RESUMO

Introduction: Introduction: given the problematic battle against cardio-metabolic diseases and the increase in computational power, different applications are being developed to help estimate overweight and obesity in the population. Objectives: to evaluate the body mass index (BMI) formula (kg/m2), taking body fat measured by bioimpedance as a reference and comparing it with variations of the same form obtained by applying algebraic transformation rules using an artificial intelligence heuristic search method. Material and methods: an artificial intelligence heuristic method was applied to search for the formula that most accurately calculates people's body fat percentage. The formula was generated from body mass and stature, variables used to estimate BMI. Thousands of formulas involving body mass and stature were generated from BMI using transformation rules with algebraic variations and increased and decreased constants. Results: body mass, stature, and body fat percentage data set from 142 female and 150 male participants were used. Body mass and stature were used to classify participants into two classes based on body fat percentage (excessive or adequate, with cutoff points of 30 % for women and 15 % for men). The Youden index guided the search algorithm by evaluating candidate formulas to generate new ones. Among the formulas with the maximum value of the Youden index, Body mass1.1 / Stature2.9, is proposed as the best candidate as an alternative formula to apply instead of the BMI conventional formula. Conclusions: although BMI showed a high Youden index, the AI algorithm found that the W1.1 / H2.9 formula is even more efficient in assessing body fat in men and women.

Introducción: Introducción: ante la problemática batalla contra las enfermedades cardiometabólicas y el aumento del poder computacional, se están desarrollando diferentes aplicaciones que ayuden a estimar el sobrepeso y la obesidad en la población. Objetivos: evaluar la fórmula del índice de masa corporal (IMC) (kg/m2), tomando como referencia la grasa corporal medida por bioimpedancia y comparándola con variaciones de la misma forma obtenidas aplicando reglas de transformación algebraica mediante un método de búsqueda heurística de inteligencia artificial. Material y métodos: se aplicó un método heurístico de inteligencia artificial para buscar la fórmula que calcule con mayor precisión el porcentaje de grasa corporal en las personas, que se generó a partir de la masa corporal y la estatura, variables utilizadas para estimar el IMC. Se generaron miles de fórmulas que involucran la masa corporal y la estatura a partir del IMC utilizando reglas de transformación con variaciones algebraicas y constantes aumentadas y disminuidas. Resultados: se utilizó un conjunto de datos de masa corporal, estatura y porcentaje de grasa corporal de 142 mujeres y 150 hombres participantes. La masa corporal y la estatura se utilizaron para clasificar a los participantes en dos clases según el porcentaje de grasa corporal (excesiva o adecuada, con puntos de corte del 30 % para mujeres y del 15 % para hombres). El índice de Youden guió el algoritmo de búsqueda evaluando fórmulas candidatas para generar otras nuevas. Entre las fórmulas con el valor máximo del índice de Youden, Masa corporal1.1 / Estatura2.9, se propone como la mejor candidata como fórmula alternativa para aplicar en lugar de la fórmula convencional del IMC. Conclusiones: aunque el IMC mostró un índice de Youden alto, el algoritmo de IA encontró que la fórmula Masa corporal1.1 / Estatura2.9 es aún más eficiente para evaluar la grasa corporal en hombres y mujeres.

RESUMO

Introducción: el cólico nefrítico es una de las causas más frecuentes de consulta en puerta de emergencia. Cuando se presenta en una paciente embarazada, genera un desafío diagnóstico y terapéutico que requiere un abordaje multidisciplinario. Materiales y métodos: se realizó una búsqueda bibliográfica en la base de datos MedLine/PubMed considerando revisiones sistemáticas de literatura, reportes de casos clínicos, estudios observacionales retrospectivos publicados en los últimos 10 años, con el objetivo de obtener sustento informativo para crear un algoritmo diagnóstico y terapéutico que plantee el manejo del cólico nefrítico en la embarazada, dirigido a médicos emergencistas, urólogos y ginecólogos. Resultados: se obtuvieron en total 39 artículos, que fueron analizados, trabajando finalmente en base a 17 textos, que son los citados. Discusión: el diagnóstico se basa en la historia clínica, examen físico, pruebas de laboratorio e imagen. Tratamiento de inicio conservador, que incluye hidratación, analgésicos y antieméticos, reservando la utilización de antibióticos para cuadros infecciosos. De no funcionar éste, se optará por tratamiento intervencionista. Conclusiones: la embarazada con cólico nefrítico se estudia en base a paraclínica humoral y de imagen (ecografía, resonancia nuclear magnética y tomografía axial computada de baja dosis). El tratamiento es principalmente conservador, ante la falla del mismo o ante cuadros infecciosos es quirúrgico.

Introduction: renal colic is one of the most frequent causes of emergency room visits. When it occurs in a pregnant patient, it generates a diagnostic and therapeutic challenge that requires a multidisciplinary approach. Materials and methods: a bibliographic search was carried out in the MedLine/PubMed database considering systematic literature reviews, clinical case reports, retrospective observational studies published in the last 10 years with the aim of obtaining information to create a diagnostic and therapeutic algorithm for the management of nephritic colic in pregnant women, aimed at emergency physicians, urologists and gynecologists. Results: a total of 39 articles were obtained and analyzed, finally working on the basis of 17 texts, which are those cited. Discussion: diagnosis is based on clinical history, physical examination, laboratory and imaging tests. Conservative initial treatment, including hydration, analgesics and antiemetics, reserving the use of antibiotics for infectious conditions. If this does not work, interventional treatment will be chosen. Conclusions: pregnant women with renal colic are studied on the basis of humoral and imaging (ultrasound, magnetic resonance imaging and low dose computed axial tomography). The treatment is mainly conservative; in case of failure or infectious conditions, surgery is performed.

Introdução: a cólica renal é uma das causas mais frequentes de consulta no departamento de emergência. Quando ocorre em uma paciente grávida, gera um desafio diagnóstico e terapêutico que exige uma abordagem multidisciplinar. Materiais e métodos: foi realizada uma pesquisa bibliográfica no banco de dados MedLine/PubMed, considerando revisões sistemáticas da literatura, relatos de casos clínicos, estudos observacionais retrospectivos publicados nos últimos 10 anos, com o objetivo de obter informações para a criação de um algoritmo diagnóstico e terapêutico para o manejo da cólica nefrética em gestantes, destinado a médicos de emergência, urologistas e ginecologistas. Resultados: um total de 39 artigos foi obtido e analisado, sendo que, por fim, trabalhamos com base em 17 textos, que são os citados. Discussão: o diagnóstico é baseado na história clínica, exame físico, exames laboratoriais e de imagem. O tratamento inicial é conservador, incluindo hidratação, analgésicos e antieméticos, reservando o uso de antibióticos para quadros infecciosos. Se isso não funcionar, o tratamento intervencionista será escolhido. Conclusões: as gestantes com cólica renal são estudadas com base em exames humorais e de imagem (ultrassom, ressonância magnética e tomografia axial computadorizada de baixa dose). O tratamento é principalmente conservador, com cirurgia em caso de falha ou condições infecciosas.

RESUMO

RESUMEN Esta investigación presenta una metodología para optimizar fuerzas de control en edificaciones, las cuales se encuentran sometidas a cargas sísmicas. Se desarrolló un sistema de control llamado CLF-MR_I, el cuál combina un algoritmo genético de clasificación no dominada NSGA-II y un sistema de control basado en lógica difusa. El controlador fue ensayado numéricamente en una edificación real de 96 m de altura, en la cual se instalaron 6 amortiguadores magnetoreológicos MR. La estructura fue sometida a 8 aceleraciones de sismo con diferentes rangos frecuenciales. Los parámetros de entrada para el sistema de control propuesto fueron los desplazamientos y las velocidades del primer piso de la edificación y como único parámetro de salida, se definió el voltaje de los dispositivos MR. La eficiencia del CLF-MR_1 fue comparada con un segundo controlador llamado CLF-MR_2, el cual funciona mediante un sistema de inferencia basado en parámetros lingüísticos. Los resultados obtenidos indican que el CLF-MR_1 mejora significativamente la respuesta dinámica de la edificación, en comparación con los resultados obtenidos con el CLF-MR_2 y con la condición no controlada de la edificación.

ABSTRACT This research presents a methodology to optimize control forces in buildings, which are subjected to seismic loads. A control system called CLF-MR_1 was developed, which combines a genetic algorithm of non-dominated classification NSGA-II and a control system based on fuzzy logic. The controller was numerically evaluated in a real 96 m high building, in which 6 MR magnetorheological dampers were installed. The structure was subjected to 8 earthquake accelerations with different frequency ranges. The input parameters for the proposed control system were the displacements and velocities of the first floor of the building and the only output parameter was the voltage of the MR devices. The efficiency of CLF-MR_1 was compared with a second controller called CLF-MR_2, which operates using an inference system based on linguistic parameters. Results obtained show that CLF-MR_1 significantly improves the dynamic response of the building, compared to the results obtained with CLF-MR_2 and the uncontrolled condition of the building.

RESUMO Esta pesquisa apresenta uma metodologia para otimizar as forças de controle em edifícios sujeitos a cargas sísmicas. Foi desenvolvido um sistema de controle denominado CLF-MR_1, que combina um algoritmo genético de classificação não dominada NSGA-II e um sistema de controle baseado em lógica difusa. O controlador foi testado numericamente em um edifício real de 96 m de altura, no qual foram instalados 6 amortecedores magnetorheológicos MR. A estrutura foi submetida a 8 acelerações de terremoto com diferentes faixas de frequência. Os parâmetros de entrada para o sistema de controle proposto foram os deslocamentos e as velocidades do primeiro andar do edifício, e a tensão dos dispositivos MR foi definida como o único parâmetro de saída. A eficiência do CLF-MR_1 foi comparada com um segundo controlador chamado CLF-MR_2, que opera usando um sistema de inferência baseado em parâmetros linguísticos. Os resultados obtidos indicam que o CLF-MR_1 melhora significativamente a resposta dinâmica do edifício, em comparação com os resultados obtidos com o CLF-MR_2 e a condição não controlada do edifício.

RESUMO

Cotton has a considerable economic impact on agribusiness. Strategies to reduce production loss due, for example, to pest attacks are increasingly required. Spodoptera frugiperda, known as fall armyworm, causes irreversible damage to cotton. In this context, a current approach is the use of hyperspectral measurements obtained by remote sensors and processed by machine learning algorithms. However, such measures generate data redundancy, making it difficult to extract information. An alternative is to apply pre-processing techniques, but little is known about the impact these generate on the learning ability of algorithms. This study evaluates the performance of machine learning algorithms in identifying cotton plants attacked by pests using pre-processed and raw hyperspectral measurements. Data are collected by EMBRAPA, and consist of hyperspectral measurements, in the range of 350-2500 nm, referring to eight days of collections in healthy cotton plants and attacked by S. frugiperda. Pre-processing techniques to try are baseline removal, smoothing, first and second order derivatives. A group of machine learning algorithms, such as Random Forest, Support Vector Machine, Extra Tree, was used to model pre-processed and non-pre-processed hyperspectral measurements. According to the proposed metric, the F-Score and the Extra Trees (EXT) algorithm performed better (0.77). So it overlapped the other results with the preprocessed dataset. In addition to obtaining the most important lengths for the algorithm to have its best performance. Concluding that machine learning with spectroscopy can help the field in a promising way. Studies in other crops and with other factors applied to the plant are recommended.

O algodão tem um considerável impacto econômico no agronegócio. Estratégias para redução de perda de produção devido, por exemplo, a ataques de pragas são cada vez mais requeridas. A Spodoptera frugiperda, conhecida como lagarta do cartucho, causa danos irreversíveis ao algodão. Neste contexto, uma abordagem atual é o uso de medidas hiperespectrais obtidas por sensores remotos e processadas por algoritmos de aprendizagem de máquina. Todavia, tais medidas geram redundância de dados, dificultando a extração de informações. Uma alternativa é aplicar técnicas de pré-processamento, mas pouco se sabe sobre o impacto que estas geram na capacidade de aprendizagem dos algoritmos. Este trabalho avalia o desempenho de algoritmos de aprendizagem de máquina ao identificarem plantas de algodão atacadas por pragas utilizando medidas hiperespectrais pré-processadas e brutas. Os dados são coletados pela EMBRAPA, e consistem em medidas hiperespectrais, no intervalo de 350-2500 nm, referentes a oito dias de coletas em plantas de algodão saudáveis e atacadas por S. frugiperda. As técnicas de pré-processamento a serem testadas são remoção de linha de base, suavização, derivadas de primeira e segunda ordem. Um grupo de algoritmos de aprendizagem de máquina, como Random Forest, Support Vector Machine, Extra Tree, foi utilizado para modelar as medidas hiperespectrais pré-processadas ou não. De acordo com a métrica proposta o F-Score, o algoritmo Extra Trees (ExT) obteve melhor desempenho (0.77). De maneira que se sobrepôs aos outros resultados com o conjunto de dados pré-processados. Além de obtermos os comprimentos de maior importância para o algoritmo ter seu melhor desempenho. Concluindo que o aprendizado de máquina com a espectroscopia pode auxiliar de modo promissor o campo. Recomenda-se estudos em outras culturas, e com outros fatores aplicados à planta.

RESUMO

ABSTRACT Purpose: The emergency medical service is a fundamental part of healthcare, albeit crowded emergency rooms lead to delayed and low-quality assistance in actual urgent cases. Machine-learning algorithms can provide a smart and effective estimation of emergency patients' volume, which was previously restricted to artificial intelligence (AI) experts in coding and computer science but is now feasible by anyone without any coding experience through auto machine learning. This study aimed to create a machine-learning model designed by an ophthalmologist without any coding experience using AutoML to predict the influx in the emergency department and trauma cases. Methods: A dataset of 356,611 visits at Hospital da Universidade Federal de São Paulo from January 01, 2014 to December 31, 2019 was included in the model training, which included visits/day and the international classification disease code. The training and prediction were made with the Amazon Forecast by 2 ophthalmologists with no prior coding experience. Results: The forecast period predicted a mean emergency patient volume of 216.27/day in p90, 180.75/day in p50, and 140.35/day in p10, and a mean of 7.42 trauma cases/ day in p90, 3.99/day in p50, and 0.56/day in p10. In January of 2020, there were a total of 6,604 patient visits and a mean of 206.37 patients/day, which is 13.5% less than the p50 prediction. This period involved a total of 199 trauma cases and a mean of 6.21 cases/day, which is 55.77% more traumas than that by the p50 prediction. Conclusions: The development of models was previously restricted to data scientists' experts in coding and computer science, but transfer learning autoML has enabled AI development by any person with no code experience mandatory. This study model showed a close value to the actual 2020 January visits, and the only factors that may have influenced the results between the two approaches are holidays and dataset size. This is the first study to apply AutoML in hospital visits forecast, showing a close prediction of the actual hospital influx.

RESUMO Objetivo: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma. Métodos: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação. Resultados: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50. Conclusão: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.

RESUMO

Considerando a rede complexa em torno de um software que prescreve exercícios físicos com base em inteligência artificial, o presente estudo tem por objetivo analisar a constituição de uma bolha fitness e seus custos em potencial. Baseados na Teoria Ator-Rede, examinamos a interação entre atores humanos e não humanos nesse ambiente, destacando a influência dos algoritmos. A partir da noção de bolha fitness, exploramos como essa personalização pode levar os usuários a uma exposição predominante a conteúdos que reforçam suas visões e comportamentos atuais. Ao discutir suas possíveis consequências, evidenciamos a constituição de uma predição informacional, uma restrição da criatividade e um invisibilização do diferente. Portanto, nossa análise destaca os desafios e as implicações éticas associadas à formação e ao enclausuramento na bolha fitness, oferecendo uma reflexão sobre os custos potenciais desse fenômeno na era digital.

Considering the intricate network surrounding a software that utilizes artificial intelligence to prescribe physical exercises, this study aims to analyze the formation of a fitness bubble and its potential ramifications. Drawing upon the Actor-Network Theory, we scrutinize the interplay between human and non-human actors within this milieu, with a particular focus on the sway of algorithms. Building upon the concept of a fitness bubble, we delve into how this tailored approach might lead users towards a predominantly exposure to content that reinforces their existing beliefs and behaviors. In delving into its possible outcomes, we shed light on the emergence of informational prediction, a stifling of creativity, and an invisibility of diversity. Consequently, our analysis underscores the challenges and ethical implications tied to both the inception and entrenchment within the fitness bubble, offering a critical examination of the potential costs associated with this phenomenon in the digital era.

Considerando la compleja red que rodea a un software que prescribe ejercicios físicos basados en inteligencia artificial, este estudio tiene como objetivo analizar la formación de una burbuja de fitness y sus posibles costos. Basándonos en la Teoría Actor-Red, examinamos la interacción entre actores humanos y no humanos en este entorno, enfatizando la influencia de los algoritmos. A partir del concepto de una burbuja de fitness, exploramos cómo este enfoque personalizado podría llevar a los usuarios a una exposición predominante a contenidos que refuerzan sus creencias y comportamientos actuales. Al discutir sus posibles consecuencias, destacamos la aparición de la predicción informativa, una restricción de la creatividad y una disminución de la diversidad. En consecuencia, nuestro análisis subraya los desafíos y las implicaciones éticas asociadas tanto con la formación como con el enclaustramiento en la burbuja fitness, ofreciendo una reflexión sobre los posibles costos de este fenómeno en la era digital.

RESUMO

El objetivo de este estudio fue verificar un modelo predictivo de rasgos de personalidad positivos y negativos tomando como criterio el bienestar psicológico mediante la implementación de algoritmos de machine learning. Participaron 2038 sujetos adultos (51.9 % mujeres). Para la recolección de datos se utilizó: Big Five Inventory y Mental Health Continuum-Short Form. Además, para evaluar los rasgos positivos y negativos de personalidad se utilizaron los ítems ya validados de los modelos de rasgos positivos (HFM) y negativos (BAM) de forma conjunta. A partir de los hallazgos encontrados se pudo verificar que la eficacia predictiva del modelo testeado de rasgos positivos y negativos derivados de un enfoque léxico resultó superior a la capacidad predictiva de los rasgos normales de personalidad para la predicción del bienestar.

O objetivo do estudo foi verificar um modelo preditivo de traços de personalidade positivos e negativos tendo como critério o bem-estar psicológico por meio da implementação de algoritmos de machine learning. Participaram 2.038 sujeitos adultos (51,9 % mulheres). Para a coleta de dados foram utilizados: Big Five Inventory e Mental Health Continuum-Short Form. Além disso, para avaliar os traços de personalidade positivos e negativos, foram utilizados conjuntamente os itens já validados dos modelos de traços positivos (HFM) e negativos (BAM). Foi possível verificar que a eficácia preditiva do modelo testado de traços positivos e negativos derivados de uma abordagem lexical foi superior à capacidade preditiva de traços normais de personalidade para a predição do bem-estar.

The objective of the study was to verify a predictive model of positive and negative personality traits taking psychological well-being as a criterion through the implementation of machine learning algorithms. 2038 adult subjects (51.9 % women) participated. For data collection were used: Big Five Inventory and Mental Health Continuum-Short Form. In addition, to assess the positive and negative personality traits, the already validated items of the positive (HFM) and negative trait models (BAM), were used jointly. Based on the findings found, it was possible to verify that the predictive efficacy of the tested model of positive and negative traits, derived from a lexical approach, was superior to the predictive capacity of normal personality traits for the prediction of well-being.

RESUMO

Introducción: la mayoría de las aplicaciones en patología digital se encuentran relacionadas con la oncológica, aunque se han propuesto algunos modelos recientes que permiten evaluar la utilidad en el diagnóstico histológico de microorganismos. Material y métodos: se realizó la siguiente revisión en la que se incluyeron 10 artículos publicados en inglés, que tienen como eje central el diagnóstico histopatológico de microorganismos y diferentes modelos de inteligencia artificial. Discusión: los diseñados se han probado para el diagnóstico de Helicobacter pylori, Mycobacterium tuberculosis, Aspergillus, Mucorales y microorganismos relacionados con onicomicosis. Conclusiones: se recomienda el uso de la inteligencia artificial en el diagnóstico histopatológico de microorganismos como un campo emergente que refuerza la función del patólogo coordinador de los diferentes modelos, optimizando así su función y mejorando los tiempos de trabajo y los niveles de efectividad.

Introduction: most of the digital pathology applications are related to oncology, although some recent models have been proposed to evaluate their usefulness in the histopathological diagnosis of microorganisms. Material and Methods: this review included 10 articles published in English, centered around the histopathological diagnosis of microorganisms and the different artificial intelligence (AI) models. Discussion: the designed AI models have been tested for diagnosing Helicobacter pylori, Mycobacterium tuberculosis, Aspergillus, Mucorales and microorganisms causing onychomycosis. Conclusions: the use of artificial intelligence in the histopathological diagnosis of microorganisms is recommended as an emerging field which assists the pathologist coordinating the different models, thus optimizing his function, and improving workflows and effectiveness levels.

RESUMO

Objetivo:Relatar a experiência de uma equipe de enfermeiros estomaterapeutas na construção de um algoritmo para a indicação de equipamento coletor para estomias de eliminação. Método: Relato de experiência, do período de janeiro de 2018 a setembro de 2019, sobre o processo de construção de um algoritmo para indicação de equipamento coletor para estomias de eliminação. Resultados: A partir de determinadas características clínicas (parâmetros de avaliação) e da categorização dos equipamentos coletores (solução), foi desenvolvido um algoritmo para indicação de equipamento coletor para estomias de eliminação. Conclusão: Espera-se que esse instrumento possa auxiliar os enfermeiros na sua prática profissional quanto à escolha do equipamento coletor e na construção de protocolos clínicos.

Objective:To report the experience of a team of enterostomal therapists in the construction of an algorithm for the indication of collecting equipment for elimination stomas. Method: Experience report, from January 2018 to September 2019, on the process of building an algorithm to indicate collecting equipment for elimination stomas. Results: Based on certain clinical characteristics (assessment parameters) and the categorization of collecting equipment (solution), an algorithm was developed to indicate collecting equipment for elimination stomas. Conclusion: It is expected that this instrument can help nurses in their professional practice regarding the choice of collecting equipment and the construction of clinical protocols.

Objetivo:Relatar la experiencia de un equipo de enfermeros estomaterapeutas en la construcción de un algoritmo para la indicación de equipos recolectores para estomas de eliminación. Método: Informe de experiencia, de enero de 2018 a septiembre de 2019, sobre el proceso de construcción de un algoritmo para indicar equipos colectores para estomas de eliminación. Resultado: A partir de ciertas características clínicas (parámetros de evaluación) y la categorización de los equipos colectores (solución), se desarrolló un algoritmo para indicar equipos colectores para estomas de eliminación. Conclusión: Se espera que este instrumento pueda ayudar a los enfermeros en su práctica profesional en cuanto a la elección de equipos de recolección y la construcción de protocolos clínicos.

RESUMO

O objetivo do artigo é refletir sobre a geração de valor de troca a partir do consumo de sites de redes sociais. A partir do conceito de indústria cultural, proposto por Adorno e Horkheimer (1985), é possível inferir que a teoria da escola de Frankfurt dialoga com a monetização de produtos culturais e a produção e consumo destes de maneira alienada. Por meio do método do materialismo histórico dialético de Karl Marx -o qual permite a compreensão de uma síntese de ideia apenas após o confronto de uma tese concreta com a sua negação abstrata- o trabalho conclui que é necessária uma regulamentação na obtenção, uso e venda de dados dos usuários nessa sociedade em contexto de plataformas digitais.

El propósito del artículo es reflexionar sobre la generación de valor de cambio a partir del consumo de sitios de redes sociales. A partir del concepto de industria cultural, propuesto por Adorno y Horkheimer (1985), es posible inferir que la teoría de la escuela de Frankfurt dialoga con la monetización de los productos culturales y su producción y consumo de forma alienada. A través del método del materialismo histórico dialéctico de Karl Marx -que permite la comprensión de una síntesis de idea sólo después de la confrontación de una tesis concreta con su negación abstracta- el trabajo concluye que es necesario regular la adquisición, uso y venta de datos de los usuarios de esta sociedad en el contexto de las plataformas digitales.

RESUMO

OBJECTIVE: Generate recommendations for the diagnosis, management, and follow-up of chronic hyperkalemia. METHOD: This consensus was made by nephrologists and cardiologists following the GRADE methodology. RESULTS: Chronic hyperkalemia can be defined as a biochemical condition with or without clinical manifestations characterized by a recurrent elevation of serum potassium levels that may require pharmacological and or non-pharmacological intervention. It can be classified as mild (K+ 5.0 to < 5.5 mEq/L), moderate (K+ 5.5 to 6.0 mEq/L) or severe (K+ > 6.0 mEq/L). Its incidence and prevalence have yet to be determined. Risk factors: chronic kidney disease, chronic heart failure, diabetes mellitus, age ≥ 65 years, hypertension, and drugs that inhibit the renin angiotensin aldosterone system (RAASi), among others. There is no consensus for the management of chronic hyperkalemia. The suggested pattern for patients is to identify and eliminate or control risk factors, provide advice on potassium intake and, for whom it is indicated, optimize RAASi therapy, administer oral potassium binders and correct metabolic acidosis. CONCLUSIONS: The recommendation is to pay attention to the diagnosis, management, and follow-up of chronic hyperkalemia, especially in patients with risk factors.

OBJETIVO: Generar recomendaciones para el diagnóstico, el manejo y el seguimiento de la hiperkalemia crónica. MÉTODO: Este consenso fue realizado por nefrólogos y cardiólogos siguiendo la metodología GRADE. RESULTADOS: La hiperkalemia crónica puede definirse como una condición bioquímica, con o sin manifestaciones clínicas, caracterizada por una elevación recurrente de las concentraciones séricas de potasio que puede requerir una intervención farmacológica, no farmacológica o ambas. Puede clasificarse en leve (K+ 5,0 a < 5,5 mEq/l), moderada (K+ 5,5 a 6,0 mEq/l) o grave (K+ > 6,0 mEq/l). Su incidencia y prevalencia no han sido claramente determinadas. Se consideran factores de riesgo la enfermedad renal crónica, la insuficiencia cardiaca crónica, la diabetes mellitus, la edad ≥ 65 años, la hipertensión arterial y el tratamiento con inhibidores del sistema renina-angiotensina-aldosterona (iSRAA), entre otros. No hay consenso sobre el manejo de la hiperkalemia crónica. Se sugiere identificar y eliminar o controlar los factores de riesgo, brindar asesoramiento sobre la ingesta de potasio y, para quien esté indicado, optimizar la terapia con iSRAA, administrar aglutinantes orales del potasio y corregir la acidosis metabólica. CONCLUSIONES: Se recomienda prestar atención al diagnóstico, el manejo y el seguimiento de la hiperkalemia crónica, en especial en los pacientes con factores de riesgo.

RESUMO

La fantasía que impera en este film plantea la ilusión de encontrar un ser complementario que se adapte a nuestras preferencias y nos haga plenos. "Mi algoritmo está diseñado para hacerte feliz" dice el humanoide. Ilusión de que alguien tendría la posibilidad de ser complementario, de saber exactamente lo que el otro requiere. Estamos en las antípodas de la famosa fórmula de Lacan:" (Le Séminaire, Encore, 1975) "No hay relación sexual" (o sea, no hay complementariedad). No habría resto, el sujeto no estaría atravesado por la castración simbólica. La IA compite con Zeus. La fantasía del Uno, organismo previo a la separación del andrógino por parte de Zeus, se podría materializar con la IA

The fantasy that prevails in this film, raises the illusion of finding a complementary being that adapts to our preferences and makes us full. "My algorithm is designed to make you happy," says the humanoid. Illusion that someone would have the possibility of being complementary, of knowing exactly what the other requires. We are at the antipodes of Lacan's famous formula: "(Le Séminaire, Encore, 1975) "There is no sexual intercourse" (that is, there is no complementarity). There would be no rest, the subject would not be pierced by symbolic castration. AI competes with Zeus. The fantasy of the One, an organism prior to the separation of the androgynous by Zeus, could materialize with AI.

RESUMO

Durante estos años, condicionados por los efectos de una pandemia y la situación económica global, la incorporación oportuna de los resultados científico-técnicos es necesidad y responsabilidad de la comunidad científica. En este trabajo se expone una experiencia en la introducción de resultados científicos desde la formación doctoral, dirigida al área de la atención inicial al paciente con traumatismo maxilofacial. La importancia de esta práctica radica en los aportes social, científico y profesional y en la formación de recursos humanos para lograr la transformación y el mejoramiento de la realidad.

During these years, conditioned by the effects of a pandemic and the global economic situation, the opportune incorporation of the scientific technical results is necessity and responsibility of scientific community. An experience in the introduction of scientific results from the doctoral training, directed to the area of initial care to the patient with maxillofacial traumatism, is presented in this work. The importance of this practice resides in the social, scientific, professional contributions and in the formation of human resources to achieve the transformation and improvement of reality.

RESUMO

Introduction: Data mining techniques expand access to important information for the decision-making process during health care. The objective the study proposes using data mining techniques to identify variables (surgical treatment protocols, patient characteristics, post-surgical complications) associated with fistulas after primary palatoplasty in patients with unilateral transforamen incisor cleft (UTIC). Method: A data set of 222 patients with UTIC without syndromes, operated by four surgeons with Furlow's or von Langenbeck's primary palatoplasty techniques, was analyzed for this study. Two models for detecting the outcome of surgery were induced using data mining techniques (Decision Tree and Apriori). Results: Five rules were selected from a decision tree pointing to some variables as predictors of fistulas associated with primary palatoplasty: infection, cough, hypernasality, and surgeon. Analysis of the model indicates that it correctly classifies 95.9% of occurrences between the absence and presence of fistulas. The second model indicates that the absence of post-surgical complications (infection and fever) and normal speech results (absent hypernasality, without suggestive of velopharyngeal dysfunction) are related to the absence of fistulas. Regarding surgical procedures, the Furlow technique and the Vomer flap were more frequent in patients with fistulas. Conclusion: Data mining techniques, as applied in the present study, pointed to infection and cough, hypernasality, and surgeon and surgical techniques as predictors of fistulas related to primary palatoplasty.

Introdução: As técnicas de mineração de dados ampliam o acesso a informações importantes para o processo de tomada de decisão durante os cuidados com a saúde. O objetivo do estudo propõe a utilização de técnicas de mineração de dados para identificar variáveis (protocolos de tratamento cirúrgico, características do paciente, intercorrências pós-cirúrgicas) associadas à ocorrência de fístulas após palatoplastia primária em pacientes com fissura transforame incisivo unilateral (FTIU). Método: Um conjunto de dados de 222 pacientes com FTIU sem síndromes, operados por quatro cirurgiões com as técnicas de palatoplastia primária de Furlow ou von Langenbeck, foi analisado para este estudo. Dois modelos para detecção do resultado da cirurgia foram induzidos usando técnicas de mineração de dados (Árvore de Decisão e Apriori). Resultados: Cinco regras foram selecionadas de uma árvore de decisão apontando para algumas variáveis como preditivas de fístulas associadas à palatoplastia primária: infecção, tosse, hipernasalidade, cirurgião. A análise do modelo indica que ele classifica corretamente 95,9% das ocorrências entre ausência e presença de fístulas. O segundo modelo indica que a ausência de intercorrências pós-cirúrgicas (infecção e febre) e resultado de fala normal (hipernasalidade ausente, sem sugestivo de disfunção velofaríngea) estão relacionados à ausência de fístulas. Em relação aos procedimentos cirúrgicos, o uso da técnica de Furlow e retalho de Vomer foram mais frequentes nos pacientes com fístulas. Conclusão: Técnicas de mineração de dados, conforme aplicadas no presente estudo, apontaram para infecção e tosse, presença de hipernasalidade, cirurgião e técnica cirúrgica como preditores de fístulas relacionadas à palatoplastia primária.

RESUMO

Resumo Objetivo Elaborar e validar o conteúdo de dois algoritmos para orientar profissionais da linha de frente na prevenção e no tratamento da lesão por pressão em paciente com COVID-19 em posição prona. Métodos Estudo realizado entre setembro e novembro de 2021. Para a construção dos algoritmos, realizou-se revisão da literatura junto às bases de dados MEDLINE®, SciELO e Lilacs. Foram pesquisados artigos publicados entre 2011 e 2021. A validação dos algoritmos foi feita por 59 profissionais da saúde (enfermeiros, fisioterapeutas e médicos), que trabalhavam na linha de frente da COVID-19, utilizando-se a técnica Delphi. Para a análise de dados, foi adotado o Índice de Validade de Conteúdo e o coeficiente alfa de Cronbach. Resultados No primeiro ciclo de avaliação, os itens dos algoritmos foram considerados pelos juízes como "parcialmente adequados a totalmente adequados", e o Índice de Validade de Conteúdo variou entre 0,87 e 0,92. O coeficiente alfa de Cronbach variou entre 0,95 e 0,96, indicando excelente consistência interna do questionário de avaliação utilizado pelos juízes. Após implementados os ajustes sugeridos pelos juízes, os algoritmos foram reenviados para o segundo ciclo de avaliação, no qual todos os itens foram julgados como "adequado" e "totalmente adequado", resultando em um Índice de Validade do Conteúdo de 1,0. Conclusão Os algoritmos para orientar profissionais da saúde na prevenção e no tratamento da lesão por pressão em pacientes com COVID-19 em posição prona foram avaliados por enfermeiros, fisioterapeutas e médicos que estavam na linha de frente de combate à COVID-19, que chegaram a um consenso quanto ao conteúdo no segundo ciclo de avaliação.

Resumen Objetivo Elaborar y validar el contenido de dos algoritmos para orientar profesionales de la línea de frente sobre la prevención y tratamiento de la úlcera por presión en pacientes con COVID-19 en posición prona. Métodos Estudio realizado entre septiembre y noviembre de 2021. Para la elaboración de los algoritmos, se realizó revisión de la literatura en las bases de datos MEDLINE®, SciELO y Lilacs. Se buscaron artículos publicados entre 2011 y 2021. La validación de los algoritmos fue realizada por 59 profesionales de la salud (enfermeros, fisioterapeutas y médicos), que trabajaban en la línea de frente del COVID-19, utilizando el método Delphi. Para el análisis de datos se adoptó el Índice de Validez de Contenido y el coeficiente alfa de Cronbach. Resultados En el primer ciclo de evaluación, los ítems de los algoritmos fueron considerados por los jueces como "parcialmente adecuados a totalmente adecuados", y el Índice de Validez de Contenido varió entre 0,87 y 0,92. El coeficiente alfa de Cronbach varió entre 0,95 y 0,96, lo que indica una excelente consistencia interna del cuestionario de evaluación utilizado por los jueces. Después de implementar las mejoras sugeridas por los jueces, se reenviaron los algoritmos para el segundo ciclo de evaluación, en el cual todos los ítems fueron calificados como "adecuado" y "totalmente adecuado", con un resultado del Índice de Validez de Contenido de 1,0. Conclusión Los algoritmos para orientar profesionales de la salud sobre la prevención y el tratamiento de la úlcera por presión en pacientes con COVID-19 en posición prona fueron evaluados por enfermeros, fisioterapeutas y médicos que estaban en la línea de frente de combate al COVID-19 y llegaron a un consenso respecto al contenido en el segundo ciclo de evaluación.

Abstract Objective To develop and validate the content of two algorithms to guide frontline professionals in the prevention and treatment of pressure injuries in COVID-19 patients in prone position. Methods Study conducted between September and November 2021. A literature review was performed in MEDLINE®, SciELO and Lilacs databases to build the algorithms. Articles published between 2011 and 2021 were searched. The validation of algorithms was performed by 59 health professionals (nurses, physical therapists and physicians) who worked on the frontline of COVID-19. The Delphi technique was used, and Content Validity Index and Cronbach's alpha coefficient were adopted for data analysis. Results In the first evaluation cycle, the items of algorithms were considered as "partially adequate to totally adequate" by the judges, and the Content Validity Index ranged between 0.87 and 0.92. Cronbach's alpha coefficient ranged between 0.95 and 0.96, indicating excellent internal consistency of the evaluation questionnaire used by the judges. After implementing the adjustments suggested by judges, the algorithms were sent to a second evaluation cycle, in which all items were judged as "adequate" and "totally adequate", resulting in a Content Validity Index of 1.0. Conclusion Algorithms to guide healthcare professionals in the prevention and treatment of pressure injury in COVID-19 patients in prone position were evaluated by nurses, physical therapists and physicians working on the frontline of COVID-19. They achieved consensus on content in the second evaluation cycle.

RESUMO

Abstract It is estimated that depression affects more than 300 million people in worldwide. Unfortunately, the current method of psychiatric evaluation requires a great effort on the part of clinicians to collect complete information. The aim of this paper is determine the optimal time intervals to detect depression using genetic algorithms and machine learning techniques; from motor activity readings of 55 participants during a week at one-minute intervals. The time intervals with the best performance in detecting depression in individuals were selected by applying Genetic Algorithms (GA). Methodology. 385 observations of the study participants were evaluated, obtaining an accuracy of 83.0 % with Logistic Regression (LR). Conclusion. There is a relationship between motor activity and people with depression since it is possible to detect it using machine learning techniques. However, the changes in the variables of the time intervals could be established as key factors since, at different times, they could give good or bad results because the motor activity in the patients could vary. However, the results present a first approximation for developing tools that help the opportune and objective diagnosis of depression.

Resumen Se estima que la depresión afecta a más de 300 millones de personas en el mundo. Desafortunadamente, el método de evaluación psiquiátrica actual requiere un gran esfuerzo por parte de los médicos para recopilar información completa. Objetivo. Determinar los intervalos de tiempo óptimos para detectar depresión mediante algoritmos genéticos y técnicas de aprendizaje automático, a partir de las lecturas de actividad motora de 55 sujetos durante una semana en intervalos de un minuto. Los intervalos de tiempo con mejor desempeño en la detección de depresión en individuos fueron seleccionados aplicando algoritmos genéticos. Metodología. Se evaluaron 385 observaciones de los sujetos de estudio, obteniendo una precisión del 83.0 % con Regresión Logística (LR). Conclusión. Existe una relación entre la actividad motora y las personas con depresión ya que es posible detectarla utilizando técnicas de aprendizaje automático. Sin embargo, los cambios en las variables de los intervalos de tiempo podrían establecerse como factores clave ya que en diferentes momentos podrían dar buenos o malos resultados debido a que la actividad motora en los pacientes podría llegar a variar. No obstante, los resultados presentan una primera aproximación para el desarrollo de herramientas que ayuden al diagnóstico oportuno y objetivo de la depresión.

RESUMO

Resumen Objetivo: Generar recomendaciones para el diagnóstico, el manejo y el seguimiento de la hiperkalemia crónica. Método: Este consenso fue realizado por nefrólogos y cardiólogos siguiendo la metodología GRADE. Resultados: La hiperkalemia crónica puede definirse como una condición bioquímica, con o sin manifestaciones clínicas, caracterizada por una elevación recurrente de las concentraciones séricas de potasio que puede requerir una intervención farmacológica, no farmacológica o ambas. Puede clasificarse en leve (K+ 5,0 a < 5,5 mEq/l), moderada (K+ 5,5 a 6,0 mEq/l) o grave (K+ > 6,0 mEq/l). Su incidencia y prevalencia no han sido claramente determinadas. Se consideran factores de riesgo la enfermedad renal crónica, la insuficiencia cardiaca crónica, la diabetes mellitus, la edad ≥ 65 años, la hipertensión arterial y el tratamiento con inhibidores del sistema renina-angiotensina-aldosterona (iSRAA), entre otros. No hay consenso sobre el manejo de la hiperkalemia crónica. Se sugiere identificar y eliminar o controlar los factores de riesgo, brindar asesoramiento sobre la ingesta de potasio y, para quien esté indicado, optimizar la terapia con iSRAA, administrar aglutinantes orales del potasio y corregir la acidosis metabólica. Conclusiones: Se recomienda prestar atención al diagnóstico, el manejo y el seguimiento de la hiperkalemia crónica, en especial en los pacientes con factores de riesgo.

Abstract Objective: Generate recommendations for the diagnosis, management, and follow-up of chronic hyperkalemia. Method: This consensus was made by nephrologists and cardiologists following the GRADE methodology. Results: Chronic hyperkalemia can be defined as a biochemical condition with or without clinical manifestations characterized by a recurrent elevation of serum potassium levels that may require pharmacological and or non-pharmacological intervention. It can be classified as mild (K+ 5.0 to < 5.5 mEq/L), moderate (K+ 5.5 to 6.0 mEq/L) or severe (K+ > 6.0 mEq/L). Its incidence and prevalence have yet to be determined. Risk factors: chronic kidney disease, chronic heart failure, diabetes mellitus, age ≥ 65 years, hypertension, and drugs that inhibit the renin angiotensin aldosterone system (RAASi), among others. There is no consensus for the management of chronic hyperkalemia. The suggested pattern for patients is to identify and eliminate or control risk factors, provide advice on potassium intake and, for whom it is indicated, optimize RAASi therapy, administer oral potassium binders and correct metabolic acidosis. Conclusions: The recommendation is to pay attention to the diagnosis, management, and follow-up of chronic hyperkalemia, especially in patients with risk factors.

RESUMO

RESUMO Objetivo: Criar e validar um modelo de predição de choque séptico ou hipovolêmico a partir de variáveis de fácil obtenção coletadas na admissão de pacientes internados em uma unidade de terapia intensiva. Métodos: Estudo de modelagem preditiva com dados de coorte concorrente realizada em um hospital do interior do nordeste brasileiro. Foram incluídos pacientes com 18 anos ou mais sem uso de droga vasoativa no dia da admissão e que foram internados entre novembro de 2020 e julho de 2021. Foram testados os algoritmos de classificação do tipo Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost para a construção do modelo. O método de validação utilizado foi o k-fold cross validation. As métricas de avaliação utilizadas foram recall, precisão e área sob a curva Receiver Operating Characteristic. Resultados: Foram utilizados 720 pacientes para criação e validação do modelo. Os modelos apresentaram alta capacidade preditiva com área sob a curva Receiver Operating Characteristic de 0,979; 0,999; 0,980; 0,998 e 1,00 para os algoritmos de Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost, respectivamente. Conclusão: O modelo preditivo criado e validado apresentou elevada capacidade de predição do choque séptico e hipovolêmico desde o momento da admissão de pacientes na unidade de terapia intensiva.

ABSTRACT Objective: To create and validate a model for predicting septic or hypovolemic shock from easily obtainable variables collected from patients at admission to an intensive care unit. Methods: A predictive modeling study with concurrent cohort data was conducted in a hospital in the interior of northeastern Brazil. Patients aged 18 years or older who were not using vasoactive drugs on the day of admission and were hospitalized from November 2020 to July 2021 were included. The Decision Tree, Random Forest, AdaBoost, Gradient Boosting and XGBoost classification algorithms were tested for use in building the model. The validation method used was k-fold cross validation. The evaluation metrics used were recall, precision and area under the Receiver Operating Characteristic curve. Results: A total of 720 patients were used to create and validate the model. The models showed high predictive capacity with areas under the Receiver Operating Characteristic curve of 0.979; 0.999; 0.980; 0.998 and 1.00 for the Decision Tree, Random Forest, AdaBoost, Gradient Boosting and XGBoost algorithms, respectively. Conclusion: The predictive model created and validated showed a high ability to predict septic and hypovolemic shock from the time of admission of patients to the intensive care unit.

RESUMO

Este trabalho tem como objetivo articular as noções de tecnologia, trabalho, saúde e influenciadores digitais e reivindicar essa articulação como objeto de investigação para o campo da comunicação. Especificamente, busca-se entender as particularidades do esgotamento vivido por influenciadores digitais, a partir de revisão bibliográfica e exposição de exemplos (coletados a partir de observação espontânea). Como resultado, propõe-se a noção de 'exaustão algorítmica', uma sensação relatada por influenciadores digitais relacionada aos 'problemas psicológicos' vivenciados por eles e gerados pelo ritmo de trabalho que vem sendo ditado pelo que reconhecem como 'o algoritmo'. A 'exaustão'caracteriza-se por um sentimento permanente de insatisfação, desânimo e esgotamento, ausência de criatividade, medo de penalidades das plataformas e de 'não dar conta'.

This work aims to articulate the notions of technology, work, health and digital influencers and claim this articulation as an object of investigation for the field of communication. Specifically, we seek to understand the particularities of the exhaustion experienced by digital influencers from a literature review and exposition of examples (obtained by spontaneous observation). As a result, the notion of 'algorithmic exhaustion' is proposed, a sensation reported by digital influencers that one is going through 'psychological problems' generated by the pace of work dictated by what they recognize as 'the algorithm'. 'Exhaustion' is characterized by a permanent feeling of dissatisfaction, discouragement and exhaustion, lack of creativity, fear of platform penalties and 'not getting it done'.

Este trabajo tiene como objetivo articular las nociones de tecnología, trabajo, salud e influencers digitales y reivindicar esa articulación como objeto de investigación para el campo de la comunicación. En concreto, buscamos comprender las particularidades del agotamiento que experimentan los influencers digitales a partir de una revisión bibliográfica y exposición de ejemplos (obtenidos por observación espontánea). Como resultado, se propone la noción de 'agotamiento algorítmico', sensación reportada por influencersdigitales de que se está pasando por 'problemas psicológicos' generados por el ritmo de trabajo dictado por lo que reconocen como 'el algoritmo'. El agotamiento se caracteriza por un sentimiento permanente de insatisfacción, desánimo y agotamiento, falta de creatividad, miedo a las sanciones de la plataforma y al 'no hacerlo'.

RESUMO

ABSTRACT Mexico is the centre of origin of the chayote (Sechium edule Jacq. Sw), an important plant in human consumption and in pharmaceuticals. The objective of this study was to determine the potential distribution of domesticated S. edule in Mexico using seven species distribution algorithms, to efficiently manage S. edule resources and help its conservation by identifying patterns of geographic distribution. Otherwise, areas of high suitability can be used to produce improved seed at a lower cost. 162 GBIF occurrence points and nine layers in raster format were used to evaluate seven algorithms of species distribution models. To evaluate the reliability and performance of the models, the statistics Area Under the Curve (AUC) and true skill statistic was used. Predominant climate types were Cwb (33.3 %) and Aw (17.9 %); predominant soil types were leptosol (33.3 %) and phaozem (16.7 %). The seven models showed areas of high suitability (> 0.75) in Chiapas, Guerrero, Oaxaca, Veracruz, Tabasco, Puebla and Hidalgo states. AUC values for the seven models were > 0.8 and their performance was adequate (0.4 > TSS < 0.7). Classification tree analysis was found to be the best algorithm measured by AUC (0.90); however, the seven models were adequate to explain S. edule distribution in Mexico. S. edule climatic adaptability also allows to be distributed towards the Yucatan Peninsula and western Mexico. The distribution of S. edule in Mexico, according to the studied algorithms, is limited to total annual precipitation and temperature seasonality.

RESUMEN México es el centro de origen del chayote (Sechium edule Jacq. Sw), una planta importante en la alimentación humana y en la farmacéutica. El objetivo de este estudio fue determinar la distribución potencial de S. edule domesticado en México utilizando siete algoritmos de distribución de especies, con el fin de gestionar eficientemente los recursos de S. edule y ayudar a su conservación mediante la identificación de patrones de distribución geográfica. Por otra parte, las zonas de alta idoneidad pueden ser utilizadas para la producción de semilla mejorada a un menor costo. Se utilizaron 162 puntos de ocurrencia de la GBIF y nueve capas en formato ráster para evaluar siete algoritmos de modelos de distribución de especies. Para evaluar la confiabilidad y el rendimiento de los modelos se utilizaron los estadísticos Área bajo la curva y el verdadero estadístico de habilidad. Los tipos de clima predominantes fueron Cwb (33,3 %) y Aw (17,9 %); los tipos de suelo predominantes fueron leptosol (33,3 %) y phaozem (16,7 %). Los siete modelos mostraron áreas de alta idoneidad (> 0,75) para los estados de Chiapas, Guerrero, Oaxaca, Veracruz, Tabasco, Puebla e Hidalgo. Los valores de AUC para los siete modelos fueron > 0,8 y su rendimiento fue adecuado (0,4> TSS <0,7). Se encontró que el análisis de árboles de clasificación fue el mejor algoritmo medido por AUC (0,90), sin embargo, los siete modelos fueron adecuados para explicar la distribución de S. edule en México. La adaptabilidad climática de S. edule también le permite distribuirse hacia la Península de Yucatán y occidente de México. La distribución de S. edule en México, según los algoritmos estudiados, se limita a la precipitación total anual y la estacionalidad de la temperatura.