Obesidad y cáncer de endometrio: mecanismos biológicos, estrategias nutricionales y perspectivas clínicas
Encuentra más información en nuestro repositorio digital La obesidad es un importante factor de riesgo modificable para el cáncer de endometrio, que aumenta significativamente su incidencia y empeora los resultados clínicos. Los mecanismos biológicos subyacentes incluyen inflamación crónica, resistencia a la insulina, desregulación hormonal y alteraciones del microbioma, todos los cuales contribuyen al desarrollo y la progresión tumoral. Estrategias nutricionales como las dietas basadas en plantas y mediterráneas, la restricción calórica y los alimentos ricos en micronutrientes son prometedoras para reducir el riesgo de cáncer mediante la mejora de la salud metabólica y el equilibrio hormonal. Sin embargo, persisten desafíos clínicos, como complicaciones quirúrgicas, alteración de la eficacia de la quimioterapia y menor supervivencia a largo plazo en pacientes obesos. La nutrición personalizada y la atención multidisciplinaria que integra oncología, nutrición y conocimientos metabólicos son esenciales para mejorar los resultados del tratamiento. A pesar de la evidencia prometedora, persisten lagunas de conocimiento en la comprensión de las interacciones del microbioma y la eficacia a largo plazo de las intervenciones dietéticas. Abordar estos desafíos mediante la investigación y la innovación clínica es crucial para mitigar la carga del cáncer de endometrio relacionado con la obesidad y mejorar la atención a las pacientes. Accede al artículo completo aquí
Adenocarcinoma de esófago, obesidad y cáncer: el papel de la nutrición en la prevención y el tratamiento
Encuentra más información en nuestro repositorio digital El adenocarcinoma esofágico (EAC) se asocia cada vez más con la obesidad, la disfunción metabólica y las predisposiciones genéticas. Esta revisión explora cómo los factores nutricionales interactúan con estos factores de riesgo, destacando el potencial de las estrategias dietéticas para la prevención y el manejo del CAE. Dietas como la mediterránea y las basadas en plantas pueden reducir la inflamación, el estrés oxidativo y el desequilibrio metabólico, modulando así el riesgo de cáncer. Los alimentos ricos en nutrientes, en particular los ácidos grasos omega-3, las verduras crucíferas y la fibra dietética, ofrecen efectos protectores adicionales. La nutrición personalizada, adaptada a los perfiles genéticos y metabólicos individuales, está surgiendo como una herramienta prometedora en la prevención del cáncer. Además, las estrategias de control de peso, como la restricción calórica y el ayuno intermitente, pueden contribuir a la reducción del riesgo. La integración de estos enfoques en las prácticas clínicas y de salud pública podría desempeñar un papel fundamental en la mitigación de las causas subyacentes del ACE. Se necesita más investigación para fortalecer las guías dietéticas y promover la nutrición de precisión para las poblaciones de alto riesgo. Accede al artículo completo aquí
Optimización del diseño y planificación de SC textiles: un análisis bibliométrico
Encuentra más información en nuestro repositorio digital Este estudio ofrece una visión general del estado actual de la investigación en la optimización del diseño y la planificación de operaciones de las cadenas de suministro textiles. Este artículo incluye un análisis bibliométrico de 42 artículos seleccionados que revela un enfoque en la toma de decisiones tácticas, con énfasis en la etapa de fabricación. El análisis bibliométrico expone la influencia de autores y revistas destacados en este campo. Un mapa de coocurrencia representa gráficamente las palabras clave utilizadas en los artículos. Los resultados de la revisión bibliográfica sugieren que los modelos se desarrollan principalmente en un contexto determinista, con énfasis en la minimización de costos y un uso limitado de técnicas de inteligencia artificial. El contexto de la solución muestra una preferencia por enfoques estáticos y replanificación periódica. Accede al artículo completo aquí
Los principios de diseño de biología sintética permiten la bioproducción eficiente de heparosano con bajo peso molecular y bajo índice de polidispersión para la industria biomédica.
Encuentra más información en nuestro repositorio digital El heparosano es un polímero natural con propiedades químicas y biológicas únicas, muy prometedor para aplicaciones biomédicas. El peso molecular (PM) y el índice de polidispersión (IPD) son factores críticos que influyen en el rendimiento de los materiales a base de heparosano. Lograr un control preciso del proceso de síntesis para producir heparosano de forma consistente con bajo PM y bajo IPD puede ser un desafío, ya que requiere una regulación rigurosa de las condiciones de reacción, la actividad enzimática y las concentraciones de precursores. Proponemos un enfoque novedoso que utiliza principios de biología sintética para controlar con precisión la biosíntesis de heparosano en bacterias. Nuestra estrategia consiste en diseñar un controlador biomolecular capaz de regular la expresión de genes implicados en la biosíntesis de heparosano. Este controlador se activa mediante biosensores que detectan precursores de heparosano, lo que permite un control preciso del proceso de polimerización. Mediante este enfoque, prevemos la implementación de este dispositivo sintético, demostrando el potencial para producir heparosano de bajo peso molecular y bajo índice de potencia molecular (PDI) en el probiótico E. coli Nissle 1917 como una biofábrica biosegura. Este estudio representa un avance significativo en el campo de la producción de heparosanos, ofreciendo nuevas oportunidades para el desarrollo y la fabricación de biomateriales con propiedades personalizadas para diversas aplicaciones biomédicas. Accede al artículo completo aquí
Evaluación del estado nutricional de adultos mayores institucionalizados en dos residencias
Encuentra más información en nuestro repositorio digital Este estudio evaluó el estado nutricional de adultos mayores en dos residencias, encontrando diferencias notables en el índice de masa corporal (IMC) y las tendencias dietéticas. La residencia A tenía un IMC promedio de 27,6, lo que indica sobrepeso de clase I, mientras que la residencia B mostró un IMC promedio de 21,3, clasificándolo dentro del rango de peso normal. El treinta y dos por ciento de los hombres en la Residencia A tenían sobrepeso, mientras que las deficiencias energéticas se detectaron en la Residencia B. Aunque la Residencia A tenía un mayor consumo de lácteos y frutas, la Residencia B sobresalía en legumbres. Ambos grupos no cumplieron con la ingesta recomendada de macronutrientes, aunque la residencia A estuvo más cerca de las recomendaciones para proteínas y lípidos. Además, la Residencia A superó las recomendaciones para el calcio, fósforo y zinc, mientras que la Residencia B sobresalió en hierro. Estos hallazgos sugieren la necesidad de programas personalizados de nutrición para mejorar la salud y el bienestar de los residentes. Accede al artículo completo aquí
Optimización de la predicción de fallos mediante IA en equipos industriales: análisis de los parámetros de funcionamiento de una rectificadora de banco
Encuentra más información en nuestro repositorio digital El Mantenimiento Predictivo (MP) desempeña un papel crucial para maximizar la eficiencia y reducir los costos asociados con el mantenimiento de equipos y sistemas en empresas industriales. Los recientes avances en Aprendizaje Automático (AA) han revolucionado el MP al ofrecer capacidades precisas y eficientes de predicción de fallas y planificación del mantenimiento. Esta investigación se centra en la monitorización de una rectificadora de banco y la observación de sensores de temperatura, corriente, velocidad angular y vibración en condiciones normales de funcionamiento. El objetivo es predecir fallas basándose en variables específicas de la máquina. Para desarrollar el sistema, se diseñó un banco prototipo para someter la máquina a diversos escenarios de trabajo, recopilando datos de sensores en tiempo real. Se generaron clústeres de datos para cada sensor, recopilando 3000 muestras durante 7 días consecutivos sin fallos y otros 7 días con comportamiento modificado de la rectificadora de banco. El muestreo se realizó a una velocidad de 1 segundo.Se comparó el rendimiento de los algoritmos de Árboles de Decisión (DT), Máquinas de Vectores de Soporte (SVM), Bayesiano Naive (NB) y K-Medias + Redes Neuronales (NN) utilizando las métricas de la matriz de confusión. Se evaluó el rendimiento de cada algoritmo para las medidas de RPM, corriente, temperatura y vibraciones. El algoritmo SVM mostró el mayor error en RPM, con un 43,5 %. Por el contrario, todos los algoritmos lograron errores mínimos o nulos en vibraciones, lo que indica un rendimiento excelente. Estos hallazgos demuestran el potencial de los algoritmos de aprendizaje automático (ML) en la fabricación de piezas para rectificadoras de banco. Los resultados resaltan la importancia de seleccionar algoritmos adecuados para mediciones específicas, ya que las vibraciones presentan el menor error entre todos los algoritmos y contribuyen a optimizar las actividades de mantenimiento en entornos industriales. Accede al artículo completo aquí