion and corrosive were predicted in 80%. It is concluded that ANN is an efficient tool for predicting the corrosive tendency of natural gas in the presence of CO2 and its effectiveness depends on using samples with all the necessary components to train it, and it can be improved by introducing other parameters such as the amount of water present.

Abstract The objective of the study was to analyze the relationship between academic stress and self-concept, to compare both variables according to gender, and to identify the predictive capacity of self-concept factors in the levels of academic stress in university students. The results confirmed a negative association between academic stress and self-concept and significant differences between men and women. Additionally, a multiple linear regression analysis differentiated by sex was performed. In the case of women, the model was constituted by the emotional, academic-work, social, family and physical factors of self-concept; in the case of men, only the emotional and academic-work dimensions were integrated. It is concluded that the self-concept contributes to the prediction of the behavior of academic stress in higher education students. For these reasons, it is convenient to promote activities for students in university institutions that improve their perception of themselves.

Resumen Los objetivos centrales de la indagatoria fueron analizar la asociación entre el estrés académico y el autoconcepto, comparar dichos fenómenos psicológicos entre géneros e identificar el poder predictivo de los factores del autoconcepto en los índices de estrés académico en estudiantes universitarios. Los resultados confirmaron una asociación negativa entre las variables abordadas y diferencias hombres y mujeres. Adicionalmente, se realizaron dos análisis de regresión lineal múltiple para cado uno de los géneros. En mujeres, los factores emocional, académico-laboral, social, familiar y físico del autoconcepto aportaron a la explicación del estrés académico; en el de los hombres, solo se integraron las dimensiones emocional y académico-laboral. Se concluye que el autoconcepto aporta a la predicción del comportamiento del estrés académico en estudiantes de educación superior. Por tales razones, resulta conveniente suscitar en las instituciones universitarias, actividades tendientes a la mejora de la percepción de sí mismos por parte de los jóvenes.

Abstract: Smart Grids have revolutionized the electricity industry by enabling more efficient control and monitoring of the electricity supply, with a key component being smart meters (SM). These collect information on demand, energy, and harmonic distortion, among others, which must be stored and managed efficiently in a metering data management system (MDMS). The MDMS must ensure that a complete set of data is obtained for use in algorithms to ensure the reliability and quality of the power supply. To address the challenge of management the big data generated by SM, short, medium, and long-term measurement forecasting techniques have been proposed, highlighting the use of artificial intelligence such as Artificial Neural Networks (ANN) and Deep Learning (DL) methods due to their ability to adapt to different input and output variables with various time horizons. In addition, the influence of the diversity of Information and Communication Technologies (ICT) on the update time and data storage in the MDMS is highlighted. In this sense, this work aims to identify which ANN or DL architecture(s) could be more suitable for enterprise, survey, or research applications, demonstrating favorable performance metrics in different scenarios of sampling frequency and typical data update times in Smart Grids. This is relevant due to the need for MDMS to perform multivariate and multi-pass predictions in the short term to complete the information until the information is available or updated.

Resumen: Las Redes Eléctricas Inteligentes de Distribución (REID) han revolucionado la industria eléctrica al permitir un control y monitoreo más eficiente del suministro eléctrico, con un componente clave siendo los medidores inteligentes (SM). Estos recopilan información sobre la demanda, energía, distorsión armónica, entre otros, que deben ser almacenados y gestionados eficientemente en un sistema de gestión de datos de medición (MDMS). El MDMS debe garantizar la obtención de un conjunto completo de datos para su uso en algoritmos que aseguren la confiabilidad y calidad del suministro eléctrico. Para abordar el desafío de gestionar la gran cantidad de datos generados por los SM, se han propuesto diferentes técnicas de predicción de mediciones a corto, mediano y largo plazo, destacando el uso de inteligencia artificial como las Redes Neuronales Artificiales (ANN) y métodos de Aprendizaje Profundo (DL) debido a su capacidad de adaptación a diferentes variables de entrada y salida con diversos horizontes temporales. Además, se destaca la influencia de la diversidad de Tecnologías de la Información y Comunicación (TIC) en el tiempo de actualización y almacenamiento de datos en un MDMS. En este sentido, este trabajo tiene como objetivo identificar qué arquitectura o arquitecturas de ANN o DL podrían ser más adecuadas para aplicaciones en empresas, estudios o investigaciones, demostrando métricas de rendimiento favorables en diferentes escenarios de frecuencia de muestreo y tiempos de actualización de datos típicos en un REID. Esto es relevante debido a la necesidad del MDMS de realizar predicciones multivariables y multipaso a corto plazo para completar la información, hasta que la misma esté disponible o se actualice.

Abstract The use of artificial intelligence (AI) in laboratory medicine (LM) has led to a qualitative leap in the diagnosis of diseases that afflict humans. The development of robots for measurement, calculation and prediction has increased the reliability, validity and reproducibility of AI diagnostic tests, leading to an easy choice of such technology in the clinical laboratory. However, AI in LM entails several ethical reflections that need to be considered. The incipient technology under development, the presence of cognitive biases in algorithms and data, the uncertainty of robot performance, technological limitations, the threat to privacy, and the absence of a legal framework open ethical conflicts that lacerate human equity, safety, and autonomy. The technological imperative of AI in LM must not overcome responsibility, nor infringe on the dignity of the person.

Resumen El uso de la Inteligencia artificial (IA) en la Medicina de laboratorio (ML) ha provocado un salto cualitativo en el diagnóstico de enfermedades que aquejan al ser humano. El desarrollo de robots para la medición, cálculo y predicción ha aumentado la confiabilidad, validez y reproducibilidad de las pruebas diagnósticas con IA, induciendo a una fácil elección de dicha tecnología en el laboratorio clínico. Sin embargo, la IA en la ML entraña una serie de reflexiones éticas que deben considerarse. La incipiente tecnología en desarrollo, la presencia de sesgos cognitivos en los algoritmos y datos, la incertidumbre del funcionamiento del robot, las limitaciones tecnológicas, la amenaza a la privacidad y la ausencia de un marco legal abren conflictos éticos que laceran la equidad, la seguridad y la autonomía del hombre. El imperativo tecnológico de la IA en la ML no debe superar la responsabilidad, ni atentar contra la dignidad de la persona.

Abstract: The primary objective of this research study is to assess the factors that influence student’s preference of professors. Preferring the same professor multiple times is associated with factors such as time dedicated to the subject taught by the professor in question, reason for enrollment, and preparation of classes. Through the J48 algorithm of the Weka program, the primary variables students prioritize when repeatedly selecting the same professor are predicted. Training with 50% of the data and validating with the remaining 50% achieve this prediction with effectiveness greater than 83%. The results show that the most influential variables are: 1) the professor did everything possible for students to learn, 2) depth of learning, 3) pleasant work style, 4) preparation of classes, 5) encouragement on the topics covered, and 6) endeavors to help students learn. It is concluded that identifying these variables facilitates the design of educational policies focused on students and professors.

Resumen: El principal objetivo de esta investigación es evaluar los factores que influyen en los estudiantes para preferir un docente. Preferir varias veces un mismo docente está asociado con factores como el tiempo dedicado a la asignatura impartida por el profesor en cuestión, el motivo de la inscripción y la preparación de clases. Por medio del algoritmo J48 del programa Weka, se predicen las principales variables que priorizan los estudiantes al preferir un mismo docente varias veces. Entrenando con el 50% de los datos y validando con el 50% restante, se logra realizar esta predicción con una efectividad superior al 83%. Los resultados muestran que las variables más influyentes son: 1) hizo lo posible porque aprendiera, 2) aprender con profundidad, 3) trabajar agradablemente, 4) preparación de clases, 5) motivar temas tratados y 6) preocuparse porque aprendan. Se concluye que la identificación de estas variables facilita el diseño de políticas educativas enfocadas en los estudiantes y los docentes.

Resumen: El objetivo de este estudio es evaluar el efecto de la atmósfera, definida como el diseño consciente del ambiente de la tienda para crear ciertas respuestas en los compradores, en los valores de compra, la actitud hacia la compra y las emociones sobre la intención de recompra en una tienda online, basado en el modelo Estímulo-Organismo-Respuesta (S-O-R, por sus siglas en inglés). Aunque estos elementos han sido estudiados ampliamente en el contexto de tiendas físicas, artículos recientes que analizan la influencia de estos elementos en el ambiente online muestran la relevancia de estudios como este en investigaciones académicas actuales de mercadeo. Los resultados de una encuesta realizada a 306 usuarios de una tienda farmacéutica online, residentes de Venezuela y otros países de América Latina, se analizaron usando ecuaciones estructurales. Los hallazgos permiten concluir que el uso del modelo S-O-R es apropiado en la predicción del comportamiento de compra online, y confirman que el valor de compra hedónico tiene un impacto directo significativo tanto en la actitud hacia las compras como en la compra emocional. Por otra parte, el valor de compra utilitario afecta negativamente la compra emocional y el factor informático favorece la actitud hacia las compras. Por último, la actitud hacia las compras y la compra emocional predicen la intención de recompra. Se discuten las implicaciones para los especialistas en marketing.

Abstract: The objective of this study was to evaluate the effect of the online store atmosphere, shopping values, attitude toward online shopping and emotions on the repurchase intention in an online store, based on the Stimulus-Organism-Response model (S-O-R). Although these elements have been studied in the context of brick-and-mortar stores, recent articles that analyze the influence of these elements in the online environment demonstrate the relevance of this study in current marketing research. The results of an online survey conducted with 306 users of an online pharmaceutical store, which included residents of Venezuela and of other Latin American countries, were analyzed using structural equations, evaluating both the measurement model and the relationship model. The findings allow us to conclude that the use of the S-O-R model is appropriate in predicting online purchase behavior, having achieved an adequate fit, and confirm that the hedonic purchase value has a significant direct impact on both the attitude toward online shopping and the emotional purchase. On the other hand, the utilitarian purchase value negatively affects the emotional purchase and the computer factor favors the attitude toward online purchase. Finally, the attitude toward online shopping and the emotional purchase predicts the repurchase intention. Implications for marketers are discussed.

ABSTRACT Soil compaction due to agricultural machinery traffic is a threat to soil productivity and soil ecological functions. The prediction of soil stresses and compaction that soil bear during the harvest and transport are fundamental indications in the prevention strategies and remediation of the soil compaction. The objective of this research was to predict soil compaction caused by harvesters and transport equipment during sugarcane harvest on soft soil. Machinery traffic was simulated using the TASC V3.0 model, Module 1 "Stress Propagation and Soil Damage" was used. The machine system used for harvest sugarcane were formed by harvesters CASE IH 8800, and tipping tows 7CX (SC)-10 pulling by tractors YTO 1608 or XTZ 150K-09. Parameters from machinery and soil are introducing as data. The use of modelling TASC V3.0 permitted to predict soil compaction caused by harvesters and transport equipment during sugarcane harvest on soft soil. More severe soil compaction was obtained during use of tipping tow 7CX (SC)-10 due to high mean contact pressure and high tire load, which caused severe soil compaction until a depth of 0.37 m. Rear tire of tractor YTO 1604 caused severe soil compaction too reaching 0.31 m of depth. In general sense all equipment caused severe soil compaction in tillage layer, therefore must be make decompactions works with the objective to loose soil in depth for a good developed of sugarcane ratoons.

RESUMEN La compactación del suelo debido al tráfico de maquinaria agrícola es una amenaza para la productividad y las funciones ecológicas del suelo. La predicción de los esfuerzos del suelo y la compactación que soporta el suelo durante la cosecha y el transporte son indicaciones fundamentales en las estrategias de prevención y remediación de la compactación del suelo. El objetivo de esta investigación fue predecir la compactación del suelo causada por cosechadoras y equipos de transporte durante la cosecha de caña de azúcar en suelos blandos. El tráfico de maquinaria se simuló utilizando el modelo TASC V3.0, se utilizó el Módulo 1 “Propagación de Esfuerzos y Daño al Suelo”. El sistema de máquinas utilizado para la cosecha de caña de azúcar estuvo formado por cosechadoras CASE IH 8800, y remolques basculantes 7CX (SC)-10 tirados por tractores YTO 1608 o XTZ 150K-09. Se introducen como datos parámetros de maquinaria y suelo. El uso del modelado TASC V3.0 permitió predecir la compactación del suelo causada por cosechadoras y equipos de transporte durante la cosecha de caña de azúcar en suelos blandos. Se obtuvo una compactación del suelo más severa durante el uso del remolque basculante 7CX (SC)-10 debido a la alta presión media de contacto y la alta carga de los neumáticos, lo que provocó una compactación severa del suelo hasta una profundidad de 0,37 m. El neumático trasero del tractor YTO 1604 provocó una fuerte compactación del suelo alcanzando 0,31 m de profundidad. En sentido general todos los equipos ocasionaron una severa compactación del suelo en la capa de labranza, por lo que se deben realizar trabajos de descompactación con el objetivo de aflojar el suelo en profundidad hasta 0.37 m para un buen desarrollo de los retoños de caña de azúcar.

RESUMEN Introducción: La validación de métodos de predicción de riesgo es importante para establecer medidas preventivas adecuadas. Objetivo: Evaluar la validez interna de una escala de mortalidad por afección cardiovascular en ancianos. Métodos: Se efectuó un estudio analítico, observacional, retrospectivo, de tipo caso-control, de 58 pacientes fallecidos (casos) y 134 vivos (controles), pertenecientes a 3 áreas de salud (policlínicos Ramón López Peña, Municipal y 28 de septiembre) del municipio de Santiago de Cuba, durante el 2021. Para realizar la validación de dicha escala se evaluó la capacidad discriminativa y la calibración; la validez de apariencia, criterio y constructo, así como su fiabilidad y consistencia interna. Resultados: La escala diseñada discriminó mejor que la EPICARDIAN en ambos sexos; 68,8 % de los fallecidos del grupo de validación fueron clasificados de alto riesgo. El valor del coeficiente alfa de Cronbach fue de 0,639 y el estandarizado de 0,564. Conclusiones: La escala evaluada calibra adecuadamente al aplicarla en otra población con similar característica a la que le dio origen y discrimina de manera pertinente a las personas clasificadas como alto riesgo de fallecer por una enfermedad cardiovascular aterosclerótica.

ABSTRACT Introduction: The validation of risk prediction methods is important to establish appropriate preventive measures. Objective: To evaluate the internal validity of a mortality scale due to cardiovascular affection in elderly. Methods: An analytic, observational, retrospective and case-control study was carried out, in 58 dead patients (cases) and 134 alive patients (control), belonging to 3 health areas (Ramón López Peña, Municipal and 28 de Septiembre polyclinics) in Santiago de Cuba municipality, during 2021. To validate this scale the discriminative capacity and calibration; appearance, criterion and construct validity were evaluated, as well as its reliability and internal strength. Results: The designed scale discriminated better than the EPICARDIAN scale in both sexes; 68.8 % of the deaths in the validation group were classified as high risk. The value of Cronbach´s alpha coefficient was 0.639 and the standardized one was 0.564. Conclusions: The evaluated scale calibrates appropriately when applied to another population with similar characteristics to the one it gave rise to and it pertinently discriminates against people classified as high risk of dying due to atherosclerotic cardiovascular disease.

RESUMEN: El presente estudio tuvo como objetivo investigar la utilidad del fémur proximal en la estimación forense de la edad mediante la evaluación de cambios en las densidades óseas a través de radiografías. Utilizando el umbral de Otsu, la densidad ósea se cuantificó contando todos los valores de pixeles blancos dentro de regiones de interés seleccionadas, que incluyen la cabeza femoral (CF), el cuello femoral (CF), el triángulo de Ward (WT) y el trocánter mayor (TM) de 354 fémures izquierdos de ascendencia del norte de Tailandia. También se estimó el ancho de pixeles de la cavidad medular (CM). Además, el estudio evaluó el rendimiento de modelos de regresión lineal (RL) para la estimación de la edad a partir de imágenes radiográficas de fémur proximal. Se observaron correlaciones negativas entre la intensidad de los pixeles CF, CF, WT y TM con la edad de muerte, y las mujeres exhibieron correlaciones más fuertes que los hombres. Además, se encontró una correlación positiva entre la edad y el ancho del CM en muestras de mujeres, mientras que el ancho del CM del hombre no mostró ninguna relación con el aumento de la edad. Los resultados mostraron una ligera diferencia entre el modelo RL aplicado a ambos sexos, que integraba todas las variables, y la configuración alternativa que sólo utilizaba atributos relevantes. Ambos modelos mostraron un rendimiento similar, con un rango estrecho de valores del error cuadrático medio (RMSE), que oscilaba entre 12,67 y 12,71 años, y un rango de coeficiente de correlación de 0,51 a 0,52. Para las mujeres, el modelo RL con CF y WT como atributos seleccionados (RMSE = 11,85 años, coeficiente de correlación = 0,65) tuvo un desempeño satisfactorio, mientras que para los hombres, el modelo RL con todas las variables mostró un RMSE de 12,52 años y un coeficiente de correlación de 0,46. Este estudio mostró la posible aplicación de la intensidad de los pixeles en la predicción de la edad.

SUMMARY: The present study aimed to investigate the utility of the proximal femur in the forensic age estimation by assessing changes in bone densities through radiographs. Using Otsu’s threshold, bone density was quantified by counting all white pixel values within selected regions of interest, which include femoral head (FH), femoral neck (FN), Ward’s triangle (WT), and greater trochanter (GT) from 354 left femora of Northern Thai descent. The pixel width of medullary cavity (MC) was also estimated. Furthermore, the study evaluated the performance of linear regression (LR) models for age estimation from radiographic images of proximal femora. Negative correlations were observed between FH, FN, WT, and GT pixel intensity with the age-at-death of the samples, with females exhibiting stronger correlations than males. Moreover, a positive correlation was found between age and MC width in female samples, while male MC widths did not show any relationship with increasing age. The results showed a slight difference between the LR model applied to both sexes, which integrated all variables, and the alternative configuration that only utilized relevant attributes. Both models exhibited similar performance, with a narrow range of root mean square error (RMSE) values, ranging from 12.67 to 12.71 years, and a correlation coefficient range of 0.51 to 0.52. For females, the LR model with FN and WT as selected attributes (RMSE = 11.85 years, correlation coefficient = 0.65) performed decently, while for males, the LR model with all variables showed RMSE of 12.52 years and correlation coefficient of 0.46. This study showcased the potential application of pixel intensity in predicting age.

RESUMEN: Para diagnosticar el Síndrome Apnea Obstructiva del Sueño (SAOS) se utiliza la polisomnografía, el cual es un costoso y extenso estudio que exige que el paciente duerma en un laboratorio. El SAOS ha sido asociado con características de la morfología facial y mediante un modelo predictivo de la Inteligencia Artificial (IA), se podría realizar un diagnóstico preliminar. El objetivo de este estudio fue analizar por medio de una revisión de alcance, las opciones tecnológicas basadas en IA aplicadas al diagnóstico del SAOS, y los parámetros evaluados en dichos análisis en las estructuras craneofaciales. Se realizó una búsqueda sistemática de la literatura hasta febrero del 2024 y mediante criterios de inclusión y exclusión se determino los estudios a analizar. Los títulos y resúmenes fueron seleccionados de forma independiente por dos investigadores. Se seleccionaron 14 estudios, incluyeron un total de 13.293 sujetos analizados. El rango edad de la muestra oscilo entre 18 y 90 años. 9.912 (74.56 %) sujetos eran de sexo masculino y 3.381 (25,43 %) eran de sexo femenino. Los estudios incluidos presentaron diagnóstico de SAOS mediante polisomnografía, siete estudios presentaron un grupo control de sujetos con ausencia de SAOS y otro grupo con presencia de SAOS. Mientras que los demás estudios, presentaron grupos de SAOS en relación con su severidad. Todos los estudios tuvieron una precisión media del 80 % en la predicción de SAOS utilizando variables como la edad, el género, mediciones y/o mediciones imagenológicas. no existen exámenes previos al diagnóstico por polisomnografía que permitan orientar al usuario en la probable presencia de SAOS. En este sentido, existen factores de riesgo para desarrollar SAOS vinculados a la forma facial, la obesidad, la edad y otras condiciones, que sumados a los avances con IA para diagnóstico y orientación en SAOS podrían ser utilizados para la detección precoz del mismo.

SUMMARY: To diagnose obstructive sleep apnea syndrome (OSAS), polysomnography is used, an expensive and extensive study requiring the patient to sleep in a laboratory. OSAS has been associated with features of facial morphology, and a preliminary diagnosis could be made using an artificial intelligence (AI) predictive model. This study aimed to analyze, using a scoping review, the AI-based technological options applied to diagnosing OSAS and the parameters evaluated in such analyses on craniofacial structures. A systematic search of the literature was carried out up to February 2024, and, using inclusion and exclusion criteria, the studies to be analyzed were determined. Titles and abstracts were independently selected by two researchers. Fourteen studies were selected, including a total of 13,293 subjects analyzed. The age of the sample ranged from 18 to 90 years. 9,912 (74.56 %) subjects were male, and 3,381 (25.43 %) were female. The included studies presented a diagnosis of OSAS by polysomnography; seven presented a control group of subjects without OSAS and another group with OSAS. The remaining studies presented OSAS groups in relation to their severity. All studies had a mean accuracy of 80 % in predicting OSAS using variables such as age, gender, measurements, and/or imaging measurements. There are no tests before diagnosis by polysomnography to guide the user in the likely presence of OSAS. In this sense, there are risk factors for developing OSA linked to facial shape, obesity, age, and other conditions, which, together with the advances in AI for diagnosis and guidance in OSAS, could be used for early detection.

Resumen La efectividad de las políticas implementadas durante la pandemia del COVID-19 es relevante, tanto para evaluar el impacto ocasionado, como para derivar lecciones de política en el caso de que este tipo de fenómenos se repitan. El objetivo de este documento es determinar la relación entre la actividad humana y los contagios de COVID-19 reportados. Para medir la actividad humana se genera una métrica de luminosidad nocturna empleando imágenes satelitales. Mediante un análisis de cointegración se demuestra que existe de una relación de equilibrio a largo plazo y, empleando pruebas de causalidad, que es factible predecir los contagios por COVID-19 a partir de los cambios en la luminosidad. Con modelos econométricos para series de tiempo se demuestra que los contagios por COVID-19 responden a los cambios de luminosidad con alta significancia estadística y hasta con dos semanas de retraso, esto implica que la intensidad de la actividad que sucedía en el momento presente habría sido útil para planificar los recursos que serían necesarios dos semanas posteriores.

Abstract The effectiveness of the policies implemented during the COVID-19 pandemic is relevant both for assessing the impact caused and for deriving policy lessons in case such phenomena recur. The main objective here is to determine the relationship between human activity and reported COVID-19 cases. To measure human activity, a metric of nighttime lights is generated using satellite images. Conducting cointegration tests we found a long-term equilibrium relationship between the two variables, and through causality tests we confirmed that it is feasible to predict COVID-19 infections from changes in nighttime lights. Using econometric models for time series, it is shown that COVID-19 infections respond to changes in nighttime lights with high statistical significance and with a lag of up to two weeks, implying that the intensity of human activity that was happening now would have been useful for planning the resources that would be necessary two weeks later.

ABSTRACT Background. Pulmonary hypertension (PH) is associated with high morbidity and mortality and its prognosis is determined by the right ventricular function and right ventricular-pulmonary artery coupling. Several hemodynamic parameters have been proposed to better characterize the risk for adverse disease progression. Objective. The aim of this study was to determine the predictive ability of various hemodynamic parameters that can be calculated during RHC to predict serious events. Methods. In this retrospective multicenter and descriptive cohort study of patients with PH, hemodynamic variables values were divided as high or low risk based on the 2022 European guidelines, or mean or median values in our population. Results. A total of 324 patients with PH were included; mean age was 61.5 years and 69% were women; 62.1 % of the patients were in Group 1 and 19.2 % in Group 3. In a median (IQR) follow-up of 23(14-44) months, the event rate (death or hospitalization for heart failure) was 60.6% and all-cause mortality was 24.5%. The cut-off values associated with risk for the different hemodynamic variables were: cardiac index (CI) 2.72 L/min/m2, systolic volume index (SVI) 33.1 ml/m2, pulmonary vascular resistance (PVR) 6 Wood units (WU), pulmonary artery pulsatility index (PAPI) 3.76, right ventricle systolic work index (RVSWI) 11.6 g.m/m2, and pulmonary arterial compliance 1.84 mL/mm Hg. Elevated PVR was associated with a higher rate of composite events, while high-risk CI, SVI, PVR, and compliance were associated with higher mortality at follow-up. Conclusions. While CI and SVI are adequate predictors of risk, PVR and compliance demonstrate similar or even better risk prediction in patients with PH. Additional research is necessary to validate these parameters during follow-up.

RESUMEN Introducción . La hipertensión pulmonar (HP) se asocia con elevada morbimortalidad y su pronóstico está determinado por la función del ventrículo derecho y el acople ventrículo-arterial pulmonar. Diversos parámetros hemodinámicos han sido propuestos para caracterizar el riesgo de evolución adversa. Objetivos . Determinar la capacidad de predicción de eventos graves, de diversos parámetros hemodinámicos medidos por cateterismo derecho. Material y métodos . Estudio multicéntrico, descriptivo, de cohorte retrospectiva de pacientes con HP. Se dividió a los datos hemodinámicos en alto o bajo riesgo según lo definido por las recomendaciones europeas de 2022, o según media o mediana de nuestra población. Resultados . Fueron incluidos 324 pacientes con HP, con edad media 61,5 años y 69% de sexo femenino; 62,1 % de los pacientes del Grupo 1 y 19,2 % del Grupo 3. La tasa de eventos (muerte o internaciones) en un seguimiento mediano de 23 (RIC 14-44) meses fue 60 % y la mortalidad global 24,5 %. Los valores de corte para definir riesgo de las diferentes variables fueron. índice cardíaco (IC) 2,72 L/min/m2, índice de volumen sistólico (IVS) 33,1 mL/lat./m2, resistencia vascular pulmonar (RVP) 6 unidades Wood (UW), índice de pulsatilidad de la arteria pulmonar (IPAP) 3,76, índice de trabajo sistólico del ventrículo derecho (ITSVD) 11,6 g.m/m2, compliance vascular pulmonar 1,84 mL/mmHg. La RVP elevada se asoció a mayor frecuencia de eventos combinados, mientras que valores de alto riesgo de IC, IVS, RVP y compliance presentaron asociación con mayor mortalidad en el seguimiento. Conclusiones . Si bien el IC y el IVS presentaron una adecuada predicción de riesgo, variables como la RVP y la compliance mostraron similar, e incluso mejor predicción de eventos graves en HP. Se necesitan nuevos estudios que validen estos parámetros en el seguimiento.

Abstract: The primary objectives of this research study are to provide a detailed description of machine learning (ML) technology when applied to assessing innovation and to design a model that allows predicting an institution’s degree of innovation. Machine learning technology lacks assumptions or preconceptions and is capable of processing a large amount of data and variables. After data processing, the ML model is built using variables associated with educational context, training is performed, and a web is built to predict the degree of innovation of an educational institution. This model provides an innovation accuracy prediction of 66% and allows assessing the influence of the variables analyzed when predicting the use of active methodologies at a given institution. In conclusion, this approach can open new data analysis techniques supported by ML that complement traditional statistically based approaches.

Resumen: Los principales objetivos de esta investigación son proporcionar una descripción detallada de la tecnología de aprendizaje automático (ML, por sus siglas en inglés) aplicada a la medición de la innovación y diseñar un modelo que permita predecir el grado de innovación en una determinada institución. La tecnología ML carece de suposiciones o preconcepciones y es capaz de procesar una gran cantidad de datos y variables. Tras procesar los datos, se construye el modelo ML empleando variables asociadas al contexto educativo, se realiza el entrenamiento y se construye una web para predecir el grado de innovación de una institución educativa. El modelo proporciona una precisión del 66% en la predicción de la innovación y permite discutir la influencia de las variables analizadas a la hora de predecir el uso de metodologías activas en una institución. En conclusión, este enfoque puede abrir nuevas técnicas de análisis de datos apoyadas en ML que complementen los enfoques tradicionales basados en la estadística.

Abstract This study presents a Systematic Literature Review (SLR) on artificial intelligence (AI) techniques applied to electric power prediction. The specialized databases employed in this review are Scopus, IEEE, ACM, and Google Scholar. This analysis provided a perspective on the artificial intelligence techniques utilized in this field, facilitating the identification of current and emerging trends. This offers a clear understanding of upcoming opportunities to enhance accuracy in electric power prediction and decision-making. A notable finding of this review was the predominant usage of Artificial Neural Networks (ANN) as the most prevalent technique in Machine Learning applied to electric power prediction. This preference is justified by the inherent ability of ANN to identify complex patterns and relationships in data, making them a valuable tool for electric power prediction. Additionally, the importance of essential factors in electric power prediction is highlighted, such as the significance of collecting relevant and representative data, encompassing historical and contextual information. Data preprocessing, which involves cleaning and transforming collected data to adequately prepare them for analysis and modeling, and data splitting, crucial for avoiding biases and accurately evaluating the predictive capability of the model, are also emphasized.

Resumen Este estudio presenta una Revisión Sistemática de la Literatura (RSL) sobre las técnicas de inteligencia artificial (IA) aplicadas para la predicción de energía eléctrica. Las bases de datos especializadas que se emplearon en esta revisión son Scopus, IEEE, ACM y Google Scholar. Este análisis ofreció una perspectiva sobre las técnicas de inteligencia artificial utilizadas en este campo, lo que facilitó la identificación de las tendencias presentes y en desarrollo. Esto proporciona una comprensión clara de las oportunidades venideras para mejorar la precisión en la predicción de la energía eléctrica y, en consecuencia, en la toma de decisiones. Un hallazgo destacado de esta revisión fue el predominio del uso de redes neuronales artificiales (RNA) como la técnica más prevalente dentro del campo de Machine Learning aplicado a la predicción de energía eléctrica. Esta preferencia se justifica por la capacidad inherente de las RNA para identificar patrones complejos y relaciones en los datos, lo que las convierte en una herramienta valiosa para la predicción de energía eléctrica. Además, se destaca la importancia de varios factores fundamentales en la predicción de energía eléctrica, como la importancia de recolectar datos relevantes y representativos, que abarquen tanto información histórica como contextual. El preprocesamiento de datos, el cual implica la limpieza y transformación de los datos recopilados para prepararlos adecuadamente para su análisis y modelado y la división de datos, crucial para evitar sesgos y evaluar de manera precisa la capacidad predictiva del modelo.

Abstract Introduction The lama-bordo systems (LBS) are built in natural watercourses and favor retention of sediment and runoff moisture for the development of agricultural activity. Objective To obtain a model for predicting the volume of soil permanently captured by LBS, based on the morphometric and hydrological characteristics of the micro-watersheds where they have prevailed in the Mixteca Alta of Oaxaca, Mexico Materials and methods The study was carried out in 27 sites where morphometric parameters and hydrological indexes were determined to obtain the volume prediction model by multiple linear regression (backward elimination technique). Results and discussion The systems studied were found in micro-watersheds under conditions that favor sediment transport: elongated shape, areas smaller than 2 km2 with 1st and 2nd order streams, at altitudes above 2 000 m and slopes greater than 10 %. Twelve morphometric parameters and three hydrological indexes characterize these micro-watersheds and explain the physical conditions that allow their establishment, but only four (micro-watershed area, average slope of the mainstream, topographic wetness index and sediment transport index) explain the cumulative sediment volume (R2 = 0.85, P < 0.001). Conclusions The model evaluated for volume estimation is reliable for application at sites under similar conditions.

Resumen Introducción Los sistemas lama-bordo (SLB) se construyen en cauces naturales y favorecen la retención de sedimentos y humedad del escurrimiento para el desarrollo de la actividad agrícola. Objetivo Obtener un modelo de predicción de volumen de suelo captado por los SLB en forma permanente, a partir de las características morfométricas e hidrológicas de las microcuencas donde estos han prevalecido en la Mixteca Alta de Oaxaca, México. Materiales y métodos El estudio se hizo en 27 sitios donde se determinaron parámetros morfométricos e índices hidrológicos que permitieron obtener el modelo de predicción de volumen mediante regresión lineal múltiple tipo backward stepwise. Resultados y discusión Los sistemas estudiados se encontraron en microcuencas bajo condiciones que favorecen el transporte de sedimentos: forma alargada, áreas menores de 2 km2 con corrientes de 1° y 2° orden, en altitudes superiores a los 2 000 m y pendientes mayores de 10 %. Doce parámetros morfométricos y tres índices hidrológicos caracterizan dichas microcuencas y explican las condiciones físicas que permiten su establecimiento, pero solo cuatro (área de la microcuenca, pendiente media de la corriente principal, índice topográfico de humedad e índice de transporte de sedimentos) explican el volumen de sedimento acumulado (R2 = 0.85, P < 0.001). Conclusiones El modelo evaluado para la estimación de volumen es confiable para su aplicación en sitios bajo condiciones similares.