Adaptación del ICDAS para la caries en la primera infancia: un estudio epidemiológico en 11 países de América Latina
Encuentra más información en nuestro repositorio digital Antecedentes: La evaluación de la información epidemiológica sobre la salud bucal de los niños menores de 6 años en la región de las Américas es un desafío debido a las diferencias metodológicas. Un Proyecto de Desarrollo Regional de la Asociación Internacional para la Investigación Dental apoyó a investigadores de 11 países latinoamericanos en Argentina, Brasil, Chile, Colombia, Costa Rica, Ecuador, Panamá, Paraguay, Perú, Uruguay y Venezuela para capacitar y realizar estudios epidemiológicos estandarizados de caries dental en niños menores de 6 años de edad. Objetivos: Evaluar la viabilidad de un protocolo adaptado del Sistema Internacional de Detección y Evaluación de Caries (ICDAS) en estudios epidemiológicos de caries en la primera infancia (ECC) y proporcionar datos comparables. Métodos: Once investigadores de los países seleccionados fueron estandarizados utilizando los siguientes criterios y protocolos simplificados destinados a reducir el tiempo de evaluación: (1) iniciar el examen con la detección de lesiones de caries, (2) eliminar la categoría 1 de ICDAS (como sin aire para secado), (3) aplicar un código para superficies dentales con el mismo hallazgo clínico (por ejemplo, faltante) y (4) utilizar un formulario de ingreso de datos personalizado. Los 11 investigadores capacitaron y estandarizaron de 10 a 15 examinadores locales en cada país y realizaron estudios transversales en muestras de conveniencia de niños en edad preescolar de 12 a 71 meses de edad que vivían en comunidades desfavorecidas según los criterios de cada país. Resultados: Se incluyó a un total de 4535 niños en el presente análisis. Se observaron diferencias notables por país y edad. Por ejemplo, la prevalencia de d2-6 en el grupo de 12 a 23 meses varió entre el 13 % en Venezuela y el 48 % en Argentina, mientras que la prevalencia de d5-6 varió entre el 0 % en Venezuela y el 18 % en Argentina. En general, la incidencia de cuadros clínicos más graves aumentó con la edad. Conclusiones: Se observó una variación considerable en la prevalencia de caries dental en los 11 países. La amplia variación con la edad indica la necesidad de reportar las estimaciones de caries dentales tempranas (ECC) por umbral de detección y grupos de edad individuales. El protocolo adaptado al ICDAS es adecuado para estudios epidemiológicos de ECC. Declaración de Transferencia de Conocimiento: Los resultados de este estudio muestran la alta incidencia y variación de caries en la primera infancia (ECC) en niños latinoamericanos, lo que evidencia la necesidad de implementar medidas de vigilancia más detalladas e integrales en este grupo de edad. El protocolo adaptado al ICDAS facilita la entrada de datos y el registro de observaciones clínicas para estudios epidemiológicos en niños pequeños, al reducir el tiempo de exploración. Hemos contribuido a la estandarización de la recopilación de datos de ECC en América Latina mediante el uso de criterios comunes adaptados al ICDAS. Accede al artículo completo aquí
Entropy-Based Assessment of AI Adoption Patterns in Micro and Small Enterprises: Insights into Strategic Decision-Making and Ecosystem Development in Emerging Economies
Encuentra más información en nuestro repositorio digital Este estudio examina los patrones de adopción de la inteligencia artificial (IA) en las micro y pequeñas empresas (MSEs) ecuatorianas, con énfasis en la diversidad funcional a través de las actividades de la cadena de valor. Sobre la base de un conjunto de datos transversales de 781 empresas y un modelo basado en la entropía, se evalúa la variabilidad interna del uso de la IA y se explora su relación con la percepción estratégica y las capacidades dinámicas. Los resultados revelan una adopción parcial predominante, junto con una alta entropía funcional en sectores como la minería y los servicios, lo que sugiere una fase de experimentación tecnológica en curso. Sin embargo, se observa un desfase significativo entre la utilización estratégica percibida y las configuraciones funcionales reales, especialmente en el caso de las microempresas, lo que indica una desalineación entre la intención y la capacidad organizativa. Las barreras a la adopción incluyen habilidades técnicas limitadas, altos costos, limitaciones de infraestructura y resistencia cultural; sin embargo, más del 70% de los no-adoptantes expresan intenciones futuras de adopción. El análisis regional identifica tanto a las regiones montañosas como a las regiones costeras de los Andes como «innovadoras», aunque con perfiles distintos de madurez digital. Mientras que las microempresas se centran en herramientas accesibles (por ejemplo, chatbots), las pequeñas empresas participan en el análisis de datos y la automatización. Los análisis de correlación no revelan una relación significativa entre la diversidad funcional y el desarrollo del valor estratégico o de las capacidades, lo que subraya la importancia de los factores cualitativos de organización. Si bien el enfoque basado en la entropía es principalmente descriptivo, proporciona una base de diagnóstico sólida que puede complementarse con métodos multivariantes o cualitativos para descubrir los mecanismos causales y reforzar las implicaciones políticas. El marco propuesto ofrece una herramienta replicable y adaptable para caracterizar la integración de IA e informar políticas de apoyo diferenciadas, con relevancia para Ecuador y otras economías emergentes que enfrentan una transformación digital fragmentada. Accede al artículo completo aquí
Identificación de sistemas multivariantes del robot de accionamiento diferencial: comparación entre modelos basados en el espacio-estado y LSTM
Encuentra más información en nuestro repositorio digital El modelado de robots móviles es crucial para la estimación de la odometría, el diseño del control y la navegación. Los modelos clásicos del estado-espacio (SSMs) se han utilizado tradicionalmente para la identificación del sistema, mientras que los avances recientes en el aprendizaje profundo, tales como redes de la memoria a corto plazo larga (LSTM), captan dependencias no lineales complejas. Sin embargo, existen pocas comparaciones directas entre estos paradigmas. Este artículo compara dos enfoques de modelado multivariable para un robot de conducción diferencial: una SSM clásica y una red neuronal recurrente basada en LSTM. Ambos modelos predicen las velocidades lineales (v) y angulares ((fórmula presentada)) del robot utilizando datos experimentales de una secuencia de navegación de cinco minutos. El rendimiento se evalúa en términos de precisión de la predicción, estimación de odometría y eficiencia computacional, con odometría de verdad de tierra obtenida a través de un método basado en SLAM en ROS2. Cada modelo fue ajustado para una comparación justa: selección de orden para el SSM y búsqueda de hiperparámetros para el LSTM. Los resultados muestran que el mejor SSM es un modelo de segundo orden, mientras que el LSTM utiliza siete capas, 30 neuronas y ventanas deslizantes de 20 muestras. El LSTM alcanzó una FIT de 93,10% para v y 90,95% para (Fórmula presentada.), con una RMSE odometría de 1,09 m y 0,23 rad, mientras que el SSM la superó con valores de FIT de 94,70% y 91,71% y menor RMSE (0,85 m, 0,17 rad). El SSM también fue más eficiente en recursos (0,00257 ms y 1,03 bytes por paso) comparado con el LSTM (0,0342 ms y 20,49 bytes). Los resultados sugieren que las SSM siguen siendo una opción sólida para la odometría precisa con baja demanda computacional, al tiempo que fomentan la exploración de modelos híbridos para mejorar la robustez en entornos complejos. Al mismo tiempo, los modelos LSTM demostraron flexibilidad a través del ajuste de hiperparámetros, destacando su potencial para mejorar aún más la precisión con configuraciones refinadas. Accede al artículo completo aquí
Más allá de la calidad: predicción del impacto de las citas en la investigación empresarial mediante la ciencia de los datos
Encuentra más información en nuestro repositorio digital El volumen de publicaciones científicas ha aumentado exponencialmente en las últimas décadas en prácticamente todas las disciplinas académicas. En este panorama de sobrecarga de información, se necesitan criterios objetivos para identificar la investigación de alto impacto Los recuentos de citas han servido tradicionalmente como indicador primario de la relevancia científica; sin embargo, subsisten dudas sobre si reflejan realmente la calidad intrínseca de una publicación. Este estudio investiga la relación entre la frecuencia de las citas y una amplia gama de variables editoriales, autoras y contextuales. Se analizó un conjunto de datos de 339.609 artículos indexados en Scopus, recuperados mediante la consulta de búsqueda TITLE-ABS-KEY (gestión) AND LIMIT-TO (subárea, «Busi»). La investigación empleó un análisis descriptivo seguido por dos enfoques de modelado predictivo: un algoritmo Random Forest para evaluar la importancia de las variables y una regresión logística binaria para estimar la probabilidad de que se cite un artículo. Los resultados indican que factores como el cuartil de la revista, el país de afiliación, el número de autores, la disponibilidad de acceso abierto y el uso de palabras clave influyen significativamente en los resultados de las citas. El modelo de Bosque Aleatorio explica el 94,9% de la varianza, mientras que el modelo logístico alcanza un AUC de 0,669, permitiendo la formulación de una ecuación de cita predictiva. Los hallazgos sugieren que múltiples determinantes más allá de la calidad del contenido impulsan el comportamiento de las citas, y que la probabilidad de cita puede predecirse con una precisión razonable, aunque deben reconocerse las limitaciones inherentes al modelo. Accede al artículo completo aquí
Diseño de controlador PID basado en metaheurística con soporte de decisión MOOD aplicado a sistemas industriales de referencia
Encuentra más información en nuestro repositorio digital Este artículo presenta una metodología integral para el ajuste multiobjetivo de controladores MIMO de derivadas integrales proporcionales (PID) utilizando estrategias metaheurísticas avanzadas. El enfoque propuesto formula una función de costes basada en dos criterios de rendimiento contradictorios -la integral del error absoluto (IAE) y la integral de la derivada absoluta del control (IADU)- para explorar sistemáticamente el equilibrio entre el seguimiento del rendimiento y el esfuerzo de control. Se emplean tres técnicas metaheurísticas: escalada de colina estocástica, una heurística basada en Voronoi y el algoritmo genético de clasificación no dominada (NSGA-II). Se incorpora un nuevo marco de clasificación basado en el diseño de optimización multiobjetivo (MOOD) para facilitar la toma de decisiones a través del frente de Pareto. La metodología está validada en tres plantas MIMO de referencia, lo que demuestra su robustez y generalizabilidad. Los resultados destacan que el controlador NSGA-II logra el valor más bajo de IADU de 0,3694 en el sistema de amortiguadores de masa mientras mantiene métricas de rendimiento aceptables. La inclusión de una estrategia PID-split aumenta aún más la flexibilidad del sistema. Este estudio hace hincapié en el valor de la metaheurística para navegar por espacios de diseño complejos y ofrecer soluciones de control a medida para escenarios multiobjetivo. Accede al artículo completo aquí